一种动物计数、图像处理方法和装置制造方法及图纸

技术编号:24172713 阅读:19 留言:0更新日期:2020-05-16 03:30
本申请涉及一种动物计数、图像处理方法和装置,该方法包括:获取待检测区域图像,所述待检测区域图像中包括至少一个动物;根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量;根据所述动物数量生成所述待检测区域图像对应的计数信息。该技术方案通过预先训练的动物检测模型从待检测区域图像中识别出动物数量,从而实现智能化自动计数,无需人工点数,提高计数效率,并且准确率和可靠性较高,节约人力和时间成本。

An animal counting and image processing method and device

【技术实现步骤摘要】
一种动物计数、图像处理方法和装置
本申请涉及人工智能领域,尤其涉及一种动物计数、图像处理方法和装置。
技术介绍
家禽或家畜养殖是我国的传统行业,也是我国畜牧业的支柱产业,我国养殖产业一方面受经济持续高速增长、城乡居民收入水平不断提高和食物消费结构不断升级等引致的需求强力拉动,另一方面因养殖产业已经演变成国民经济来源的重要组成部分而得到政府的强烈推动。目前,我国养殖行业不断发展,养殖业逐渐趋向规模化养殖。与此同时,每天售卖的频次和数量也大大增加,准确计算售卖时的家禽或家畜的数量就是必不可少的环节。传统的计数方式为人工点数,然后登记在册,最后再录入线上系统。这种方式效率太低,及其容易出现失误,可靠性差,消耗大量人力和时间成本。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请实施例提供了一种动物计数、图像处理方法和装置。第一方面,本申请实施例提供了一种动物计数方法,包括:获取待检测区域图像,所述待检测区域图像中包括至少一个动物;根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量;根据所述动物数量生成所述待检测区域图像对应的计数信息。可选的,所述待检测图像中包括至少两个动物类别的动物;所述根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量,包括:根据所述动物检测模型从所述待检测区域图像中分割出动物个体,识别动物类别,确定每个动物类别对应的动物数量。可选的,所述根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量,包括:获得所述动物检测模型生成的每个动物个体对应的预测图;根据所述预测图的个数确定所述动物数量。可选的,所述方法还包括:获取样本图像,所述样本图像中包括至少一个动物;确定所述样本图像对应的标注信息,所述标注信息包括动物的轮廓及类别信息;将所述样本图像及标注信息输入预设实例分割网络,对所述预设实例分割网络中特征提取子网络、目标检测子网络及分割子网络的参数进行训练,得到动物检测模型。第二方面,本申请实施例提供了一种图像处理方法,包括:获取样本图像,所述样本图像中包括至少一个动物;确定所述样本图像对应的标注信息,所述标注信息包括动物的轮廓及类别信息;将所述样本图像及标注信息输入预设实例分割网络,对所述预设实例分割网络中特征提取子网络、目标检测子网络及分割子网络的参数进行训练,得到动物检测模型。可选的,所述特征提取子网络,用于从所述样本图像中提取图像特征,得到特征图;所述目标检测子网络,用于为所述特征图中每个像素生成预设个数的不同尺寸的锚框;通过第一分类器对所述锚框属于前景或背景进行分类,得到第一分类结果;使用回归方式对所述锚框位置进行修正;并对所述锚框进行筛选,得到目标锚框;所述分割子网络,用于对所述目标锚框中的像素点进行特征提取,通过第二分类器对所述目标锚框中的像素点属于前景或背景进行分类,得到第二分类结果;使用回归方式对所述目标锚框的位置进行修正;并预测得到所述目标锚框对应的mask预测图。可选的,所述对所述预设实例分割网络中特征提取子网络、目标检测子网络及分割子网络的参数进行训练,包括:计算所述目标检测子网络对应的第一分类损失和第一回归损失;计算所述分割自网络对应的第二分类损失、第二回归损失和mask预测图对应的Focalloss;根据所述第一分类损失、第一回归损失、第二分类损失、第二回归损失和Focalloss生成最终损失函数,不断反向传播所述最终损失函数直至网络收敛,得到所述动物检测模型。第三方面,本申请实施例提供了一种动物计数装置,包括:获取模块,用于获取待检测区域图像,所述待检测区域图像中包括至少一个动物;检测模块,用于根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量;生成模块,用于根据所述动物数量生成所述待检测区域图像对应的计数信息。第四方面,本申请实施例提供了一种图像处理装置,包括:获取模块,用于获取样本图像,所述样本图像中包括至少一个动物;确定模块,用于确定所述样本图像对应的标注信息,所述标注信息包括动物的轮廓及类别信息;训练模块,用于将所述样本图像及标注信息输入预设实例分割网络,对所述预设实例分割网络中特征提取子网络、目标检测子网络及分割子网络的参数进行训练,得到动物检测模型。第五方面,本申请实施例提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行计算机程序时,实现上述方法步骤。第六方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法步骤。本申请实施例提供的上述技术方案与现有技术相比具有如下优点:通过预先训练的动物检测模型从待检测区域图像中识别出动物数量,从而实现智能化自动计数,无需人工点数,提高计数效率,并且准确率和可靠性较高,节约人力和时间成本。附图说明此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本专利技术的实施例,并与说明书一起用于解释本专利技术的原理。为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种图像处理方法的流程图;图2为本申请实施例提供的一种动物计数方法的流程图;图3为本申请实施例提供的售猪台图像;图4为本申请实施例提供的一种图像处理装置的框图;图5为本申请实施例提供的一种动物计数装置的框图;图6为本申请实施例提供的一种电子设备的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。本申请实施例,通过计算机视觉的方式,基于预先训练的模型对一定区域内的动物数量进行计数。下面首先对本专利技术实施例所提供的一种图像处理方法进行介绍,该图像处理方法用于训练用于对区域内动物数量进行计数的动物检测模型。图1为本申请实施例提供的一种图像处理方法的流程图。如图1所示,该方法包括以下步骤:步骤S11,获取样本图像,样本图像中包括至少一个动物。如果所要进行动物计数的场景中包含多种动物,则样本图本文档来自技高网...

【技术保护点】
1.一种动物计数方法,其特征在于,包括:/n获取待检测区域图像,所述待检测区域图像中包括至少一个动物;/n根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量;/n根据所述动物数量生成所述待检测区域图像对应的计数信息。/n

【技术特征摘要】
1.一种动物计数方法,其特征在于,包括:
获取待检测区域图像,所述待检测区域图像中包括至少一个动物;
根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量;
根据所述动物数量生成所述待检测区域图像对应的计数信息。


2.根据权利要求1所述的方法,其特征在于,所述待检测图像中包括至少两个动物类别的动物;
所述根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量,包括:
根据所述动物检测模型从所述待检测区域图像中分割出动物个体,识别动物类别,确定每个动物类别对应的动物数量。


3.根据权利要求1所述的方法,其特征在于,所述根据预先训练的动物检测模型从所述待检测区域图像中分割出动物个体,识别动物数量,包括:
获得所述动物检测模型生成的每个动物个体对应的预测图;
根据所述预测图的个数确定所述动物数量。


4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取样本图像,所述样本图像中包括至少一个动物;
确定所述样本图像对应的标注信息,所述标注信息包括动物的轮廓及类别信息;
将所述样本图像及标注信息输入预设实例分割网络,对所述预设实例分割网络中特征提取子网络、目标检测子网络及分割子网络的参数进行训练,得到动物检测模型。


5.一种图像处理方法,其特征在于,包括:
获取样本图像,所述样本图像中包括至少一个动物;
确定所述样本图像对应的标注信息,所述标注信息包括动物的轮廓及类别信息;
将所述样本图像及标注信息输入预设实例分割网络,对所述预设实例分割网络中特征提取子网络、目标检测子网络及分割子网络的参数进行训练,得到动物检测模型。


6.根据权利要求5所述的方法,其特征在于,
所述特征提取子网络,用于从所述样本图像中提取图像特征,得到特征图;
所述目标检测子网络,用于为所述特征图中每个像素生成预设个数的不同尺寸的锚框;通过第一分类器对所述锚框属于前景或背景进行分类,得到第一分类结果;使用回归方式对所述锚框位置进行修正;并对所述锚框进行筛...

【专利技术属性】
技术研发人员:张为明
申请(专利权)人:北京海益同展信息科技有限公司
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1