在英國廣播公司（BBC）今年的“春日觀察”’（Springwatch）節目期間，BBC的研發團隊用AI來監控用于拍攝野生動物明星的遠程攝像機。

該研發團隊在“春日觀察”’攝像機拍攝的視頻中用上了一個物體識別系統。它基于運行在Darknet開源機器學習框架上的YOLO神經網絡，探測和定位場景中的動物。

團隊訓練了一個識別鳥類和哺乳類動物的網絡，它能夠以足夠快的速度運行，找到并實時跟蹤現場視頻中的動物。該工具生成的數據意味著團隊確信場景中出現了動物，而不是其它移動物體。使用這種機器學習方法，該研發團隊能夠從知道“場景中發生了什么事”變成“動物在場景中做了什么”。

在一篇博文中，該研發團隊表示，將動作和動物探測工具結合起來，可以讓他們探測視頻中動物進入或在場景中移動的“事件”。BBC研發部的高級研究工程師羅伯特·道斯說：“我們存儲了與事件發生的時序及內容相關的數據，我們將此作為提供給制作團隊成員的時間線。”

制作團隊然后可以使用這個時間線瀏覽某一攝像機的視頻中的活動。“我們還提供活動的剪輯視頻，其中一個是便于查看內容的小預覽，另一個是以原始質量記錄的，有幾秒鐘的活動兩端的額外視頻。它可以作為視頻立即下載，觀看、共享，并導入到編輯包中，”道斯補充道。

圖像也從視頻中提取出來，呈現事件中被探測到的動物，并提供給用戶。這些圖像還會被傳送到另一個機器學習系統，該系統試圖對動物的種類進行分類。“此圖像分類系統使用卷積神經網絡（CNN），明確地說是Inception V3模型。如果該系統確信某一動物的種類，它就會給照片貼上標簽，并將標簽添加到用戶界面。添加這一額外的信息層是為了讓用戶更容易找到他們想要尋找的視頻——特別是如果一臺攝像機可以捕捉到多個不同的物種的話，”道斯說道。

該研發團隊表示，他們正在努力使該系統更加智能，以便它能提供更多有關其產生的視頻片段的有用信息。它打算在今年晚些時候的“秋日觀察”（Autumnwatch）中再次測試該系統。