动物疼痛指数判断方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种动物疼痛指数判断方法、装置及存储介质，该方法包括：根据收到包含动物脸部的动物照片，调用预先训练的识别模型从该动物照片中提取出动物的预设类型面部动作单元的图片区域，所述预设类型面部动作单元包括眼睛、鼻子、耳朵；将提取出的各个预设类型面部动作单元的图片区域输入到预先训练的分类模型，识别出各个预设类型面部动作单元的图片区域对应的疼痛指数得分；基于各个预设类型面部动作单元的图片区域对应的疼痛指数得分，利用预先确定的计算规则，计算出该动物照片对应的整体疼痛指数得分。本发明专利技术通过对照片中动物疼痛指数的判断，评估动物遭受的伤痛情况，提高评估的效率和准确性。

Animal pain index estimation method, device and storage medium

The invention discloses an animal pain index judgment method, device and storage medium. The method includes: according to an animal photograph containing the face of an animal, a pre trained identification model is invoked to extract an area of a presupposed type of facial action unit of an animal from the animal picture, and the presupposed type of facial movement is described. The unit consists of the eyes, nose and ears; the picture area of the various presupposed types of facial action units is input to the pre trained classification model, and the pain index score corresponding to the image area of the various preset types of facial action units is identified; the image region based on the various presupposed facial action units corresponds to the image area. The pain index score was used to calculate the overall pain index score of the animal pictures using predetermined calculation rules. The invention evaluates the pain condition of animals and improves the efficiency and accuracy of evaluation by judging the pain index of animals in photos.

【技术实现步骤摘要】
动物疼痛指数判断方法、装置及存储介质
本专利技术涉及信息监控和处理
，尤其涉及一种动物疼痛指数判断方法、装置及计算机可读存储介质。
技术介绍
随着社会的发展，许多珍稀的野生动物正濒临灭绝。为了保护这些珍稀的野生动物，在很多地方设立了动物养殖领域及珍稀野生动物保护区，并设立野生动物生长状态监控领域。动物在成长过程中经常发生受伤、生病、感染等问题，在发生这种问题时，动物还无法主动告诉人们自己当前所处的伤痛情况。为了减少动物生病死亡概率，有效降低动物的疼痛水平和持续时间，人们往往需要及时的发现动物所处的伤痛状况并做出应对。为此，兽医开发了一套规则，通过动物的面部表情评估动物所遭受的痛楚。目前，这套规则是完全由人工来完成，人们在利用这套规则时往往依赖于自身的经验，对于不同的人而言，受自身主观因素的影响使得用这套规则评估时出现结果不一致的情况，动物所处的伤痛状况的人工识别准确率较低，而且效率低下、成本较高。
技术实现思路
鉴于以上内容，本专利技术提供一种动物疼痛指数判断方法、装置及计算机可读存储介质，其主要目的在于利用预先训练的识别模型和分类模型对动物脸部的照片进行评分，根据预先确定的计算规则算出照片中对应动物的整体疼痛指数得分，提高判断效率和判断的准确性。为实现上述目的，本专利技术提供一种动物疼痛指数判断方法，该方法包括：提取步骤：根据包含动物脸部的动物照片，调用预先训练的识别模型从该动物照片中提取出动物的预设类型面部动作单元的图片区域，所述预设类型面部动作单元包括眼睛、鼻子、耳朵；识别步骤：将提取出的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分；计算步骤：基于各个图片区域中的预设类型面部动作单元对应的疼痛指数得分，利用预先确定的计算规则，计算出该动物照片对应的整体疼痛指数得分。优选地，所述识别模型包括以下训练步骤：A1、获取第一预设数量包含动物脸部的动物照片样本；A2、在各个动物照片样本上标注出预设类型面部动作单元的面部标记，并根据标注的面部标记将对应的动物脸部进行水平姿态矫正；A3、在水平姿态矫正后的动物照片样本上，根据各个预设类型面部动作单元对应的面部标记对各个预设类型面部动作单元的图片区域进行区域标记；A4、将所述动物照片样本分成训练集和测试集，其中，训练集中的照片样本数量大于测试集中的照片样本数量；A5、利用训练集中的照片样本进行识别模型训练，生成所述识别模型，并利用测试集中的照片样本对生成的所述识别模型进行验证；A6、若验证通过率大于第一预设阈值，则训练完成，若验证通过率小于或等于第一预设阈值，则增加动物照片样本的数量，流程返回步骤A2。优选地，所述识别步骤包括：根据预先确定的面部动作单元与归一化像素尺寸的映射关系，确定图片区域中各个预设类型面部动作单元对应的归一化像素尺寸，将各个预设类型面部动作单元的图片区域按照对应的归一化像素尺寸进行归一化处理；将归一化处理后的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分。优选地，所述分类模型包括以下训练步骤：B1、针对各个预设类型面部动作单元，获取第二预设数量归一化处理后的图片区域样本，并对各个图片区域样本进行疼痛指数分类标记；B2、将所述图片区域样本分成训练集和测试集，其中，训练集中的图片区域样本数量大于测试集中的图片区域样本数量；B3、利用训练集中的图片区域样本进行分类模型训练，以生成所述分类模型，并利用测试集中的图片区域样本对生成的所述分类模型进行验证；B4、若验证通过率大于第二预设阈值，则训练完成，若验证通过率小于或等于第二预设阈值，则增加归一化处理后的图片区域样本的数量，流程返回步骤B2。优选地，所述预先确定的计算规则包括：根据面部动作单元与预先确定的疼痛指数权重值的映射关系，确定各个预设类型面部动作单元对应的疼痛指数权重值；将各个图片区域中预设类型面部动作单元对应的疼痛指数得分，及各个预设类型面部动作单元对应的疼痛指数权重值代入预先确定的计算公式计算得到该动物照片对应的整体疼痛指数得分，计算公式如下：其中，Xi代表第i个面部动作单元的图片区域对应的疼痛指数得分，Pi代表第i个面部动作单元对应的疼痛指数权重值，n代表有n个面部动作单元。此外，本专利技术还提供一种电子装置，该电子装置包括：存储器、处理器及摄像装置，所述存储器上存储动物疼痛指数判断程序，所述动物疼痛指数判断程序被所述处理器执行，可实现如下步骤：提取步骤：根据包含动物脸部的动物照片，调用预先训练的识别模型从该动物照片中提取出动物的预设类型面部动作单元的图片区域，所述预设类型面部动作单元包括眼睛、鼻子、耳朵；识别步骤：将提取出的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分；计算步骤：基于各个图片区域中的预设类型面部动作单元对应的疼痛指数得分，利用预先确定的计算规则，计算出该动物照片对应的整体疼痛指数得分。优选地，所述识别模型包括以下训练步骤：A1、获取第一预设数量包含动物脸部的动物照片样本；A2、在各个动物照片样本上标注出预设类型面部动作单元的面部标记，并根据标注的面部标记将对应的动物脸部进行水平姿态矫正；A3、在水平姿态矫正后的动物照片样本上，根据各个预设类型面部动作单元对应的面部标记对各个预设类型面部动作单元的图片区域进行区域标记；A4、将所述动物照片样本分成训练集和测试集，其中，训练集中的照片样本数量大于测试集中的照片样本数量；A5、利用训练集中的照片样本进行识别模型训练，生成所述识别模型，并利用测试集中的照片样本对生成的所述识别模型进行验证；A6、若验证通过率大于第一预设阈值，则训练完成，若验证通过率小于或等于第一预设阈值，则增加动物照片样本的数量，流程返回步骤A2。优选地，所述分类模型包括以下训练步骤：B1、针对各个预设类型面部动作单元，获取第二预设数量归一化处理后的图片区域样本，并对各个图片区域样本进行疼痛指数分类标记；B2、将所述图片区域样本分成训练集和测试集，其中，训练集中的图片区域样本数量大于测试集中的图片区域样本数量；B3、利用训练集中的图片区域样本进行分类模型训练，以生成所述分类模型，并利用测试集中的图片区域样本对生成的所述分类模型进行验证；B4、若验证通过率大于第二预设阈值，则训练完成，若验证通过率小于或等于第二预设阈值，则增加归一化处理后的图片区域样本的数量，流程返回步骤B2。优选地，所述预先确定的计算规则包括：根据面部动作单元与预先确定的疼痛指数权重值的映射关系，确定各个预设类型面部动作单元对应的疼痛指数权重值；将各个图片区域中预设类型面部动作单元对应的疼痛指数得分，及各个预设类型面部动作单元对应的疼痛指数权重值代入预先确定的计算公式计算得到该动物照片对应的整体疼痛指数得分，计算公式如下：其中，Xi代表第i个面部动作单元的图片区域对应的疼痛指数得分，Pi代表第i个面部动作单元对应的疼痛指数权重值，n代表有n个面部动作单元。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中包括动物疼痛指数判断程序，所述动物疼痛指数判断程序被处理器执行时，可实现如上所述动物疼痛指数判断方法中的任意本文档来自技高网...

【技术保护点】
1.一种动物疼痛指数判断方法，其特征在于，所述方法包括：提取步骤：根据包含动物脸部的动物照片，调用预先训练的识别模型从该动物照片中提取出动物的预设类型面部动作单元的图片区域，所述预设类型面部动作单元包括眼睛、鼻子、耳朵；识别步骤：将提取出的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分；计算步骤：基于各个图片区域中的预设类型面部动作单元对应的疼痛指数得分，利用预先确定的计算规则，计算出该动物照片对应的整体疼痛指数得分。

【技术特征摘要】
1.一种动物疼痛指数判断方法，其特征在于，所述方法包括：提取步骤：根据包含动物脸部的动物照片，调用预先训练的识别模型从该动物照片中提取出动物的预设类型面部动作单元的图片区域，所述预设类型面部动作单元包括眼睛、鼻子、耳朵；识别步骤：将提取出的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分；计算步骤：基于各个图片区域中的预设类型面部动作单元对应的疼痛指数得分，利用预先确定的计算规则，计算出该动物照片对应的整体疼痛指数得分。2.根据权利要求1所述的动物疼痛指数判断方法，其特征在于，所述识别模型包括以下训练步骤：A1、获取第一预设数量包含动物脸部的动物照片样本；A2、在各个动物照片样本上标注出预设类型面部动作单元的面部标记，并根据标注的面部标记将对应的动物脸部进行水平姿态矫正；A3、在水平姿态矫正后的动物照片样本上，根据各个预设类型面部动作单元对应的面部标记对各个预设类型面部动作单元的图片区域进行区域标记；A4、将所述动物照片样本分成训练集和测试集，其中，训练集中的照片样本数量大于测试集中的照片样本数量；A5、利用训练集中的照片样本进行识别模型训练，生成所述识别模型，并利用测试集中的照片样本对生成的所述识别模型进行验证；A6、若验证通过率大于第一预设阈值，则训练完成，若验证通过率小于或等于第一预设阈值，则增加动物照片样本的数量，流程返回步骤A2。3.根据权利要求1所述的动物疼痛指数判断方法，其特征在于，所述识别步骤包括：根据预先确定的面部动作单元与归一化像素尺寸的映射关系，确定图片区域中各个预设类型面部动作单元对应的归一化像素尺寸，将各个预设类型面部动作单元的图片区域按照对应的归一化像素尺寸进行归一化处理；将归一化处理后的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分。4.根据权利要求1所述的动物疼痛指数判断方法，其特征在于，所述分类模型包括以下训练步骤：B1、针对各个预设类型面部动作单元，获取第二预设数量归一化处理后的图片区域样本，并对各个图片区域样本进行疼痛指数分类标记；B2、将所述图片区域样本分成训练集和测试集，其中，训练集中的图片区域样本数量大于测试集中的图片区域样本数量；B3、利用训练集中的图片区域样本进行分类模型训练，以生成所述分类模型，并利用测试集中的图片区域样本对生成的所述分类模型进行验证；B4、若验证通过率大于第二预设阈值，则训练完成，若验证通过率小于或等于第二预设阈值，则增加归一化处理后的图片区域样本的数量，流程返回步骤B2。5.根据权利要求1所述的动物疼痛指数判断方法，其特征在于，所述预先确定的计算规则包括：根据面部动作单元与预先确定的疼痛指数权重值的映射关系，确定各个预设类型面部动作单元对应的疼痛指数权重值；将各个图片区域中预设类型面部动作单元对应的疼痛指数得分，及各个预设类型面部动作单元对应的疼痛指数权重值代入预先确定的计算公式计算得到该动物照片对应的整体疼痛指数得分，计算公式如下：其中，Xi代表第i个面部动作单元的图片区域对应的疼痛指数得分，Pi代表第i个面部动...

【专利技术属性】
技术研发人员：王健宗，王晨羽，马进，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44