(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210398355.5 (22)申请日 2022.04.15 (71)申请人 澜途集思生态科技 集团有限公司 地址 100000 北京市海淀区蓝靛厂东路2号 院金源时代商务中心 2号楼A座6D (72)发明人 杨志峰　沈永明　张远　蔡宴朋　 (74)专利代理 机构 北京市京师律师事务所 11665 专利代理师 黄熊 (51)Int.Cl. G06V 40/70(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) G06V 10/30(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 21/60(2013.01) G06F 16/906(2019.01) (54)发明名称 基于SNIP算法的生态生物 识别方法 (57)摘要 本发明公开了基于SNIP算法的生态生物识 别方法， 包括如下步骤： 收集生态生物特征， 将收 集的生态特征进行分类， 并建立生态特征数据 库； 发起生态生物识别请求， 根据请求在生态环 境中采集生物图像数据； 采用图像归一法和图像 增强法对采集的生物图像数据进行处理， 得到处 理后的生物图像数据； 通过SNIP算法对处理后的 生物图像数据进行目标检测； 将得到的所需识别 的生物图像数据特征与生态特征数据库中的特 征数据进行对比识别。 本发明通过设置SNIP算 法， 能够提高对小目标的检测 效果， 便于提高目 标检测的精度， 便 于提高生物 识别率。 权利要求书1页 说明书3页 附图1页 CN 114724261 A 2022.07.08 CN 114724261 A 1.基于SN IP算法的生态生物 识别方法， 其特 征在于， 包括如下步骤： S1收集生态生物特 征， 将收集的生态特 征进行分类， 并建立 生态特征数据库； S2发起生态生物 识别请求， 根据请求在生态 环境中采集 生物图像数据； S3采用图像归一法和图像增强法对采集的生物图像数据进行处理， 得到处理后的生物 图像数据； S4通过SNIP算法对处 理后的生物图像数据进行目标检测； S41选取采集的生物图像并进行 上采样和下采样； S42上采样， 将选取的生物图像进行放大； S42下采样， 将选取的生物图像进行压缩； S5将得到的所需识别的生物图像数据特征与生态特征数据库中的特征数据进行对比 识别。 2.根据权利要求1所述的基于SNIP算法的生态生物识别方法， 其特征在于， 所述步骤 S42的上采样具体步骤为： a将图像在每 个方向放大为原来的两倍， 新增的行和列用0填充； b使用先前同样的内核与放大后的图像卷积， 获得新增像素的近似值。 3.根据权利要求1所述的基于SNIP算法的生态生物识别方法， 其特征在于， 所述步骤 S43的下采样具体步骤为： a对图像进行高斯内核卷积； b将所有偶数 行和列去除。 4.根据权利 要求1所述的基于SNIP算法的生态生物识别方法， 其特征在于， 所述步骤S3 还将待识别图像数据数据进行拆分处理： 将待识别图像数据进行拆分处理， 对待识别图像 数据进行分类， 剔除无用数据信息， 将有用数据信息进行合并存 储。 5.根据权利 要求1所述的基于SNIP算法的生态生物识别方法， 其特征在于， 所述步骤S2 采集生物图像时， 获取湖面 生物检测采集 点的时间和位置， 并进行存 储。 6.根据权利 要求1所述的基于SNIP算法的生态生物识别方法， 其特征在于， 所述步骤S3 对处理后的生物图像利用公钥进行加密， 得到加密生物图像数据， 所述步骤S4通过相匹配 的私钥对加密生物图像数据进行解密。 7.根据权利 要求1所述的基于SNIP算法的生态生物识别方法， 其特征在于， 所述步骤S2 对采集生物图像数据进 行处理， 判断生物图像场景颜色是否丰富， 场景颜色丰富时， 采用灰 度世界法对图像进行白平衡处 理。 8.根据权利 要求1所述的基于SNIP算法的生态生物识别方法， 其特征在于， 所述步骤S5 将识别成功结果进行发送， 并将生态 环境的图像数据存 储至数据库中。权　利　要　求　书 1/1 页 2 CN 114724261 A 2基于SNIP算法的生态生物识别方 法 技术领域 [0001]本发明涉及生物 识别技术领域， 尤其涉及基于SN IP算法的生态生物 识别方法。 背景技术 [0002]水生物是判断河 水是否受到污染的有效参照物。 河水中不同化学物质的分布和浓 度， 将决定河中水生物的类型构成。 一些水生物在某种河流条件下可以繁殖很快， 在另一环 境下则可能死亡， 这是由河水中的不同成分决定的。 因此， 只要分析河流中水生物的类型构 成， 就可对某一河段中存在什么样的化学物质做出判断。 然而， 现有的生物识别不便于对小 目标进行检测， 小目标的识别率较差 。 发明内容 [0003]基于背景技术存在的技术问题， 本发明提出了基于SNIP算法的生态生物识别方 法。 [0004]本发明提出的基于SN IP算法的生态生物 识别方法， 包括如下步骤： [0005]S1收集生态生物特 征， 将收集的生态特 征进行分类， 并建立 生态特征数据库； [0006]S2发起生态生物 识别请求， 根据请求在生态 环境中采集 生物图像数据； [0007]S3采用图像归一法和图像增强法对采集的生物图像数据进行处理， 得到处理后的 生物图像数据； [0008]S4通过SNIP算法对处 理后的生物图像数据进行目标检测； [0009]S41选取采集的生物图像并进行 上采样和下采样； [0010]S42上采样， 将选取的生物图像进行放大； [0011]S42下采样， 将选取的生物图像进行压缩； [0012]S5将得到 的所需识别的生物图像数据特征与生态特征数据库 中的特征数据进行 对比识别。 [0013]优选的， 所述 步骤S42的上采样具体步骤为： [0014]a将图像在每 个方向放大为原来的两倍， 新增的行和列用0填充； [0015]b使用先前同样的内核与放大后的图像卷积， 获得新增像素的近似值。 [0016]优选的， 所述 步骤S43的下采样具体步骤为： [0017]a对图像进行高斯内核卷积； [0018]b将所有偶数 行和列去除。 [0019]优选的， 所述步骤S3还将待识别图像数据数据进行拆分处理： 将待识别图像数据 进行拆分处理， 对待识别图像数据进 行分类， 剔除无用数据信息， 将有用数据信息进 行合并 存储。 [0020]优选的， 所述步骤S2采集生物图像时， 获取湖面生物检测采集点的时间和位置， 并 进行存储。 [0021]优选的， 所述步骤S3对处理后的生物图像利用公钥进行加密， 得到加密生物图像说　明　书 1/3 页 3 CN 114724261 A 3