利用时序特征改进野生动物监测中时序图像的目标检测

监测动物 populations 对评估生态系统健康至关重要。传统方法需要大量田野调查工作，正在被结合自动化图像数据分析的时序相机陷阱图像所补充。后者通常涉及一种旨在检测每个图像中相关目标（通常为动物）的目标检测器，随后进行一些后处理以收集活动和 population 数据。本文我们展示，在时序序列的单个帧中，目标检测器的性能可以通过包含来自 prior frames 的时空特征来改进。我们提出了一种方法，通过整合两个额外的空间特征通道来捕捉场景中 stationary 和 non-stationary 元素的特征，从而改善场景理解并减少 stationary 误报的数量。所提出的技术在大型育雏热带海鸥数据集上，相对于基线（无时序特征、单帧）目标检测器，实现了 24% 的 mean average precision ([email protected]:0.95) 的显著提升。我们设想该方法将被广泛应用于其他使用时序成像的野生动物监测应用。