一种禽类异常识别方法及装置制造方法及图纸

本发明专利技术提供了一种禽类异常识别方法及装置，涉及视频监控技术领域。该禽类异常识别方法包括：提取监控视频中的图像信息；在所述图像信息中选取参考图像以及食槽中无饲料时的背景图像；分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值；确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻，将所述极大值作为添加饲料结束时的起始饲料量；基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常。该方法基于采集图像确定食槽中的饲料量，基于通过图像处理获取的饲料量的变化值判断禽类是否进食异常，从而自动识别禽类异常行为。

【技术实现步骤摘要】
一种禽类异常识别方法及装置
本专利技术涉及视频监控
，具体而言，涉及一种禽类异常识别方法及装置。
技术介绍
目前，禽类养殖场远程监控系统主要有两种：第一种由上位机PC和下位机PLC组成，实现养殖场现场参数如温度、湿度、氨气等的自动监控，这类系统只能对养殖场环境监测，无法监测禽类动物的异常行为。第二种是采用监控摄像头拍摄监控视频，这类系统需要由专门的值班工作人员，由工作人员从监控视频中观察畜禽的异常行为，无法自动识别禽类的反常行为，需要耗费大量人力。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种禽类异常识别方法及装置，以解决现有技术存在的无法基于监控图像自动识别禽类的反常行为，需要耗费大量人力的问题。第一方面，本专利技术实施例提供了一种禽类异常识别方法，所述禽类异常识别方法包括：提取监控视频中的图像信息；在所述图像信息中选取参考图像；确定食槽中无饲料时的背景图像，分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值；确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻，将所述极大值作为添加饲料结束时的起始饲料量；基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常。上述实施例将监控视频中的包含食槽的多帧图像作为参考图像，基于参考图像和食槽中无饲料的背景图像进行图像处理确定两者面积差值即食槽内饲料量，并在多幅参考图像中确定面积差值的极大值作为添加饲料结束时的饲料量，提高了饲料量判定的效率、准确率和自动化程度，然后基于饲料量在对应时间内的变化量判断禽类进食是否异常，减少了人工识别和操作，使禽类异常情况识别可以通过处理设备基于监控视频自动化进行，提高了禽类异常识别的效率。综合第一方面，所述在所述图像信息中选取参考图像，包括：每间隔时间t1在所述图像信息中选取一帧图像If(k)作为饲料量检测的第k幅图像，其中，t1＝μT1，T1为给食槽添加饲料所用时间，0.5≤μ≤1，k为正整数。。上述实施例基于给食槽添加饲料所用时间设定间隔时间t1，避免间隔时间太长选取的参考图像超过两次添加饲料间隔时间，同时避免间隔时间太短饲料减少量过少造成进食量判断准确率较低的问题，从而提高了进食异常识别的准确率。综合第一方面，所述分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值，包括：采用两帧差法检测每幅参考图像If(k)和所述背景图片的对应位置所有像素的像素值变化；基于所述像素值变化分别获得每幅参考图像If(k)中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域的面积差值ΔSk。上述实施例基于两帧差法检测获得的像素值变化确定参考图像和背景图像中表示饲料量变化的未被饲料覆盖的图像区域的面积差值，该方式基于图像处理由处理设备自动进行，避免采用个人进行识别，提高了获取饲料变化量的效率和准确率。综合第一方面，所述确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻，包括：若ΔSk小于ΔSk-1则k＝k-1，重复步骤“若ΔSk小于ΔSk-1则k＝k-1”至ΔSk大于ΔSk-1，确定此时的ΔSk为所述面积差值的极大值；若ΔSk大于ΔSk-1则k＝k+1，重复步骤“若ΔSk大于ΔSk-1则k＝k+1”至ΔSk小于ΔSk-1，确定此时的ΔSk-1为所述面积差值的极大值；在所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻Te。上述实施例里通过迭代寻找极大值来确定饲料添加结束时刻，以从饲料添加结束时刻作为计算饲料量变化基础，提高了计算饲料变化量的准确率。综合第一方面，所述基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常，包括：初始化i＝0，j＝0；在Te+ΔTe时刻后，若所述极大值与Te+ΔTe时刻后的多幅参考图像中每幅参考图像对应的面积差值之间的差小于预设阈值，令i＝i+1，否则，令j＝j+1，计算其中，0.6T2<ΔTe≤T2，T2为两次添加饲料的时间间隔，所述多幅参考图像的采集时间大于Te+ΔTe并且小于Te+T2，所述预设阈值与参考图像的采集时间相关；若则确定禽类进食正常；若则确定禽类进食异常，其中，0.5≤γ≤1。上述实施例采用多幅参考图像相对于添加饲料结束时刻饲料量的饲料变化量对禽类进食是否异常进行判断，在多个不同时间确定饲料量的变化出现异常且该异常概率大于预设水平时，确定禽类进食是否异常，提高了进食异常识别的准确率。综合第一方面，所述方法还包括：提取监控视频中的音频信息；每间隔时间t2在所述音频信息中选取参考音频，将所述参考音频分割成多个片段后提取每个片段的特征向量；将所述特征向量输入训练好的支持向量机分类器获得所述参考音频是否异常的判断结果，基于所述判断结果判断在T3时间段内禽类是否存在异常行为。上述实施例通过对音频的特征向量进行机器学习分类判断，确定禽类是否存在异常行为，进一步提高了禽类异常情况的判断准确率和该方法的适用范围。综合第一方面，在所述将所述特征向量输入训练好的支持向量机分类器获得音频异常判断结果之前，所述方法还包括：对多个正常状态下的禽类进行多段音频样本采集；基于双门限法进行端点检测获得每段音频样本对应的有效音频信号；对归一化处理后的所述有效音频信号进行分帧处理，获得第l个有效音频信号的声音帧G(l)＝{X1,X2,…XN}(l≤M)，其中，N为每个声音帧序列的长度，M为音频样本的数目；提取每个声音帧样本G(l)提取梅尔频率倒谱系数(MFCC)的12维静态特征、12维一阶差分特征差分特征，共形成24维特征向量；基于所述特征向量对支持向量机分类器进行训练。综合第一方面，所述基于所述判断结果判断在T3时间段内禽类是否存在异常行为，包括：所述判断结果表示在T3时间段内有大于第一比例阈值、小于第二比例阈值的音频样本异常时，确定禽类存在非紧急异常行为；所述判断结果表示在T3时间段内有大于所述第二比例阈值的音频样本异常时，确定禽类存在紧急异常行为。上述实施例基于特定时间段内的音频异常概率将禽类异常行为分为非紧急和紧急异常行为，使用户能够通过对应报警信息采取相应措施，方便用户进行异常应对处理。第二方面，本专利技术实施例提供了一种禽类异常识别装置，所述禽类异常识别装置包括：图像提取模块，用于提取监控视频中的图像信息；参考图像选取模块，用于在所述图像信息中选取参考图像；面积差值计算模块，用于确定食槽中无饲料时的背景图像，分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值；极大值确定模块，用于确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻，将所述极大值作为添加饲料结束时的起始饲料量；进食异常判断模块，用于基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常。综合第二方面，所述参考图像选取模块具体用于每间隔时间t1在所述图像信息中选取一帧图像If(k)作为饲料量检测的第k幅图像，其中，t1＝μT1，T1为给食槽添加饲料所用时间，0.5≤μ≤1，k为正整数。综合第二方面，所述面积差值计算模块包括：像素值检测单元，用于采用两帧差本文档来自技高网...

【技术保护点】
1.一种禽类异常识别方法，其特征在于，所述方法包括：提取监控视频中的图像信息；在所述图像信息中选取参考图像；确定食槽中无饲料时的背景图像，分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值；确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻，将所述极大值作为添加饲料结束时的起始饲料量；基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常。

【技术特征摘要】
1.一种禽类异常识别方法，其特征在于，所述方法包括：提取监控视频中的图像信息；在所述图像信息中选取参考图像；确定食槽中无饲料时的背景图像，分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值；确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻，将所述极大值作为添加饲料结束时的起始饲料量；基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常。2.根据权利要求1所述的禽类异常识别方法，其特征在于，所述在所述图像信息中选取参考图像，包括：每间隔时间t1在所述图像信息中选取一帧图像If(k)作为饲料量检测的第k幅图像，其中，t1＝μT1，T1为给食槽添加饲料所用时间，0.5≤μ≤1，k为正整数。3.根据权利要求1所述的禽类异常识别方法，其特征在于，所述分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值，包括：采用两帧差法检测每幅参考图像If(k)和所述背景图片的对应位置所有像素的像素值变化；基于所述像素值变化分别获得每幅参考图像If(k)中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域的面积差值ΔSk。4.根据权利要求3所述的禽类异常识别方法，其特征在于，所述确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻，包括：若ΔSk小于ΔSk-1则k＝k-1，重复步骤“若ΔSk小于ΔSk-1则k＝k-1”至ΔSk大于ΔSk-1，确定此时的ΔSk为所述面积差值的极大值；若ΔSk大于ΔSk-1则k＝k+1，重复步骤“若ΔSk大于ΔSk-1则k＝k+1”至ΔSk小于ΔSk-1，确定此时的ΔSk-1为所述面积差值的极大值；在所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻Te。5.根据权利要求4所述的禽类异常识别方法，其特征在于，所述基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常，包括：初始化i＝0，j＝0；在Te+ΔTe时刻后，若所述极大值与Te+ΔTe时刻后的多幅参考图像中每幅参考图像对应的面积差值之间的差小于预设阈值，令i＝i+1，否则，令j＝j+1，计算其中，0.6T2<ΔTe≤T2，T2为两次添加饲料的时间间隔，所述多幅参考图像的采集时间大于Te+ΔTe并且小于Te+T2，所述预设阈值与参考图像的采集时间相关；若则确定禽类进食正常；若则确定禽类进食异常，其中，0.5≤γ≤1。6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：赵亚琴，徐媛，卢鹏，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：江苏,32