基于深度学习的野生动物视觉跟踪系统任务书

学院

人工智能学院

专业

通信工程

班级

21通信4

学生姓名

起止时间

2024年11月—2025年6月

毕设题目

基于深度学习的野生动物视觉跟踪系统设计

主要研究目标

使用野外监控摄像头实时采集野生动物的视频数据。利用Django的定时任务,定期采集视频帧并进行分析。应用YOLOv8深度学习模型,对视频帧中的野生动物进行检测和识别。利用PyTorch的高性能GPU计算能力,提高目标检测的实时性。采用目标跟踪算法(如SORT、Deep SORT),根据检测结果对动物目标进行持续跟踪。记录动物的种类、数量和活动状态,为后续分析提供数据支持。使用Django的模板引擎,构建Web页面展示跟踪结果。利用JavaScript和可视化库(如Echarts)动态渲染目标位置和轨迹。

主要研究内容

该系统是基于深度学习的野生动物视觉跟踪系统，利用Django框架、PyTorch与YOLOv8进行目标检测，结合SORT或Deep SORT算法实现实时跟踪，并通过Django的Web界面及Echarts等可视化工具展示跟踪结果，为野生动物保护提供技术支持。

研究方法

1.数据收集：收集大量的野生动物视频或图片作为训练数据，包含目标动物的各种姿态和环境变化等。

2.特征提取：利用卷积神经网络YOLO预训练模型，对图像进行特征提取。

3.目标检测：通过目标检测算法YOLO对视频帧进行实时分析，定位动物的位置和大小。

4.追踪算法：结合光流法其他连续帧之间的关联技术，将目标从一帧连接到下一帧，形成追踪路径。

说明书的要求

撰写一篇1.5万字左右的设计说明书。要求立论正确，内容详实，重点突出，结构紧凑，层次分明，条理清楚，文笔清晰。

图纸要求

说明书中提供和研究方案相关的硬件电路图和程序流程图，附予论文的适当位置，标注图名图号，并予以解释。要求图纸清晰，条线分明，比例适当，制作规范。

主要参考文献

[1]张瑞全.基于机器视觉的篮球运动员行为跟踪识别系统[J].宁德师范学院学报(自然科学版),2024,36(03):254-261.

[2]戴培柱.基于机器视觉的智慧高速公路管控系统设计[J].西部交通科技,2024,(09):192-194.

[3]陈治,张红,安喆.基于改进区域特征跟踪视觉惯性slam系统[J].电子制作,2024,32(17):58-60+53.

[4]敖洋钒.高动态场景下的无人机目标跟踪系统设计[D].南京信息工程大学,2024.

[5]祁胜凯.基于激光视觉的机器人焊缝识别与跟踪技术研究[D].太原科技大学,2024.

指导教师

签名：高雪飞 年 月 日

系主任意见

审核通过

签名： 年 月 日

院长意见

审核通过

签名： 年 月 日