由于盗猎者对野生动物的偷盗和捕杀,再加上人类活动空间的扩张、生态环境的破坏,对野生动物的生存和繁衍造成了严重危害,致使很多野生动物濒临灭绝或者已经灭绝。而野生动物不仅对我们的科研具有极高的研究价值,更重要的是,它是自然资源不可缺少的重要组成部分,其生存与发展维系着整个自然生态系统的平衡和稳定,影响着我们人类社会的发展和生存。通过对野生动物进行监测和识别则能起到很好的保护作用。而传统的检测系统存在着对保护动物监测难度大、准确率低等问题。故本文利用PyTorch框架为基础,采用改进的卷积神经网络SSD算法,建立了一种以金丝猴、孔雀、大熊猫、老虎、大象这五种动物为研究对象的监测识别系统。首先通过采集图片建立动物图像样本库,对样本库中的图片采用三维标注软件labelimg对其进行标注,并按照7:3的比列划分训练集和样本集。然后投入到引入注意力机制的神经网络模型中进行训练,并在训练中引入迁移学习和数据扩充的方法,最后将硬件平台采集到的图片投入网络模型进行定位和识别。通过对数据集的测试可以发现识别的准确率达到了96.6%,而且其检测速度与模型大小符合预期。另外该平台以Labview为基础,创建一个包括有登陆界面,野生动物种类展示,普通算法识别,改进算法识别的多功能平台。实现了界面展示功能。基于上述技术功能的开发研究,本系统实现了对五种濒危野生动物图像监测与识别功能:硬件平台对动物进行图像采集并传输,识别系统利用改进优化的算法对拍到的图像进行定位与识别,并在软件平台上将识别结果展示出来,并有目的性地将所需图像保存。该系统一方面能提供实时监测,能为濒危野生动物的保护工作提供更优质的条件;另一方面又节省了人力资源并提高了工作效率,增强了对濒危野生动物的保护能力。