一种识别奶牛花纹的方法和装置制造方法及图纸

本申请提供了一种识别奶牛花纹的方法和装置，所述方法包括：获取待识别花纹的奶牛的切片图像；将所述切片图像输入优化参数的度量学习网络模型，获取切片图像的表征图像特征；获取所述表征图像特征对应的距离最小的第一图像特征。本申请提供一种利用奶牛花纹识别奶牛的深度学习方法，利用奶牛花纹的信息来解决奶牛之间的形体相近的问题，解决了在遮挡或背景复杂条件下识别奶牛准确率低的问题。且在大规模养殖场中仍然可以保证识别奶牛准确率及识别速度。

【技术实现步骤摘要】
一种识别奶牛花纹的方法和装置
本申请涉及图像识别领域，具体涉及识别奶牛花纹的方法，以及识别奶牛花纹的装置。
技术介绍
奶牛业是畜牧业乃至整个农业的重要组成部分和分支产业，在国民经济和社会发展中占有及其重要地位。当前，发源于智能监控的视频分析技术已逐步深入到智能畜禽养殖的许多领域，为养殖管理优化资源，节省成本。智能感知和奶牛识别技术是整个智能畜牧业，精细养殖中的关键一环。传统的智能管理是采用无线射频识别(RFID)技术。但RFID技术识别视频对视野中的奶牛个体需要额外的设备与同步识别方法，增加了奶牛行为视频分析系统的复杂度和成本。图像匹配的方法则采用图像的传统特征，无法表达和描述高级的特征，在视频区域中识别的奶牛数量低，在遮挡或背景复杂的环境下准确率和泛化能力都比较低。
技术实现思路
本申请提供一种识别奶牛花纹的方法，一种识别奶牛花纹的装置；以解决在遮挡或背景复杂条件下识别奶牛准确率低的问题。为了解决上述技术问题，本申请实施例提供了如下的技术方案：本申请提供了一种识别奶牛花纹的方法，包括：...

【技术保护点】
1.一种识别奶牛花纹的方法，其特征在于，包括：/n获取待识别花纹的奶牛的切片图像；/n将所述切片图像输入优化参数的度量学习网络模型，获取切片图像的表征图像特征；/n获取所述表征图像特征对应的距离最小的第一图像特征。/n

【技术特征摘要】
1.一种识别奶牛花纹的方法，其特征在于，包括：
获取待识别花纹的奶牛的切片图像；
将所述切片图像输入优化参数的度量学习网络模型，获取切片图像的表征图像特征；
获取所述表征图像特征对应的距离最小的第一图像特征。


2.根据权利要求1所述的方法，其特征在于，所述获取所述表征图像特征对应的距离最小的第一图像特征，包括：
计算所述表征图像特征的第一哈希值；
根据与所述第一哈希值相比的预设相似条件检索所述图像特征数据集中的哈希值，获取第二哈希值并确定所述第二哈希值对应的第一图像特征；其中，所述图像特征数据集包括：每头奶牛的标签信息及对应的第一图像特征和第一图像特征的哈希值；
分别计算所述表征图像特征与所述第二哈希值对应的第一图像特征间的距离，并获取所述表征图像特征对应的距离最小的第一图像特征。


3.根据权利要求1所述的方法，其特征在于，在所述获取待识别花纹的奶牛的切片图像前，还包括：
获取预设范围内的奶牛的多张图像，建立第一奶牛图像的集合；
分别为第一奶牛图像的集合中的每头奶牛标注标签信息；
从所述第一奶牛图像的集合中随机抽取预设奶牛头数的第二奶牛图像的集合，且每头奶牛出现在K张第二奶牛图像的集合中；其中，K是大于等于2的整数；
分别使每头奶牛出现的K张第二奶牛图像之间生成K×(K-1)个正样本对；
从第二奶牛图像的集合外分别为每个正样本对选取一个与正样本对距离最近的奶牛图像作为负样本，分别组成三元组；
依次利用每个三元组训练度量学习网络模型满足预设精度，从而获得优化参数的度量学习网络模型以及图像特征数据集；其中，所述图像特征数据集包括：标签信息及对应的第一图像特征和第一图像特征的哈希值。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述度量学习网络模型是度量学习ReID模型。


5.根据权利要求4所述的方法，其特征在于，所述度量学习ReID模型的损失函数是三元组损失函数。


6.根据权利要求1-2任一项所述的方法，其特征在于，所述表征图像特征或所述第一图像特征是256维向量。

【专利技术属性】
技术研发人员：白欲立，张凯霖，
申请(专利权)人：联想新视界天津科技有限公司，
类型：发明
国别省市：天津;12