基于人工智能的活动生物拍摄方法与智能打猎相机

摘要

基于人工智能的活动生物拍摄方法与智能打猎相机，在该方法中可以智能的识别出当前在红外感应区的对象的习性被采集的程度，从而相应的触发高像素拍摄还是低像素拍摄，甚至可以不触发拍摄，使得智能打猎相机在获取到支持野外动物观察研究的高清晰度的画面的同时，极大的提升了智能打猎相机的续航时长。

权利要求

1.一种基于人工智能的活动生物拍摄方法，应用于智能打猎相机，其特征在于，所述方法包括：在确定有新的活动生物进入红外感应区域且当前拍摄模式为生态多样性模式的情况下，所述智能打猎相机拍摄一张高像素图像；

智能打猎相机将所述高像素图像和所述智能打猎相机的图库中已拍摄的所有媒体输入习性取样完备度分析智能模型，获取已采集第一对象的习性的完备程度；其中，所述第一对象为从所述高像素图像中识别出的可活动生物；所述习性的完备程度为近距习性未完备、近距习性已完备但远距习性未完备、或近距习性已完备且远距习性已完备这三种完备程度中的任一种；

在确定已采集第一对象的习性的完备程度为近距习性未完备的情况下，所述智能打猎相机启动拍摄高像素录像；

在确定已采集第一对象的习性的完备程度为近距习性已完备但远距习性未完备的情况下，所述智能打猎相机启动拍摄低像素录像；其中，所述低像素录像得到的低像素图像的分辨率小于所述高像素图像的分辨率的1/2；

在确定已采集第一对象的习性的完备程度为近距习性已完备且远距习性已完备的情况下，所述智能打猎相机不启动录像拍摄；

所述智能打猎相机将所述高像素图像和所述智能打猎相机的图库中已拍摄的所有媒体输入习性取样完备度分析智能模型，获取已采集第一对象的习性的完备程度，具体包括：所述智能打猎相机通过所述习性取样完备度分析智能模型识别出所述高像素图像中的所述第一对象；

所述智能打猎相机通过所述习性取样完备度分析智能模型确定已拍摄的所有媒体中是否已包括所述第一对象的N个预设近距情形以及M个预设远距情形；所述N和M均为大于或等于2的正整数；

在确定已拍摄的所有媒体中未完全包括所述第一对象的所述N个预设近距情形的情况下，所述智能打猎相机接收所述习性取样完备度分析智能模型输出的近距习性未完备的结果；

在确定已拍摄的所有媒体中已完全包括所述第一对象的所述N个预设近距情形、但未完全包括所述第一对象的所述M个远距情形的情况下，所述智能打猎相机接收所述习性取样完备度分析智能模型输出的近距习性已完备但远距习性未完备的结果；

在确定已拍摄的所有媒体中已完全包括所述第一对象的所述N个预设近距情形、且已完全包括所述第一对象的所述M个远距情形的情况下，所述智能打猎相机接收所述习性取样完备度分析智能模型输出的近距习性已完备且远距习性已完备的结果。

2.根据权利要求1所述的方法，其特征在于，所述智能打猎相机拍摄一张高像素图像的步骤之前，所述方法还包括：所述智能打猎相机确定当前被设定的拍摄模式是普通模式还是所述生态多样性模式；

在确定所述拍摄模式是所述普通模式的情况下，所述智能打猎相机启动拍摄所述高像素录像；

在确定所述红外感应区域中不再有活动生物的情况下，所述智能打猎相机停止拍摄。

3.根据权利要求1或2所述的方法，其特征在于，在确定所述拍摄模式是所述生态多样性模式的情况下，在所述智能打猎相机拍摄一张高像素图像的步骤之前，所述方法还包括：所述智能打猎相机缓存本次红外感应特征数据，所述红外感应特征数据包括被触发的红外辐射变化区域的形状、大小，以及该区域中特征点的辐射数值；

所述智能打猎相机确定多样性完备结果库中是否存在与所述本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据；其中，所述多样性完备结果库记录有多条红外完备对应关系，一条红外完备对应关系为所述智能打猎相机在确定一个对象已被采集的习性的完备程度为近距习性已完备且远距习性已完备的情况下，记录的该对象的特征标识与该对象当次进入红外感应区域的红外感应特征数据之间的对应关系；

在确定所述多样性完备结果库中存在与所述本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据的情况下，所述智能打猎相机不启动录像拍摄。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在确定所述多样性完备结果库中存在与所述本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据的情况下，所述智能打猎相机确定所述本次红外感应特征数据与多样性完备结果库中超出预设近似阈值的红外感应特征数据是否相同；

若相同，则所述智能打猎相机清除缓存的所述本次红外感应特征数据；

若不同，则所述智能打猎相机使用所述多样性完备结果库中超出预设近似阈值的红外感应特征数据对应的对象的特征标识，建立与所述本次红外感应特征数据之间的对应关系，作为一条新的红外完备对应关系；

所述智能打猎相机将所述新的红外完备对应关系记录到所述多样性完备结果库中。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在预设同步条件满足时，所述智能打猎相机将自己的所述多样性完备结果库中的数据发送给通信范围内的其他智能打猎相机，并接收所述他智能打猎相机发送的各自的多样性完备结果库的数据；

所述智能打猎相机处理接收的来自所述其他智能打猎相机的多样性完备结果库的数据，使得自己的多样性完备结果库中包括通信范围内所有其他智能打猎相机的多样性完备结果库中的红外完备对应关系。

6.根据权利要求5所述的方法，其特征在于，所述预设同步条件为多样性完备结果库中新增的红外完备对应关系的数目超出预设同步数值。

7.一种智能打猎相机，其特征在于，所述智能打猎相机包括：处理器、存储器、红外监控器和摄像头；

所述红外监控器用于接收红外感应区域的红外辐射数据传输给所述处理器；所述摄像头用于接收所述处理器的指令启动或停止拍摄，并将拍摄的图像传输给所述处理器；

所述存储器与所述处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，所述处理器调用所述计算机指令以使得所述智能打猎相机执行如权利要求1‑6中任一项所述的方法。

8.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在智能打猎相机上运行时，使得所述智能打猎相机执行如权利要求1‑6中任一项所述的方法。

说明书

基于人工智能的活动生物拍摄方法与智能打猎相机

技术领域

[0001] 本申请涉及人工智能及智能终端领域，尤其涉及基于人工智能的活动生物拍摄方法与智能打猎相机。

背景技术

[0002] 打猎相机主要用于狩猎、野外动物观察研究等。相比于传统普通相机，它具有超长的待机时间，超强的防水能力，能适应野外各类环境。

[0003] 随着相机技术的发展，打猎相机的像素也大幅提升，从500万像素，到800万像素，再到1200万像素甚至更高，从而使其能更好的满足野外生物研究资料获取的需要。

[0004] 但打猎相机像素的提升带来了更高清的画面，同时也使得打猎相机的耗电量急剧增加，大大缩短了打猎相机的续航时长。

发明内容

[0005] 本申请提供了基于人工智能的活动生物拍摄方法与智能打猎相机，使得智能打猎相机可以获取到支持野外动物观察研究的高清晰度的画面的同时，提升智能打猎相机的续航时长。

[0006] 第一方面，本申请提供了一种基于人工智能的活动生物拍摄方法，应用于智能打猎相机，该方法包括：在确定有新的活动生物进入红外感应区域且当前拍摄模式为生态多样性模式的情况下，该智能打猎相机拍摄一张高像素图像；智能打猎相机将该高像素图像和该智能打猎相机的图库中已拍摄的所有媒体输入习性取样完备度分析智能模型，获取已采集第一对象的习性的完备程度；其中，该第一对象为从该高像素图像中识别出的可活动生物；该习性的完备程度为近距习性未完备、近距习性已完备但远距习性未完备、或近距习性已完备且远距习性已完备这三种完备程度中的任一种；在确定已采集第一对象的习性的完备程度为近距习性未完备的情况下，该智能打猎相机启动拍摄高像素录像；在确定已采集第一对象的习性的完备程度为近距习性已完备但远距习性未完备的情况下，该智能打猎相机启动拍摄低像素录像；其中，该低像素录像得到的低像素图像的分辨率小于该高像素图像的分辨率的1/2；在确定已采集第一对象的习性的完备程度为近距习性已完备且远距习性已完备的情况下，该智能打猎相机不启动录像拍摄。

[0007] 上述实施例中，在拍摄模式为生物多样性模式时，智能打猎相机100感应到红外感应区域有新的活动生物后，不会直接启动拍摄高像素录像，而是会先拍摄一张高像素图像，通过习性取样完备度分析智能模型判断当前已拍摄的媒体中记录该高像素图像中对象的习性的完备程度，再根据完备程度进行相应的处理。例如在确定该对象的近距习性已完备而远距习性未完备的情况下，只拍摄低像素录像，以更少的电能消耗来满足生物多样性习性研究资料的采集需求。甚至在确定该对象的近距习性与远距习性均已完备的情况下，可以直接不启动录像拍摄，保留更多的电量去拍摄那些习性资料还不完备的对象，极大的提升了智能打猎相机100在进行生态多样性习性研究时的续航时长。

[0008] 结合第一方面的一些实施例，在一些实施例中，该智能打猎相机将该高像素图像和该智能打猎相机的图库中已拍摄的所有媒体输入习性取样完备度分析智能模型，获取已采集第一对象的习性的完备程度，具体包括：该智能打猎相机通过该习性取样完备度分析智能模型识别出该高像素图像中的该第一对象；该智能打猎相机通过该习性取样完备度分析智能模型已拍摄的所有媒体中是否已包括该第一对象的N个预设近距情形以及M各预设远距情形；该N和M均为大于或等于2的正整数；在确定已拍摄的所有媒体中未完全包括该第一对象的该N个预设近距情形的情况下，该智能打猎相机接收该习性取样完备度分析智能模型输出的近距习性未完备的结果；在确定已拍摄的所有媒体中已完全包括该第一对象的该N个预设近距情形、但未完全包括该第一对象的该M个远距情形的情况下，该智能打猎相机接收该习性取样完备度分析智能模型输出的近距习性已完备但远距习性未完备的结果；在确定已拍摄的所有媒体中已完全包括该第一对象的该N个预设近距情形、且已完全包括该第一对象的该M个远距情形的情况下，该智能打猎相机接收该习性取样完备度分析智能模型输出的近距习性已完备且远距习性已完备的结果。

[0009] 在上述实施例中，该习性取样完备度分析智能模型可以根据已拍摄的媒体是否覆盖了目标对象的N个预设近距情形以及M个远距情形，来确定目标对象的近距习性或远距形象是否完备，提升了习性取样完备度分析智能模型对习性完备程度确定的准确性。

[0010] 结合第一方面的一些实施例，在一些实施例中，该智能打猎相机拍摄一张高像素图像的步骤之前，该方法还包括：该智能打猎相机确定当前被设定的拍摄模式是普通模式还是该生态多样性模式；在确定该拍摄模式是该普通模式的情况下，该智能打猎相机启动拍摄该高像素录像；在确定该红外感应区域中不再有活动生物的情况下，该智能打猎相机停止拍摄。

[0011] 在上述实施例中，该智能打猎相机也可以采用普通模式其他需求场景的拍摄，提升了该智能打猎相机对不同场景的适用性。

[0012] 并且在一些实施例中，在采用生态多样性模式拍摄到满足预设条件的情况下，也可以自动切换到该普通模式，进一步提升了该智能打猎相机对不同使用需求的个性化满足的能力。

[0013] 结合第一方面的一些实施例，在一些实施例中，在确定该拍摄模式是该生态多样性模式的情况下，在该智能打猎相机拍摄一张高像素图像的步骤之前，该方法还包括：该智能打猎相机缓存本次红外感应特征数据，该红外感应特征数据包括被触发的红外辐射变化区域的形状、大小，以及该区域中特征点的辐射数值；该智能打猎相机确定多样性完备结果库中是否存在与该本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据；其中，该多样性完备结果库记录有多条红外完备对应关系，一条红外完备对应关系为该智能打猎相机在确定一个对象已被采集的习性的完备程度为近距习性已完备且远距习性已完备的情况下，记录的该对象的特征标识与该对象当次进入红外感应区域的红外感应特征数据之间的对应关系；在确定该多样性完备结果库中存在与该本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据的情况下，该智能打猎相机不启动录像拍摄。

[0014] 在上述实施例中，在智能打猎相机中记录有习性完备的对象的特征标识与红外感应特征数据之间对应关系的多样性完备结果库，在通过红外感应特征数据确定本次进入红外感应区域的活动生物已是习性完备的对象时，不再触发高像素图像的拍摄和习性取样完备度分析智能模型的判断，在满足生物多样性习性研究需求的情况下，进一步节省了智能打猎相机电能。

[0015] 结合第一方面的一些实施例，在一些实施例中，该方法还包括：在确定该多样性完备结果库中存在与该本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据的情况下，该智能打猎相机确定该本次红外感应特征数据与多样性完备结果库中超出预设近似阈值的红外感应特征数据是否相同；若相同，则该智能打猎相机清除缓存的该本次红外感应特征数据；若不同，则该智能打猎相机使用该多样性完备结果库中超出预设近似阈值的红外感应特征数据对应的对象的特征标识，建立与该本次红外感应特征数据之间的对应关系，作为一条新的红外完备对应关系；该智能打猎相机将该新的红外完备对应关系记录到该多样性完备结果库中。

[0016] 在上述实施例中，在确定本次红外感应特征数据与多样性完备结果库中的记录的近似程度超出预设近似阈值的情况下，还会再判断其是否相同，从而确定是否将本次红外感应特征数据添加到多样性完备结果库中。在相同时不添加，可以节省多样性完备结果库占用的存储资源；在不同时添加，可以进一步的提升后续再进行红外感应特征数据比对时的准确性。

[0017] 结合第一方面的一些实施例，在一些实施例中，该方法还包括：在预设同步条件满足时，该智能打猎相机将自己的该多样性完备结果库中的数据发送给通信范围内的其他智能打猎相机，并接收该他智能打猎相机发送的各自的多样性完备结果库的数据；该智能打猎相机处理接收的来自该其他智能打猎相机的多样性完备结果库的数据，使得自己的多样性完备结果库中包括通信范围内所有其他智能打猎相机的多样性完备结果库中的红外完备对应关系。

[0018] 上述实施例中，通过在多个智能打猎相机间同步多样性完备结果库，使得智能打猎相机可以不再拍摄已由可通信的全体智能打猎相机拍摄了完备习性资料的对象，极大的减少了重复习性资料的拍摄，提升了这些智能打猎相机的续航时长，避免了重复性低价值资料占用这些智能打猎相机的存储空间。

[0019] 结合第一方面的一些实施例，在一些实施例中，该预设同步条件为多样性完备结果库中新增的红外完备对应关系的数目超出预设同步数值。

[0020] 上述实施例中，可以只在新增的红外完备对应关系的数目超出预设同步数值时触发同步多样性完备结果库，减少了为同步多样性完备结果库而消耗的电量，并且同时也减少了需要传输的数据量，提高了同步效率。

[0021] 第二方面，本申请实施例提供了一种智能打猎相机，该智能打猎相机包括：处理器、存储器、红外监控器和摄像头；该红外监控器用于接收红外感应区域的红外辐射数据传输给该处理器；该摄像头用于接收该处理器的指令启动或停止拍摄，并将拍摄的图像传输给该处理器；该存储器与该处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该处理器调用该计算机指令以使得该智能打猎相机执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

[0022] 第三方面，本申请实施例提供一种包含指令的计算机程序产品，当上述计算机程序产品在智能打猎相机上运行时，使得上述智能打猎相机执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

[0023] 第四方面，本申请实施例提供一种计算机可读存储介质，包括指令，当上述指令在智能打猎相机上运行时，使得上述智能打猎相机执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

[0024] 可以理解地，上述第二方面提供的电子设备、第三方面提供的计算机程序产品和第四方面提供的计算机存储介质均用于执行本申请实施例所提供的方法。因此，其所能达到的有益效果可参考对应方法中的有益效果，此处不再赘述。

[0025] 本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

[0026] 1、由于在拍摄模式为生物多样性模式时，智能打猎相机100感应到红外感应区域有新的活动生物后，不会直接启动拍摄高像素录像，而是会先拍摄一张高像素图像，通过习性取样完备度分析智能模型判断当前已拍摄的媒体中记录该高像素图像中对象的习性的完备程度，再根据完备程度进行相应的处理，可以采用低像素拍摄甚至不启动拍摄。所以，有效解决了相关技术中持续高像素拍摄导致耗电量大无法完成长时间的生物多样性研究的拍摄任务的问题，进而极大的提升了智能打猎相机在进行生态多样性习性研究时的续航时长。

[0027] 2、由于在智能打猎相机中记录有习性完备的对象的特征标识与红外感应特征数据之间对应关系的多样性完备结果库，在通过红外感应特征数据确定本次进入红外感应区域的活动生物已是习性完备的对象时，不再触发高像素图像的拍摄和习性取样完备度分析智能模型的判断，在满足生物多样性习性研究需求的情况下，进一步节省了智能打猎相机电能。

[0028] 3、通过在多个智能打猎相机间同步多样性完备结果库，使得智能打猎相机可以不再拍摄已由可通信的全体智能打猎相机拍摄了完备习性资料的对象，极大的减少了重复习性资料的拍摄，提升了这些智能打猎相机的续航时长，避免了重复性低价值资料占用这些智能打猎相机的存储空间。

附图说明

[0029] 图1是相关技术中使用打猎相机的一个场景示意图；

[0030] 图2是采用相关技术中的打猎相机进行野外研究拍摄时的一个情况示意图；

[0031] 图3是采用本申请实施例中的智能打猎相机进行野外研究拍摄时的一个情况示意图；

[0032] 图4是本申请实施例提供的智能打猎相机100的结构示意图；

[0033] 图5是本申请实施例中该习性取样完备度分析智能模型的功能及训练数据的一个示例性示意图；

[0034] 图6是本申请实施例中基于人工智能的活动生物拍摄方法的一个示例性流程示意图；

[0035] 图7是本申请实施例中智能打猎相机100使用该习性取样完备度分析智能模型的一个示例性示意图；

[0036] 图8是本申请实施例中基于人工智能的活动生物拍摄方法的另一个示例性流程示意图；

[0037] 图9是本申请实施例中多样性完备结果库中存储内容的一个示例性示意图；

[0038] 图10是本申请实施例中基于人工智能的活动生物拍摄方法的另一个示例性流程示意图；

[0039] 图11是本申请实施例中多个智能打猎相机相互配合的一个示例性场景示意图；

[0040] 图12是本申请实施例中智能打猎相机100的一个模块化结构示意图。

具体实施方式

[0041] 本申请以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式，除非其上下文中明确地有相反指示。还应当理解，本申请中使用的术语“和/或”是指并包含一个或多个所列出项目的任何或所有可能组合。

[0042] 以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

[0043] 由于本申请实施例涉及人工智能技术的应用，为了便于理解，下面先对人工智能模型的概念进行简单介绍：

[0044] 本申请中的人工智能模型是基于人工神经网络构建的深度学习模型。通过大量被标记的训练数据对通用的或定制的神经网络进行特征训练，即可使得该人工智能模型完成自我学习，具备相应的功能。

[0045] 例如，通过使用大量被标记有人物位置的图片作为训练数据，对人工智能模型进行训练，该人工智能模型即可具备从输出图片中标记出人物位置的能力。

[0046] 再如，通过使用标记有不同人物动作或表情的图片或视频作为训练数据，对人工智能模型进行训练，该人工智能模型即可具备识别出输出图片中人物动作或表情的能力。

[0047] 本申请涉及的打猎相机一般应用于野外环境中，如图1所示，为使用打猎相机的一个场景示意图。

[0048] 打猎相机一般包括有镜头、红外监控器、补光灯以及固定扣。镜头用户拍照或录像；红外监控器用于感应周边环境的红外热源，触发拍照或录像功能的开启或关闭；补光灯用于在环境过暗时补光；固定扣用于将该打猎相机稳定的固定在环境的某个位置。

[0049] 如图1中的（a）所示，使用固定扣将该打猎相机固定在树上并启动打猎相机后，红外监控器可以监控该打猎相机前的一片红外感应区域。虽然在该打猎相机不远的地方有一只老虎，但由于老虎未进入该打猎相机的红外感应区域，因此，该打猎相机并未触发拍摄。

[0050] 如图1中的（b）所示，在该老虎移动到该打猎相机的红外感应区域后，红外监控器感应到该老虎的红外能量引起了环境中红外能量的变化，确定有活动生物进入到了该红外感应区域，因此，可以触发打猎相机启动拍摄，录制该老虎活动的画面，以积累素材供后续对老虎的习性进行相关研究。

[0051] 如图2所示，为采用相关技术中的打猎相机进行野外研究拍摄时的一个情况示意图。

[0052] 为了获取到更高清的研究素材，目前一般采用的是高像素的打猎相机进行拍摄。而高像素的相机不仅仅在拍摄时需要消耗更高的电能对大量的图像像素数据进行处理，而且由于最终处理得到的高像素图像的数据量也非常大。在存储该高像素图像时，也需要消耗大量的电能进行存储。而在进行野生动物的野外研究项目时，一般的项目时长会比较长，例如一个研究项目周期可能为4个月，这样大量的电能消耗，会导致该高像素的打猎相机经常无法持续工作到预期的野外观察研究时长就停止工作。如图2中所示，在多次触发高像素拍摄后，还未工作满4个月就由于电量不足而关机。

[0053] 此外，打猎相机的存储空间也是有限的，在大量需要极大存储空间的高像素图像的占据下，很多情况下即使还有电量，在还未工作到预期的野外观察研究时长前，存储空间也已经被占满，无法继续拍摄。如图2中所示，在多次触发高像素拍摄后，还未工作满4个月就由于存储空间不足，而拍摄无效。

[0054] 而采用本申请实施例中提供的基于人工智能的活动生物拍摄方法与智能打猎相机，可以智能的识别出当前在红外感应区的对象的习性被采集的程度，从而相应的触发高像素拍摄还是低像素拍摄，甚至可以不触发拍摄，使得智能打猎相机在获取到支持野外动物观察研究的高清晰度的画面的同时，极大的提升了智能打猎相机的续航时长。

[0055] 如图3所示，为采用本申请实施例中的智能打猎相机进行野外研究拍摄时的一个情况示意图。在智能打猎相机启动后不久，红外感应触发，智能打猎相机确定进入到红外感应区域的对象A（老虎）的近距习性未完备，因此启动高像素拍摄，可以清楚的拍摄到老虎捕食、战斗等近距的细节习性动作。在老虎离开后智能打猎相机停止拍摄。

[0056] 在多次高像素拍摄后，之后的某一天，老虎再次进入红外感应区域，智能打猎相机确定老虎的近距习性已完备的情况下，不再启动高像素拍摄，而是会启动低像素拍摄，可以拍摄到老虎的活动路线、习惯位置等远距整体习性动作。在老虎离开后智能打猎相机停止拍摄。

[0057] 由于在条件满足后就智能的切换到了低像素拍摄，极大的节省了电量消耗，该智能打猎相机可以轻松的达到一般的野外观察研究时长（例如4个月）。

[0058] 在对老虎多次低像素拍摄后，之后的某一天，老虎再次进入红外感应区域，智能打猎相机确定老虎的全部习性已完备的情况下，可以不触发拍摄。进一步的节省电能，提升了续航时长。

[0059] 之后的某一天，红外感应触发，智能打猎相机确定进入到红外感应区域的对象B（蛇）的近距习性未完备，因此启动高像素拍摄，清楚的拍摄蛇的细节习性动作。

[0060] 可见，采用本申请实施例中的基于人工智能的活动生物拍摄方法与智能打猎相机，不仅可以获取到大量高清晰度的画面支持野外动物观察研究，而且能极大的提升智能打猎相机的续航时长，从而支持获取更多有价值的研究图像。

[0061] 下面首先介绍本申请实施例提供的示例性智能打猎相机100。

[0062] 图4是本申请实施例提供的智能打猎相机100的结构示意图。

[0063] 下面以智能打猎相机100为例对实施例进行具体说明。应该理解的是，智能打猎相机100可以具有比图中所示的更多的或者更少的部件，可以组合两个或多个的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

[0064] 智能打猎相机100可以包括：处理器101，摄像头102，存储器103，按键104，LED105，电池106，红外监控器107，显示屏108等。

[0065] 可以理解的是，本申请实施例示意的结构并不构成对智能打猎相机100的具体限定。在本申请另一些实施例中，智能打猎相机100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

[0066] 处理器101可以包括一个或多个处理单元，例如：处理器101可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processing unit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，存储器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural‑network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。

[0067] 其中，控制器可以是智能打猎相机100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

[0068] 处理器101中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器101中的存储器为高速缓冲存储器。该存储器可以保存处理器101刚用过或循环使用的指令或数据。如果处理器101需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器101的等待时间，因而提高了系统的效率。

[0069] 在一些实施例中，处理器101可以包括一个或多个接口，与其他模块进信息传输。

[0070] 可以理解的是，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对智能打猎相机100的结构限定。

[0071] 电池106可以为处理器101、摄像头102、存储器103、按键104、LED105，红外监控器107、显示屏108等供电。

[0072] 智能打猎相机100可以通过GPU，显示屏108，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏108和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器101可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。在一些实施例中，智能打猎相机100也可以没有显示屏108，此处不作限定。

[0073] 智能打猎相机100可以通过ISP，摄像头102，视频编解码器，GPU以及应用处理器等实现拍摄功能。

[0074] ISP 用于处理摄像头102反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给ISP处理，转化为肉眼可见的图像。ISP还可以对图像的噪点，亮度，颜色进行算法优化。ISP还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，ISP可以设置在摄像头102中。

[0075] 摄像头102用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal‑oxide‑semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，智能打猎相机100可以包括1个或N个摄像头102，N为大于1的正整数。

[0076] NPU为神经网络(neural‑network ，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现智能打猎相机100的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。

[0077] 存储器103可以包括一个或多个随机存取存储器（random access memory， RAM ）和一个或多个非易失性存储器（non‑volatile memory， NVM）。

[0078] 随机存取存储器可以由处理器101直接进行读写，可以用于存储操作系统或其他正在运行中的程序的可执行程序（例如机器指令），还可以用于存储用户及应用程序的数据等。

[0079] 非易失性存储器也可以存储可执行程序和存储用户及应用程序的数据等，可以提前加载到随机存取存储器中，用于处理器101直接进行读写。

[0080] 存储器103中可以包括存储卡，用于存储智能打猎相机100拍摄的照片或录像。

[0081] 按键104包括开机键，音量键等。按键190可以是机械按键。也可以是触摸式按键。智能打猎相机100可以接收按键输入，产生与智能打猎相机104的用户设置以及功能控制有关的键信号输入。

[0082] LED105可以组成补光灯，用于在环境光过暗时为拍摄补光。

[0083] 红外监控器107可以感应周边环境的红外热源，从而触发智能打猎相机100的拍照或录像功能的开启或关闭。

[0084] 为使该智能打猎相机100具备智能判断被拍摄对象已记录的习性的完备程度的能力，该智能打猎相机100的存储器103中存储有一个已预先训练好的习性取样完备度分析智能模型。

[0085] 如图5所示，为本申请实施例中该习性取样完备度分析智能模型的功能及训练数据的一个示例性示意图。

[0086] 将某个对象的一张图片以及该对象的图片和/或录像的集合作为输入数据，输入该习性取样完备度分析智能模型后，可以得到在这些图片和/或录像的集合中记录该对象的习性的完备程度结果作为输出数据。

[0087] 该习性取样完备度分析智能模型输出的一个对象的完备程度结果可以有三种可能：“对象近距习性未完备”，“对象近距习性已完备，远距习性未完备”以及“对象近距习性已完备，且远距习性已完备”。

[0088] 可以理解的是，一个对象的近距习性表示需要在较近距离才能清楚观察到的该对象的习性。一个对象的原距习性表示在较远距离就可以观察了解的该对象的习性。对于一个对象的近距习性和远距习性，都可以预先设定一些预设的情形，可以分别称为近距情形与远距情形。

[0089] 若在拍摄一个对象得到的照片或录像中，已包含了预设的所有近距情形，则可以认为该对象的近距习性已完备，否则会确定该对象的近距习性未完备。

[0090] 同理，若在拍摄一个对象得到的照片或录像中，已包含了预设的所有远距情形，则可以认为该对象的远距习性已完备，否则会确定该对象的远距习性未完备。

[0091] 可以理解的，在一些情况下，若拍摄一个对象得到的照片或录像中，该对象的近距习性与远距习性均未完备，这种情况下，该习性取样完备度分析智能模型输出的是“对象近距习性未完备”的结果。继续拍摄得到该对象的照片或录像后，该对象的近距习性已完备，而远距习性未完备的情况下，该习性取样完备度分析智能模型可以输出“对象近距习性已完备，远距习性未完备”的结果。继续拍摄得到该对象的照片或录像后，该对象的远距习性也已完备的情况下，该习性取样完备度分析智能模型可以输出“对象近距习性已完备，且远距习性已完备”的结果。

[0092] 需要说明的是，在一些情况中，有可能存在拍摄一个对象得到的照片或录像中，该对象的远距习性已完备，而该对象的近距习性未完备的情况。这种情况下，该习性取样完备度分析智能模型也仅会输出“对象近距习性未完备”的结果。在继续拍摄将该对象的近距习性完备后，该习性取样完备度分析智能模型会直接输出“对象近距习性已完备，且远距习性已完备”的结果。

[0093] 为实现该习性取样完备度分析智能模型的功能，该模型可以具备有目标识别AI模型以及对象习性完备度分析AI模型的能力。其中，目标识别AI模型用于从图片或录像中识别出目标对象。对象习性完备度分析AI模型用于分析包括目标对象的图像属于何种情形，以及图片和录像集合中对应的情形是否已覆盖全部预设的近距情形或远距情形。

[0094] 具体的，可以采用大量的训练数据对该习性取样完备度分析智能模型进行训练，使其具备上述能力。一条训练数据中可以包括一个对象的图片（例如对象A的图片1 6、或对~象B的图片7等），一个包括有该对象的图片或录像集合（例如包括对象A的图片或录像集合1
6、或包括对象B的图片或录像7等），以及预先标注好的该对象在该图片或录像集合中已被~
记录的完备程度（例如对象A的习性完备程度1 3，或对象B的习性完备程度1等）。
~

[0095] 下面结合上述示例性智能打猎设备100的硬件结构以及预先存储在该智能打猎设备100中的习性取样完备度分析智能模型，对本申请实施例中的基于人工智能的活动生物拍摄方法进行具体描述：

[0096] 请参阅图6，为本申请实施例中基于人工智能的活动生物拍摄方法的一个示例性流程示意图。

[0097] S601、确定有新的活动生物进入红外感应区域；

[0098] 智能打猎设备100可以持续使用红外监控器107感应红外感应区域内红外辐射能量的变化，若单位时间内从红外感应区域中感应到的红外辐射能量值相比于没有活动生物时的增加量超出阈值辐值，则确定可能有新的活动生物进入了红外感应区域。

[0099] 在一些实施例中，若当前红外感应区域内已有活动生物，在感应到的红外辐射能量值的增加量超出辐值时，也会确定可能有新的活动生物进入红外感应区域。

[0100] S602、确定当前被设定的拍摄模式是普通模式还是生态多样性模式；

[0101] 在智能打猎相机100确定有新的活动生物进入红外感应区域后，可以确定当前被设定的拍摄模式是普通模式还是生态多样性模式；其中普通模式主要用于进行普通的打猎拍摄，生物多样性模式主要用于对一片区域中多样性的生物的习性研究资料的获取。

[0102] 在用户放置智能打猎相机100并开机后，可以通过按键104设置拍摄模式为普通模式还是生态多样性模式。例如，可以通过将按键104中的一个滑动按键拨动到靠近相机机身的下方来启动生态多样性模式。

[0103] 在确定有新的活动生物进入红外感应区域后，若拍摄模式为普通模式，则执行步骤S603；若拍摄模式为生态多样性模式，则执行步骤S605。

[0104] 在一些实施例中，智能打猎相机100也可以只有生态多样性模式并默认设置在该生态多样性模式下，这样步骤S602也可以不存在，此处不作限定。

[0105] S603、在确定是普通模式的情况下，启动拍摄高像素录像；

[0106] 在确定为普通模式的情况下，智能打猎相机100可以启动摄像头102拍摄高像素录像。

[0107] 可以理解的是，高像素录像中的图像具有极高的清晰度，因此拍摄高像素录像相比拍摄低像素录像需要消耗更多的电能，且需要占用更多的存储空间。但其能更清楚的展示出拍摄对象的细节，即使经过多次放大后还是能非常清楚的展示出图像中的细节特征。

[0108] S604、在确定红外感应区域不再有活动生物的情况下，停止拍摄；

[0109] 在智能打猎相机100通过红外监控器107确定红外感应区域不再有活动生物的情况下，可以停止拍摄，并触发S601进行是否有新的活动生物进入红外感应区域的区别。

[0110] 可以理解的是，由于红外感应的功耗远小于拍摄图片并处理的功耗，因此在红外感应区内不再有活动生物的情况下停止拍摄，可以极大的节省电量，延长续航时间。

[0111] S605、在确定为生物多样性模式的情况下，拍摄一张高像素图像；

[0112] 在确定为生物多样性模式的情况下，智能打猎相机100可以先启动摄像头102拍摄一张高像素图像，而不是直接录像。

[0113] 拍摄高像素图像的目的是为了获取到进入红外感应区域内的活动生物的图像，以便于后续步骤判断处理。

[0114] 在一些实施例中，在拍摄一张得到高像素图像后，智能打猎相机100也可以先判断该高像素图像中是否存在可活动的生物。如果确定不存在可活动的生物，则表示可能为红外监控器107误报，可以直接触发步骤S601再次判断。

[0115] 在一些实施例中，若确定该高像素图像中不存在可活动的生物，智能打猎相机100也可以以预设时间间隔（例如2秒）拍摄预设次数（例如3次）的高像素图像，确定这些高像素图像中是否存在可活动的生物。若这些高像素图像中均不存在可活动的生物，则可以确定为红外监控器107误报，可以直接触发步骤S601继续监测。

[0116] 而若在这些图像中确定存在可活动的生物，则可以触发执行步骤S606。

[0117] S606、将该高像素图像和相机图库中所有媒体输入习性取样完备度分析智能模型，确定已采集第一对象的习性的完备程度；

[0118] 在拍摄到包含可活动生物（第一对象）的高像素图像后，智能打猎相机100可以将该高像素图像输入预存的习性取样完备度分析智能模型中，同时，将相机图库中所有媒体（图片和/或录像集合）也作为该习性取样完备度分析智能模型的一个输入，从而确定已采集的这些媒体中包含的第一对象的习性的完备程度，该第一对象为该高像素图像中的可活动生物。

[0119] 在习性取样完备度分析智能模型的输出结果为“近距习性未完备”的情况下，触发执行步骤S603；

[0120] 在习性取样完备度分析智能模型的输出结果为“近距习性已完备，远距习性未完备”的情况下，触发执行步骤S607；

[0121] 在习性取样完备度分析智能模型的输出结果为“近距习性已完备，且远距习性已完备”的情况下，触发执行步骤S608。

[0122] 如图7所示，为本申请实施例中智能打猎相机100使用该习性取样完备度分析智能模型的一个示例性示意图。

[0123] 智能打猎相机100将拍摄得到的高像素图像A输入该习性取样完备度分析智能模型，同时，打猎相机的存储卡的图库中存储的所有多媒体数据（图像、录像等）都作为该习性取样完备度分析智能模型的一个持久性输入。

[0124] 其中，目标识别AI模型可以识别出该高像素图像A中的对象为一只老虎，该对象习性完备度分析AI模型可以分析出图库中的图片和录像中已包括该老虎的所有预设近距情形（例如进食、战斗以及交配），但预设远距情形中只包括闲逛情形，路径选择和观察情形都还没有拍摄到。因此，该习性取样完备度分析智能模型的输出结果为“对象A的近距习性已完备，远距习性未完备”，可以触发执行S607。

[0125] S607、在确定近距习性已完备而远距习性未完备的情况下，启动拍摄低像素录像；

[0126] 在确定近距习性已完备而远距习性未完备的情况下，智能打猎相机100可以启动摄像头102拍摄低像素录像。低像素图像的像素相比高像素图像低，例如仅为高像素图像像素的1/4甚至更低，但低像素图像已能满足从图像中获知对象的远距习性的需求。

[0127] 因此，在近距习性已完备而远距习性未完备的情况下，仅拍摄低像素录像而不再拍摄高像素录像，在满足获取到目标对象的习性研究资料的情况下，极大的节省了电能，提升了智能打猎相机100的续航时长，并且也节省了智能打猎相机100的存储器103的存储空间，可以存储拍摄到的更多更有价值的内容。

[0128] 在执行步骤S607的过程中，可以持续进行执行步骤S604的条件是否满足的判断，在条件满足时执行步骤S604。

[0129] S608、在确定近距习性与远距习性均完备的情况下，不启动录像拍摄。

[0130] 在确定近距习性与远距习性均完备的情况下，表示在该生态多样性模式下，研究该对象的习性资料已经完整了，应该保留更多的电量去拍摄那些习性资料还不完整的对象，因此智能打猎相机100可以不启动录像拍摄，触发步骤S601。

[0131] 在一些实施例中，也可以设置，在预设的多个目标对象的近距习性与远距习性均已完备的情况下，该智能打猎相机100可以自动将拍摄模式从生物多样性模式切换到普通模式，此处不作限定。

[0132] 本申请实施例中，在拍摄模式为生物多样性模式时，智能打猎相机100感应到红外感应区域有新的活动生物后，不会直接启动拍摄高像素录像，而是会先拍摄一张高像素图像，通过习性取样完备度分析智能模型判断当前已拍摄的媒体中记录该高像素图像中对象的习性的完备程度，再根据完备程度进行相应的处理。例如在确定该对象的近距习性已完备而远距习性未完备的情况下，只拍摄低像素录像，以更少的电能消耗来满足生物多样性习性研究资料的采集需求。甚至在确定该对象的近距习性与远距习性均已完备的情况下，可以直接不启动录像拍摄，保留更多的电量去拍摄那些习性资料还不完备的对象，极大的提升了智能打猎相机100在进行生态多样性习性研究时的续航时长。

[0133] 上述实施例中，智能打猎相机100可以通过对进入感应区的对象拍摄一张高像素图像，智能判断该图像中对象的习性的完备程度，从而调整采用高像素录像、低像素录像甚至不录像，从而提升了该智能打猎相机100的续航时长。在一些实施例中，可以在该场景下对低功耗的红外感应技术的强化应用，来进一步降低该智能打猎相机100的电能消耗。

[0134] 请参阅图8，为本申请实施例中基于人工智能的活动生物拍摄方法的另一个示例性流程示意图。

[0135] 结合图6所示实施例，在执行步骤S602和步骤S605之间，可以先执行步骤S801和S802：

[0136] S801、缓存本次红外感应特征数据；

[0137] 在智能打猎相机100确定有新的活动生物进入红外感应区域且当前拍摄模式为生物多样性模式时，可以缓存本次红外监控器107感应到的红外感应特征数据。该红外感应特征数据可以包括被触发的红外辐射变化区域的形状、大小，以及该区域中特征点的辐射数值等。

[0138] S802、确定多样性完备结果库中是否存在与本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据；

[0139] 智能打猎相机100中保持有持续更新的多样性完备结果库，该多样性完备结果库中记录有完备的对象的特征标识与该对象引起的红外感应特征数据之间的对应关系。其中，完备的对象指通过步骤S606中确定的近距习性与远距习性均已完备的对象。该对应关系通过步骤S803进行记录与更新。

[0140] 也即，该多样性完备结果库中记录有当前已被该智能打猎相机100确定近距习性与远距习性均已完备的全部对象的红外感应特征数据。

[0141] 如图9所示，为本申请实施例中多样性完备结果库中存储内容的一个示例性示意图。该多样性完备结果库中记录有老虎、狮子、兔子、其他对象的标识（例如对象B的特征）等，这些对象均为近距习性与远距习性均已完备的对象。且每个对象标识均对应有该对象进入红外感应区时所引起的红外感应特征数据。例如，老虎进入红外感应区时，引起的红外辐射变化区域形状、大小是S1，且通过特征点模型选出的特征点处的红外辐射值集合为F1。它与狮子进入红外该应区时，引起的红外辐射变化区域形状、大小S2以及通过特征点模型选出的特征点处的红外辐射值集合F2不同。类似的，该多样性完备结果库中还记录有兔子进入红外感应区时，引起的红外辐射变化区域形状、大小是S3以及通过特征点模型选出的特征点处的红外辐射值集合F3。还可以记录有很多其他的对象的红外感应特征数据（例如对象B），此处不作限定。

[0142] 在缓存本次红外感应特征数据后，智能打猎相机100可以将其与多样性完备结果库中存储的已完备对象的红外感应特征数据进行比对，确定其中是否存在与本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据；

[0143] 若存在，则表示本次进入红外感应区域的活动生物为习性已完备的对象，可以直接触发执行步骤S608，而不需要再拍摄高像素图像进行习性完备程度的判断；

[0144] 若不存在，则表示本次进入红外感应区域的活动生物可能不是习性已完备的对象，会触发执行步骤S605，拍摄高像素图像使用习性取样完备度分析智能模型进行相应的判断和处理。

[0145] 结合图6所示实施例，在执行步骤S608之后，还可以执行步骤S803：

[0146] S803、记录本次红外完备对应关系到多样性完备结果库中；

[0147] 智能打猎相机100在确定本次触发红外感应的活动生物的近距习性与远距习性均已完备，不启动录像拍摄的情况下，可以将该对象的特征标识与本次红外感应特征的对应关系作为本次红外完备对应关系记录到多样性完备结果库中。该对象的特征标识用于在该多样性完备结果库中唯一标识该对象，例如可以为该对象的名称、该对象的标号、该对象的某个特征值中的一部分等等，此处不作限定。例如，若该对象为第一对象，则该本次红外完备对应关系为本次红外感应特征与该第一对象的特征标识的对应关系。

[0148] 需要说明的是，若多样性完备结果库中已有该对象的特征标识与之前获取的红外感应特征的对应关系，则也可以将本次红外完备对应关系添加到该多样性完备结果库中，增强该多样性完备结果库的全面性。例如，在该多样性完备结果库已有第一红外完备对应关系的记录：第一对象的特征标识与第一对象第N次进入红外感应区时获取的红外感应特征数据的对应关系；则在该第一对象第二次进入该红外感应区时，也可以在该多样性完备结果库中添加第二红外完备对应关系的记录：第一对象的特征标识与第一对象第N+1次进入红外感应区时获取的红外感应特征数据的对应关系。在一些实施例中，也可以在多样性完备结果库中仅保留不重复的第一对象的特征标识与相应的红外感应特征数据的对应关系，此处不作限定。

[0149] 本申请实施例中，通过在智能打猎相机100持续更新记录有习性完备的对象的特征标识与红外感应特征数据之间对应关系的多样性完备结果库，在通过红外感应特征数据确定本次进入红外感应区域的活动生物已是习性完备的对象时，不再触发高像素图像的拍摄和习性取样完备度分析智能模型的判断，在满足生物多样性习性研究需求的情况下，进一步节省了智能打猎相机100电能。

[0150] 上述实施例中，通过红外感应特征数据在多样性完备结果库中的比对判断，可以让一个智能打猎相机100减少对习性已完备生物资料的重复拍摄。在一些实施例中，为了获取到更大范围的生物多样性资料，一般会在一个大的区域中放置多个智能打猎相机100进行资料的获取。而多个智能打猎相机100相互之间经常会拍摄到重复无价值的素材，通过对多样性完备结果库的共享，可以解决这个问题，且极大的提升多个智能打猎相机100的续航时长。

[0151] 为便于描述和理解，本申请实施例中仅以两个智能打猎相机100（智能打猎相机A和智能打猎相机B）为例，在实际应用中，可以有更多的智能打猎相机100相互配合，此处不作限定。

[0152] 在一些实施例中，智能打猎相机A也可以被称为第一智能打猎相机，智能打猎相机B也可以被称为第二智能打猎相机；在另一些实施例中，智能打猎相机A可以被称为第二智能打猎相机，智能打猎相机B可以被称为第一智能打猎相机，还可以对智能打猎相机A或智能打猎相机B也其他的称呼，此处不作限定。

[0153] 下面结合图11所示的具体应用场景示例图，分三个阶段，对本申请实施例进行描述。请参阅图10，为本申请实施例中基于人工智能的活动生物拍摄方法的另一个示例性流程示意图。

[0154] 阶段一：智能打猎相机B拍摄的对象A的内容不完备；

[0155] S1001、智能打猎相机B确定有活动生物进入红外感应区域；

[0156] 在对象A进入智能打猎相机B的红外感应区域时，智能打猎相机B可以确定有活动生物进入红外感应区域。

[0157] S1002、确定拍摄模式为生物多样性模式；

[0158] S1003、确定多样性完备结果库中不存在与本次红外感应特征数据的近似度
超出预设近似阈值的红外感应特征数据；

[0159] S1004、拍摄一张高像素图像；

[0160] S1005、基于习性取样完备度分析智能模型，确定近距习性未完备；

[0161] S1006、启动拍摄高像素录像；

[0162] S1007、停止拍摄；

[0163] 在高像素录像的极短时间后，该活动生物离开智能打猎相机B的红外感应区域，智能打猎相机B停止拍摄。

[0164] 步骤S1001 S1007的具体执行过程与图6所示实施例和图8所示实施例中步骤类~似，此处不再赘述。

[0165] 在该阶段一，由于智能打猎相机B此前拍摄的内容中没有覆盖该对象A的近距习性，因此，该对象A进入智能打猎相机B的红外感应范围后，经过对拍摄的高像素图像采用习性取样完备度分析智能模型分析，确定近距习性未完备的情况下，打猎相机会直接启动高像素录像。

[0166] 阶段二：智能打猎相机A拍摄的对象A的内容已完备；

[0167] S1008、确定有活动生物进入红外感应区域；

[0168] 一段时间后，该对象A活动到了智能打猎相机A的红外感应区域中，该智能打猎相机A确定有活动生物进入红外感应区域。

[0169] S1009、确定多样性完备结果库中存在与本次红外感应特征数据的近似度
超出预设近似阈值的红外感应特征数据；

[0170] S1010、不启动拍摄；

[0171] 步骤S1008 S1010的具体执行过程与图8所示实施例中步骤类似，此处不再赘述。~

[0172] 在该阶段二，如图11中的（a）所示，该智能打猎相机A此前已拍摄到了足够的对象A（老虎）的资料，也即对象A的近距习性和远距习性均已完备，且将该对象A的红外感应特征数据记录到了多样性完备结果库中。此次，在对象A进入智能打猎相机A的红外感应区域后，智能打猎相机A通过将本次红外感应特征数据与多样性完备结果库中的红外感应特征数据比对，就直接可以确定对象A为习性已完备的对象，因此不启动拍摄。

[0173] 阶段三：打猎相机B拍摄的对象A的内容还未完备，但由于相机间同步了完备结果库，因此打猎相机B也不再拍摄打猎相机A已拍摄完备的对象A。

[0174] S1011、智能打猎相机之间同步多样性完备结果库；

[0175] 智能打猎相机之间可以按照一定的规则或条件同步多样性完备结果库。例如，可以设定每隔预设时长（例如1天）同步一次多样性完备结果库；也可以设定每次多样性完备结果库有变化时触发同步一次多样性完备结果库等，此处不作限定。

[0176] 智能打猎相机可以集成有通信模块，多个智能打猎相机之间可以通过通信模块来通信。为了节省电量，可以设定固定时间间隔性同时启动多个智能打猎相机通信模块来实现多个智能打猎相机间的通信，此处不作限定。

[0177] 多个智能打猎相机之间同步多样性完备结果库，可以传输自己的多样性完备结果库到其他所有可通信的智能打猎相机。接收了一个或多个多样性完备结果库后，智能打猎相机可以将所有数据都添加到自己的多样性完备结果库中。为节省数据传输消耗，也可以仅将从上一次同步多样性完备结果库之后，自己的多样性完备结果库中变化的数据传输给其他所有可通信的智能打猎相机，此处不作限定。

[0178] 如图11中的（a）所示，智能打猎相机A可以将多样性完备结果库同步给智能打猎相机B，其中包括有智能打猎相机B的多样性完备结果库中没有的对象A相关的红外感应特征数据。

[0179] S1012、确定有活动生物进入红外感应区域；

[0180] 在对象A再次进入智能打猎相机B的红外感应区域时，智能打猎相机B确定有活动生物进入红外感应区域。

[0181] S1013、确定多样性完备结果库中存在与本次红外感应特征数据的近似度
超出预设近似阈值的红外感应特征数据；

[0182] 由于同步了智能打猎相机A的多样性完备结果库的数据，此处智能打猎相机B的多样性完备结果库中也包括又在该对象A的红外感应特征数据。通过将本次红外感应特征数据与多样性完备结果库中的红外感应特征数据比对，智能打猎相机B可以确定多样性完备结果库中存在与本次红外感应特征数据的近似度
超出预设近似阈值的红外感应特征数据，也即该对象A为习性已记录完备的对象。

[0183] S1014、不启动拍摄。

[0184] 如图11中的（b）所示，虽然智能打猎相机B中并未存储有足够覆盖该对象A的近距习性和远距习性的媒体内容，但由于智能打猎相机B的多样性完备结果库中有与该对象A本次进入红外感应区域时的红外感应特征数据近似度超出预设近似阈值的红外感应特征数据，因此智能打猎相机B也不启动拍摄。

[0185] 本申请实施例中，通过在多个智能打猎相机间同步多样性完备结果库，使得智能打猎相机可以不再拍摄已由可通信的全体智能打猎相机拍摄了完备习性资料的对象，极大的减少了重复习性资料的拍摄，提升了这些智能打猎相机的续航时长，避免了重复性低价值资料占用这些智能打猎相机的存储空间。

[0186] 下面结合上述基于人工智能的活动生物拍摄方法，对本申请实施例中的智能打猎相机100的功能模块化结构进行描述。请参阅图12，为本申请实施例中智能打猎相机100的模块化结构示意图。

[0187] 该智能打猎相机100包括：

[0188] 图像拍摄模块1201，用于在确定有新的活动生物进入红外感应区域且当前拍摄模式为生态多样性模式的情况下，拍摄一张高像素图像；

[0189] 完备度智能分析模块1202，用于在将所述高像素图像和所述智能打猎相机的图库中已拍摄的所有媒体输入习性取样完备度分析智能模型后，获取已采集第一对象的习性的完备程度；其中，所述第一对象为从所述高像素图像中识别出的可活动生物；所述习性的完备程度为近距习性未完备、近距习性已完备但远距习性未完备、或近距习性已完备且远距习性已完备这三种完备程度中的任一种；

[0190] 高像素录像模块1203，用于在确定已采集第一对象的习性的完备程度为近距习性未完备的情况下，启动拍摄高像素录像；

[0191] 低像素录像模块1204，用于在确定已采集第一对象的习性的完备程度为近距习性已完备但远距习性未完备的情况下，启动拍摄低像素录像；其中，所述低像素录像得到的低像素图像的分辨率小于所述高像素图像的分辨率的1/2；

[0192] 拍摄阻断模块1205，用于在确定已采集第一对象的习性的完备程度为近距习性已完备且远距习性已完备的情况下，不启动录像拍摄。

[0193] 可选的，在一些实施例中，该完备度智能分析模块1202具体可以包括：

[0194] 对象识别单元12021，用于通过所述习性取样完备度分析智能模型识别出所述高像素图像中的所述第一对象；

[0195] 情形覆盖分析单元12022，用于通过所述习性取样完备度分析智能模型已拍摄的所有媒体中是否已包括所述第一对象的N个预设近距情形以及M各预设远距情形；所述N和M均为大于或等于2的正整数；

[0196] 近距结果单元12023，用于在确定已拍摄的所有媒体中未完全包括所述第一对象的所述N个预设近距情形的情况下，接收所述习性取样完备度分析智能模型输出的近距习性未完备的结果；

[0197] 远距结果单元12024，用于在确定已拍摄的所有媒体中已完全包括所述第一对象的所述N个预设近距情形、但未完全包括所述第一对象的所述M个远距情形的情况下，接收所述习性取样完备度分析智能模型输出的近距习性已完备但远距习性未完备的结果；

[0198] 完备结果单元12025，用于在确定已拍摄的所有媒体中已完全包括所述第一对象的所述N个预设近距情形、且已完全包括所述第一对象的所述M个远距情形的情况下，接收所述习性取样完备度分析智能模型输出的近距习性已完备且远距习性已完备的结果。

[0199] 可选的，在一些实施例中，该智能打猎相机100还可以包括：

[0200] 模式确定模块1206，用于确定当前被设定的拍摄模式是普通模式还是所述生态多样性模式；

[0201] 该高像素录像模块1203，还用于在确定所述拍摄模式是所述普通模式的情况下，启动拍摄所述高像素录像；

[0202] 停止拍摄模块1207，用于在确定所述红外感应区域中不再有活动生物的情况下，控制停止拍摄。

[0203] 可选的，在一些实施例中，该智能打猎相机100还可以包括：

[0204] 红外特征缓存模块1208，用于缓存本次红外感应特征数据，所述红外感应特征数据包括被触发的红外辐射变化区域的形状、大小，以及该区域中特征点的辐射数值；

[0205] 红外特征比对模块1209，用于确定多样性完备结果库中是否存在与所述本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据；其中，所述多样性完备结果库记录有多条红外完备对应关系，一条红外完备对应关系为所述智能打猎相机在确定一个对象已被采集的习性的完备程度为近距习性已完备且远距习性已完备的情况下，记录的该对象的特征标识与该对象当次进入红外感应区域的红外感应特征数据之间的对应关系；

[0206] 该拍摄阻断模块1205，还用于在确定所述多样性完备结果库中存在与所述本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据的情况下，不启动录像拍摄。

[0207] 可选的，在一些实施例中，该智能打猎相机100还可以包括：

[0208] 红外重复比对模块1210，用于在确定所述多样性完备结果库中存在与所述本次红外感应特征数据的近似度超出预设近似阈值的红外感应特征数据的情况下，确定所述本次红外感应特征数据与多样性完备结果库中超出预设近似阈值的红外感应特征数据是否相同；

[0209] 缓存清除模块1211，用于在相同的情况下，清除缓存的所述本次红外感应特征数据；

[0210] 红外完备建立模块1212，用于在不同的情况下，使用所述多样性完备结果库中超出预设近似阈值的红外感应特征数据对应的对象的特征标识，建立与所述本次红外感应特征数据之间的对应关系，作为一条新的红外完备对应关系；

[0211] 红外完备新增模块1213，用于将所述新的红外完备对应关系记录到所述多样性完备结果库中。

[0212] 可选的，在一些实施例中，该智能打猎相机100还可以包括：

[0213] 完备库同步模块1214，用于在预设同步条件满足时，将自己的所述多样性完备结果库中的数据发送给通信范围内的其他智能打猎相机，并接收所述他智能打猎相机发送的各自的多样性完备结果库的数据；

[0214] 完备库更新模块1215，用于处理接收的来自所述其他智能打猎相机的多样性完备结果库的数据，使得自己的多样性完备结果库中包括通信范围内所有其他智能打猎相机的多样性完备结果库中的红外完备对应关系。

[0215] 可选的，在一些实施例中，所述预设同步条件为多样性完备结果库中新增的红外完备对应关系的数目超出预设同步数值。

[0216] 以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

[0217] 上述实施例中所用，根据上下文，术语“当…时”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地，根据上下文，短语“在确定…时”或“如果检测到（所陈述的条件或事件）”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到（所陈述的条件或事件）时”或“响应于检测到（所陈述的条件或事件）”。

[0218] 在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线）或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质（例如固态硬盘）等。

[0219] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。