【技术实现步骤摘要】
一种基于宠物姿态的心情识别方法
[0001]本专利技术涉及计算机视觉领域。具体而言，涉及一种基于宠物姿态的心情识别方法。
技术介绍
[0002]因为宠物的陪伴，可以给人带来温暖、喜悦以及身心的改变，所以，养宠物的人数不断增加，并且人们将他们当做家人对待，但是由于语言不通，与宠物沟通存在障碍，所以，我们只能从宠物表现行为中判断他们的心情。
[0003]现有技术中，基于深度学习和SVM进行动物心情识别，对大量动物图片的十三个身体关键点进行标记，构建深度学习的动物姿态估计模型，使该模型可估计出动物的中心点位置和十三个身体关键点的位置，基于动物的中心点位置变化、包含有尾巴关键点的十三个身体关键点的位置关系和相对位置变化关系构建多个SVM分类器，用于判断动物的行为与心情；由于现有技术中十三个身体关键点的来源通过模型训练得到，可能准确性不够，并且对图片中十三身体关键点进行标记会花费大量的人力，以及需要很长地时间才能训练得到比较精确地识别十三身体关键点模型，所以为了使关键点的来源更加准确，减少人力成本和计算时间，提高计算机工作效率...
【技术保护点】
【技术特征摘要】
1.一种基于宠物姿态的心情识别方法，其特征在于，包括：对原始图像进行灰度化处理，得到灰度化图像；基于Sobel算子对所述灰度化图像进行边缘处理，获得宠物前景目标的边缘轮廓图像，对所述边缘轮廓图像处理得到最大外接矩形，基于所述最大外接矩形，将所述前景目标从所述原始图像中抠出，得到预处理图像；对所述预处理图像和原始图像分别使用不同特征提取网络处理并融合，预测得到宠物类别；对所述预处理图像进行轮廓图像填充，得到掩码图像，依次对所述掩码图像轮廓点的8像素邻域进行腐蚀，具体包括：判断像素领域中是否含有3连通像素，如果存在则将该点从轮廓点中删除，再依次判断是否含有3或者4连通像素、3或者4或者5连通像素、3或者4或者5或者6连通像素、3或者4或者5或者6或者7连通像素，若存在则将该点从轮廓点中删除，若不存在则保留该点，当所有轮廓点判断完成后得到前景目标的伪骨架，最后检测所述伪骨架中的像素点是否含有2或者3或者4或者5或者6或者7连通像素，若存在则将该点从轮廓点中删除，若不存在则保留该点，当伪骨架中的所有像素点判断完成后得到所述前景目标的骨架特征；利用所述骨架特征计算尾部节点与身体节点的夹角，基于所述夹角和所述宠物类别确定宠物心情。2.如权利要求1所述的一种基于宠物姿态的心情识别方法，其特征在于，利用所述骨架特征计算尾部骨架与身体骨架的夹角，包括：基于特征提取网络对所述预处理图像处理识别得到的宠物身体区域和尾部区域，确定所述骨架特征包含的各个像素点相对于所述预处理图像的位置，将位于所述尾部区域的像素点作为尾部节点，以及将位于所述身体区域的像素点作为身体节点；根据夹角公式计算得到尾部节点与身体节点的夹角，所述夹角公式为：Tanα=|(k2
‑
k1)/(1+k1k2)|其中α为两个骨架的夹角，k1为尾部骨架的斜率，k2为身体骨架的斜率。3.如权利要求2所述的一种基于宠物姿态的心情识别方法，其特征在于，当位于尾部区域的像素点为两个时，将与所述身体节点邻近的像素点作为尾部头节点，另一个像素点作为尾部尾节点，根据所述夹角公式分别计算尾部头节点与身体节点的夹角，与尾部头节点和尾部尾结点的夹角，将得到的两个夹角与所述宠物类别结合，确定宠物心情。4.如权利要求1所述的一种基于宠物姿态的心情识别方法，其特征在于，对所述预处理图像和原始图像分别使用不同特征提取网络处理并融合，预测得到宠物类别，包括：对所述预处理图像进行第一特征提取网络处理得到局部特征图像，对所述原始图像进行第二特征提取网络处理得到全局特征图像，将所述全局特征图像和所述局部特征图像分别进行全连接层处理，得到对应的一维向量，对所述一维向量进行分类器计算，分别得到与预先设置的类别标签对应的类别概率；将相同类别标签对应的全局特征图像的类别概率和局部特征图像的类别概率进行加权求和，得到融合后类别概率；选择融合后类别概率最大值对应的类别作为宠物识别结果。5.如权利要求1所述的一种基于宠物姿态的心情识别方法，其特征在于，对所述原始图像进行灰度化处理，得到灰度化图像，包括：基于RGB三通道对原始图像进行特征降维，对每个通道的像素值赋予不同的权重系数，
实现图像的灰度化处理，得到灰度化图像，灰度化公式为：Y
i
=0.3R
i
+0.59G
i
+0.11B
i
其中，i表示当前图像像素值，Y表示灰度值，R表示R通道像素值，G表示G通道像素值，B表示B通道像素值。6.如权利要求1所述的一种基于宠物姿态的心情...
【专利技术属性】
技术研发人员：吴琎，何振东，
申请(专利权)人：北京猫猫狗狗科技有限公司，
类型：发明
国别省市：
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。