当前位置: 首页 > 专利查询>江苏大学专利>正文

一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法制造技术

技术编号:28468809 阅读:40 留言:0更新日期:2021-05-15 21:35
本发明专利技术提出一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法。首先获取彩色和深度视频集,对采集到的视频集进行分帧筛选;其次对其进行自适应直方图均衡化、FCN饮水猪目标分割和形态学处理,得到饮水区域固定方向的单只猪图像;然后建立训练样本,通过HOG特征对饮水区域进行分块划分,寻找划分的最佳像素块。构建多尺度特征空间,设置不同的步长比例,对其提取梯度和方向的直方图特征;另把划分好的像素块应用在NMB

【技术实现步骤摘要】
一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法


[0001]本专利技术属于计算机视觉
,涉及RGB图像的增强及特征融合,具体涉及一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别。

技术介绍

[0002]近年来,中国生猪养殖规模和数量在不断扩大,养殖信息化是今后生猪饲养监管的重要模式。计算机视觉技术作为信息处理的有效辅助技术,提供了一种自动化、非接触式、低成本、高收益且对动物无伤无压力的行为识别方式,可用于考量生猪健康状况并及时预防和发现疾病。在特征提取过程中,在图像中会出现大量背景等无用特征,对于特征融合导致的维数过多,使用降维方法可能会丢失重要信息等,会影响后期识别时的准确率。因此如何减少无用背景且在不影响准确率的情况下减少特征维数也引起了许多学者的关注。本文提出了一种在特定饮水区域进行分块划分提取融合直方图特征进行猪只身份识别的方法。对采集到的视频集进行分帧筛选,划分饮水区域,使用FCN网络进行目标分割得到七头猪中分别饮水的单只猪的图像集,减少了大部分的无用背景,且解决了猪在运动中的非刚性特性会引起体型变化导致特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法,其特征在于,包括以下步骤:(1)对视频进行分帧操作,选出有饮水猪的图像集,划定饮水区域;(2)对目标图像进行前景和背景的自适应直方图均衡化预处理,利用全卷积网络FCN对饮水猪目标分割;(3)利用HOG特征的特点对饮水区域的像素块进行最佳分块;采用多尺度空间特征,构建五种子块比例遍历饮水区域,得到不同尺度下的训练集,得到最佳比例下基本单元对特征的贡献率,并在一定程度上减少特征冗余;(4)对上述划分块的饮水区域中进行HOG梯度方向特征提取,在分块基础上利用改进后的NMB

LBP进行纹理特征的提取,并将RGB图像转换到HSV色彩空间后对色调和饱和度进行H

S特征提取,后量化操作;(5)对上述三这种特征进行串行融合,由于每一种特征对分类准确率的贡献不同,因此根据单一特征得到的准确率的大小分配权重,这样可以最大程度保留有效识别信息;基于融合后的特征,构建堆叠式两阶段学习框架,以K近邻和支持向量机作为第一层的学习器,构建一个人工神经网络作为第二层学习器,将第一层两个分类器预测的结果进行加权合并,以此作为新的特征输入到第二层神经网络中,进一步提升猪的身份识别的准确率。2.根据权利要求1所述的一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法,其特征在于,步骤(1)具体包括:在猪舍正上方采集俯视视频集,视频拍摄的帧率为30fps,图像的分辨率为1760*1840像素,猪的个数为7头;对拍摄出来的视频进行结构相似性阈值分析,将基准图像与后续帧一一计算欧式距离,小于阈值的图像帧全部剔除,直到与某一帧的相似度距离大于阈值为止,得到关键帧图像;通过对饮水区域的猪形态轨迹对比分析和结合饮水龙头的位置,确定饮水区域的大小,通过实验和分析确定本专利的饮水区域的边长为七头猪中最长尺寸的1.1倍,保证饮水时猪只轮廓全部在饮水区域内。3.根据权利要求1所述的一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法,其特征在于,步骤(2)对图像进行预处理具体包括:对分帧后的有效图像进行变换增强和图像去噪,得到更具细节特征的图像集;首先对猪只前景不同区域采用自适应直方图均衡化,以获得更加合适的效果,对各区块进行线性插值之后,可以削弱图片的区块效应;再采用双边滤波,降噪平滑整张图片,保持猪只轮廓边缘的效果;利用全卷积网络FCN对饮水猪目标分割具体包括:采用全卷积网络的方法对饮水区域猪只目标进行分割,全卷积网络结构为卷积层conv1

conv8,池化层pool1

pool5;对饮水区域进行截取得到540*540的像素大小,作为FCN卷积网络的输入,对卷积层conv8进行2倍、4倍与8倍上采样操作;conv8卷积层32倍上采样的预测结果得到原图像的尺寸大小,此时的预测值为FCN

32s;将conv8卷积层进行2倍上采样与pool4层进行的预测结果进行融合,再进行16倍上采样与输入图片尺寸相同,此时的预测值为FCN

16s;FCN

16s预测值进行2倍的上采样与从pool3层得到的预测融合起来,再进行8倍上采样与输入图片尺寸相同,此时的预测值为FCN

8s;比较三种不同深度的预测融合,使网络能够更好地预测细节,同时保留高级别的语义信息;采用FCN

16s网络,对conv8进行2倍上采样,然后与pool4层的预测结合起来,二者融合之后进行16倍上采样,得到的输出图片大小与输入时的相同。4.根据权利要求1所述的一种基于HOG分块的特征直方图融合对饮水区域猪的身份识
别办法,其特征在于,步骤(3)中利用HOG特征的特点对饮水区域的像素块进行最佳分块的具体内容如下:为了找到划分最佳提取饮水区域内猪只特征的方法,将饮水区域像素540*540划分为四种小单元分别进行分析与试验:3*3像素/单元,6*6像素/单元,9*9像素/单元,12*12像素/单元;通过划分的不同单元的梯度和方向图进行对比,选取9*9像素/单元为合适划分,将饮水区域的像素划分成60*60个基本单元;将每四个基本单元9*9像素组成一个子块,即2*2个单元/子块,一个子块内所有单元的特征描述子串联起来便得到该块的HOG特征描述子;采用多尺度空间特征的所示内容具体如下:对饮水区域采用多尺度特征的提取,每个序列的饮水区域被划分60*60基本单元,基本单元的尺度比例s设置为五种大小,分别为1*1基本单元,2*2基本单元,3*3基本单元,4*4基本单元,5*5基本单元,步长为1,遍历饮水区域所有基本单元,F
s
为每个比例的训练集,公式为其中n为确定尺度比例后的总子块数,N为训练子集的数量,f
p,q
表示提取的不同子块的直方图特征,训练数据集F
s=i
可以表示如下:分别得到s=1,2,3,4,5时的训练数据集,本发明的尺度比例s设置为2*2基本单元。5.根据权利要求1所述的一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法,其特征在于,步骤(4)HOG梯度方向特征提取具体描述如下:通过计算和统计图像局部区域的梯度方向直方图来构成HOG特征,提取特征的过程如下:将饮水区域的像素划分成60*60个单元,统计每个单元的梯度直方图,即可形成每个单元的描述子,横坐标选取了180度的范围作为梯度的方向,分成9个范围,每个范围为20度,纵坐标为对应像素点梯度的幅值;将每四个单元组成一个子块,即2*2个单元/块,一个块内所有单元的特征描述子串联起来便得到该块的HOG特征描述子,共得到横坐标36个范围的HOG特征直方图;遍历所有的块,在直方图现有的范围上进行累加,得到整个饮水区域的特征直方图,形成一个36维的特征向量。6.根据权利要求1所述的一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法,其特征在于,所述利用改进后的NMB

LBP进行纹理特征的提取具体描述如下:首先将检测窗口的划分与HOG保持一致,饮水区域分成30*30个子块,18*18像素/块;对每块中的像素进行划分成四个9*9的基本单元,每个基本单元中3*3的区域内的灰...

【专利技术属性】
技术研发人员:朱伟兴李富豪李新城
申请(专利权)人:江苏大学
类型:发明
国别省市:

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