一种融合多区域深度特征的奶牛个体身份识别方法技术

本发明专利技术公开了一种融合多区域深度特征的奶牛个体身份识别方法，所述方法首先通过图像采集设备采集奶牛通过挤奶通道的侧视图像序列，然后对YOLO目标检测模型进行了微调，提取每一帧图像中的奶牛整体区域作为待检测图像。接下来，提出一个区域划分方法，将检测到的奶牛目标划分为头部，躯干和腿部三个区域，并训练了三个独立的卷积神经网络(CNNs)，以从这三个区域分别提取深度特征。最后，设计了一个特征融合策略将提取到的特征进行融合，并使用融合特征训练SVM模型，完成奶牛的个体识别。本发明专利技术能够更好地利用奶牛侧视目标图像的各个区域的深度特征，并更好地探索每个区域和多区域组合对奶牛个体识别的影响。

A method of individual identification of dairy cattle based on multi region depth feature

【技术实现步骤摘要】
一种融合多区域深度特征的奶牛个体身份识别方法
本专利技术涉及一种奶牛个体身份识别方法，具体涉及一种融合多区域深度特征(DeepPartFeatureFusion，DPFF)的奶牛个体识别方法。
技术介绍
奶牛的个体识别对精确畜牧业具有重要意义，可用于品种关联、自动行为分析、智能挤奶、奶牛健康监测、体重管理和其它活动。因此，奶牛的个体识别是其它应用的基础。最近，计算机视觉已广泛应用于动物生物识别。基于计算机视觉的方法可以非接触地识别奶牛，分析奶牛行为。这些非接触式方法提高了个体识别实用性及其自动化程度，从而降低了管理成本。综合现有文献可知，奶牛个体识别的相关工作主要利用到奶牛的四个区域，即口鼻部、脸部、背部和躯干，这四个区域的一些样本示例如图1(a-d)所示。Kumar等提出了一种自动奶牛识别系统，该系统采用卷积神经网络(CNNs)和深度置信网络(DBNs)提取奶牛口鼻部图像的特征进行奶牛识别。尽管该系统具有较高的准确率，但是待识别的口鼻部区域太小，很难应用于实际生产。Kumar等同时还提出了一种基于奶牛脸部图像的识别方法。该方法本文档来自技高网...

【技术保护点】
1.一种融合多区域深度特征的奶牛个体身份识别方法，其特征在于所述方法包括如下步骤：/n步骤一、数据采集/n通过图像采集设备采集奶牛通过挤奶通道的侧视图像序列；/n步骤二、目标检测/n将待检测图像输入到YOLO目标检测模型中，提取每一帧图像中的奶牛整体区域作为待识别图像，并划分为两个数据集，一个作为训练集，一个作为验证集；/n步骤三、区域划分/n将步骤二检测到的奶牛目标划分为头部、躯干和腿部三个区域；/n步骤四、个体识别/n使用步骤三的奶牛各区域图像数据集构建一个融合多区域深度特征的奶牛个体识别模型，利用该模型进行个体识别。/n

【技术特征摘要】
1.一种融合多区域深度特征的奶牛个体身份识别方法，其特征在于所述方法包括如下步骤：
步骤一、数据采集
通过图像采集设备采集奶牛通过挤奶通道的侧视图像序列；
步骤二、目标检测
将待检测图像输入到YOLO目标检测模型中，提取每一帧图像中的奶牛整体区域作为待识别图像，并划分为两个数据集，一个作为训练集，一个作为验证集；
步骤三、区域划分
将步骤二检测到的奶牛目标划分为头部、躯干和腿部三个区域；
步骤四、个体识别
使用步骤三的奶牛各区域图像数据集构建一个融合多区域深度特征的奶牛个体识别模型，利用该模型进行个体识别。


2.根据权利要求1所述的融合多区域深度特征的奶牛个体身份识别方法，其特征在于所述步骤二中，待识别图像按照下式进行选取：



式中，COW为待识别图像集合，为目标检测结果deti的面积，At为面积阈值，表示目标检测结果deti的类别名，n表示整个图像序列的目标检测结果个数，cow为待检测目标名。


3.根据权利要求1所述的融合多区域深度特征的奶牛个体身份识别方法，其特征在于所述步骤三中，头部、躯干和腿部的具体划分方法如下：
(1)执行两帧差分法获得运动奶牛的粗略轮廓；
(2)使用相应目标检测结果的边界在帧间差图像中定位目标奶牛，然后将其分为等距的垂直片段；
(...

【专利技术属性】
技术研发人员：戴百生，沈维政，胡亨琪，李润泽，姜丽，张永根，熊本海，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：黑龙;23