1. 研究目的与意义
研究背景：
长期以来, 野生动物(特别是兽类)监测面临着极大困难。近年来，全国各地安装了一些被动式/主动式红外触发相机或定时拍摄相机来获取野生动物图像数据(如照片和视频), 并通过这些图像来分析野生动物的物种分布、种群数量、行为和生境利用等重要信息, 从而为野生动物保护管理和资源利用提供参考。通过人工观看图像数据的效率很低，因此有必要通过人工智能技术自动识别动物。本课题使用开源的深度学习框架和成熟的卷积神经网络模型，研究对采集到的野生动物图像数据进行动物种类和数量的自动识别，实现野生动物智能监测。
为了收集大量的野生动物图像信息，全国各大生态环境研究所和野生动物保护机构对全国各大自然保护区安装了大量的红外传感监控设备，对自然保护区内的野生动物图像进行数据捕获,并采集到了丰富的图像信息。生态学家和野生动物研究者通过对捕获的野生动物图像进行处理和分析研究，可以更好的了解当前生态系统的状况，研究野生动物的生存状况和生态特点，拯救濒危的野生动物，保护生态环境等，从而对野生动物以及生态环境进行更好的保护。(韩家臣等，2021)
2. 研究内容与预期目标
主要研究内容：
(1) 搭建深度学习框架；
(2) 收集野生动物样本照片并进行训练；
3. 研究方法与步骤
(1)对配置项进行分类，分析每个配置项需要实现的功能；
(2)选用B/S架构的开发框架；
(3)进行需求分析，具体分析配置项实现的功能；
4. 参考文献
[1] 袁东芝. 基于卷积神经网络的动物识别算法研究[D]. 广州：华南理工大学，2018.
[2] 李安琪. 基于卷积神经网络的野生动物监测图像自动识别方法研究[D]. 北京：北京林业大学，2020.
[3] 孙蕊. 基于深度目标检测和实例分割的川金丝猴图像识别方法研究[D]. 北京：中国林业科学研究院，2020.
5. 工作计划
(1) 2022.1.10----2022.3.10 查阅资料，撰写开题报告，翻译英文资料
(2) 2022.3.11----2022.3.18 需求分析，熟悉开发工具
(3) 2022.3.19----2022.3.31 概要设计
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
