使用摄像头陷阱来研究和监测野生动物会产生大量图像。许多图像都是错误触发的结果，导致照片空洞。手动删除空图像非常耗时且成本高昂。为了提高图像处理效率，我们提出了一种非机器学习算法来识别相机陷阱干扰器数据中的空图像，并开发了免费软件 Zilong。我们将 Zilong 应用于来自 24 个地点的 53,598 张相机陷阱图像。

    并将结果与​​基于 CNN（卷积神经网络）监控的 R 包 MLWIC（野生动物图像分类机器学习）进行比较。 Zilong 正确识别了 87% 的动物图像，正确识别了 85% 的空图像，而 MLWIC 分别识别了 65% 和 69%。我们的结果表明，Zilong 在识别空图像方面比 MLWIC 表现更好。子龙在大多数站点上都表现良好 (22/24)，但当相机前面有植被大幅摆动时，识别屏蔽器空图像的性能会下降 (2/24)。

    通过使用紫龙，野生动物研究人员可以减少审查相机陷阱图像所需的时间和资源。 监控摄像头系统包括图像捕捉装置、对象检测模块、对象跟踪模块和匹配分类器。对象检测模块接收图像数据并检测出现在一幅或多幅图像中的对象。对象跟踪模块暂时关联检测到的对象的实例，每个实例都具有表示检测到的对象的特征的签名。匹配分类器通过分析从签名派生的数据来匹配对象实例。干扰屏蔽器匹配分类器确定签名是否匹配。

上一篇：如何使用数码相机替换监控
下一篇：视频屏蔽器的输入输出系统