Detection and counting of wild animals as source value by image processing technique
İsmail Yabanova1, Kadir Kaya21Afyon Kocatepe University, Faculty of Technology, Department of Electrical and Electronics Engineering, Afyonkarahisar2Ministry of Forestry and Water Affairs, General Directorate of Nature Conservation and National Parks, 5th Regional Directorate, Afyonkarahisar
In this study, it is aimed to detect and count wild animals based on image processing in wildlife. From the images obtained from a fixed camera in the protected areas, an image processing based system has been developed for detecting and counting wild animals which are added value with hunting tourism to the country's economy. Through this developed system, it is aimed to both determine and count the wild animals species with high performance. For this, firstly, using gaussian mixed models (GMM) technique, the background images were extracted from the image scenes coming from real-time photocapture videotapes. In a real-time complex image scene that is instantaneous in nature where there is a lot of mobility, developed field test, attribute test and color test criteria are used to determine the targeted wild animal. In the experimental studies, 4 species of wild animals including deer, fox, wolf and wild horses were detected with 100% accuracy. The software's processing time per video frame is 0.242 seconds. With the developed methods, it has been seen that species determination for wild animal inventory can be done with less cost camera systems and computer software without human power with 100% success rate. The difference from the wild animal classification studies in the literature is the catching of the 100% recognition rate targeted by wild animal identification process with simpler mathematical operations and color factor developed without using ready-made algorithms on object recognition. The wild animal recognition algorithms we use in our work are obviously to be the infrastructure for dynamic object detection studies in computer vision applications and all other object recognition will increase the performance ratio in the studies
Keywords: Animal Monitoring and Classification, Wild Animal Classification, Image Processing, Object Recognition, Image ClassificationKaynak değeri olan yaban hayvanlarının görüntü işleme tekniği ile tespiti ve sayımı
İsmail Yabanova1, Kadir Kaya21Afyon Kocatepe Üniversitesi, Teknoloji Fakültesi, Elektrik-Elektronik Mühendisliği Bölümü, Afyonkarahisar2Orman ve Su İşleri Bakanlığı, Doğa Koruma ve Milli Parklar Genel Müdürlüğü, 5.Bölge Müdürlüğü, Afyonkarahisar
Bu çalışmada yaban hayatında görüntü işleme tabanlı yaban hayvanlarının tür tespiti ve sayımının yapılması hedeflenmiştir. Korunan alanlarda sabit bir kameradan elde edilen görüntülerden ülke ekonomisine av turizmi ile katma değeri olan yaban hayvanlarının tür tespiti yapılarak sayımının yapılmasına yönelik görüntü işleme tabanlı bir sistem geliştirilmiştir. Bu sistem sayesinde yüksek başarım ile yaban hayvanlarının türlerinin belirlenmesi ve sayımının yapılması amaçlanmıştır. Bunun için ilk olarak gauss karma modelleri (GMM) tekniği ile gerçek zamanlı foto kapan videolarından alınan görüntü sahnelerinden arka plan görüntüsü çıkarılmıştır. Sonra videonun arka plan ve ön plan görüntülerinden yaban hayvanlarının fiziksel ve renksel öznitelikleri çıkarılmıştır. Hareketliliğin çok olduğu doğal yaşamda anlık elde edilen gerçek zamanlı kompleks bir görüntü sahnesinde geliştirilen alan testi, öznitelik testi ve renk testi kriterleri ile hedeflenen yaban hayvanın tespit edilmesi sağlanmıştır. Yapılan deneysel çalışmalarda geyik, tilki, kurt ve yaban atından oluşan 4 adet yaban hayvanı tür tespiti %100 doğruluk oranı ile gerçekleştirilmiştir. Yazılımın video çerçevesi başına düşen işlem süresi 0.242 saniyedir. Geliştirilen yöntemler ile yaban hayvanı envanterine yönelik tür tespitinin %100 başarı oranı ile insan gücüne gerek duymadan, daha düşük maliyetli kamera sistemleri ve bilgisayar yazılımı ile yapılabileceği görülmüştür. Literatürdeki yaban hayvanları sınıflandırma çalışmalarından farkı yaban hayvanı tanıma işleminin nesne tanıma üzerine oluşturulan hazır algoritmaları kullanmadan geliştirilen daha basit matematiksel işlemlerle ve renk faktörü ile hedeflenen %100 tanıma oranının yakalanmasıdır. Çalışmamızda kullandığımız yaban hayvanı tanıma algoritmaları bilgisayarlı görme uygulamalarında dinamik nesne tespiti çalışmalarına altyapı olacağı ve diğer tüm nesne tanıma çalışmalardaki başarım oranını arttıracağı aşikardır.
Anahtar Kelimeler: Hayvan İzleme ve Sınıflandırma, Vahşi Hayvanlar Sınıflandırması, Görüntü İşleme, Nesne Tanıma, Görüntü SınıflandırmaCorresponding Author: Kadir Kaya, Türkiye
Manuscript Language: Turkish