一种猪只行为识别方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种猪只行为识别方法、装置及存储介质，方法包括：获取待识别的特征图像，根据预设的猪只行为识别模型对特征图像进行识别，以使所述猪只行为识别模型对特征图像进行维度折叠提取，得到一维的图像特征向量，并根据预设的编码网络对所述图像特征向量进行特征信息提取，获得特征信息，并根据预设的解码网络对特征信息进行行为信息提取，获得行为信息，并根据FFN网络，对行为信息运算，得到若干个预测框，通过计算二分匹配损失函数，使得预测框和真实框之间产生最优的二分匹配，在所述特征图像上生成识别框，输出带有所述识别框的特征图像。通过机器对猪只的行为进行自动识别，提高对猪只行为识别准确率。提高对猪只行为识别准确率。提高对猪只行为识别准确率。

【技术实现步骤摘要】
一种猪只行为识别方法、装置及存储介质


[0001]本专利技术涉及计算机视觉领域，尤其涉及一种猪只行为识别方法、装置及存储介质。

技术介绍

[0002]通过对猪只行为的观察分析，能够对猪只的生长过程中出现的疾病进行干预。传统的猪只行为观测是依赖大量的人力去进行，并且无法做到24小时不间断检测。随着城市化的到来，劳动力出现大量的短缺，所以继续采取大量的劳动力发展养殖业变得越发的不切实际，因此，需要通过机器对猪只的行为进行自动识别，而计算机视觉是研发自动识别行为机器的关键技术。
[0003]现有的猪只行为识别技术利用在猪只个体身上安装传感器来记录参数，以此来进行对猪只行为识别。虽然安装传感器能够记录多个参数，但是每个传感器只能记录单个猪只的行为数据，无法同时记录多个猪只的行为信息。因此，对于大型养殖场来说就需要大量的传感器，从而养殖成本大幅提高。其次，将传感器安装在猪只的身上，可能会对猪只产生一定的伤害，产生异常行为影响猪只行为的观测。并且，猪只也具有一定的攻击行为，猪只之间的触碰会导致传感器损坏，这也会相应的增加养殖成本。

技术实现思路

[0004]本专利技术提供了一种猪只行为识别方法、装置及存储介质，以解决提高对猪只行为识别准确率的技术问题。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种猪只行为识别方法，包括获取待识别的特征图像；其中，所述待识别的特征图像是从猪只图像采集设备上提取出来的；
[0006]根据预设的猪只行为识别模型对所述特征图像进行识别，以使所述猪只行为识别模型对所述特征图像进行维度折叠提取，得到一维的图像特征向量，并根据预设的编码网络、设置的位置编码和所述图像特征向量，对所述图像特征向量进行特征信息提取，获得特征信息，并根据预设的解码网络、设置的目标查询向量和所述位置编码，对特征信息进行行为信息提取，获得行为信息，并根据FFN网络，对行为信息运算，得到若干个预测框，通过计算二分匹配损失函数，使得所述预测框和真实框之间产生最优的二分匹配，在所述特征图像上生成识别框，输出带有所述识别框的特征图像；其中，所述识别框包括矩形框、猪只预测行为信息和猪只预测位置信息。
[0007]作为优选方案，本专利技术通过在预设的猪只行为识别模型中对一维的图像特征向量输入预设编码和解码网络进行特征和行为信息的提取，该编码和解码网络具有训练收敛速度快的特点，对图像特征识别准确率进行提高。同时，编码和解码网络的输出经过FFN得到预测框，该方法避免了传统的方法中，预先设置大量的锚框，最后通过非极大抑制滤除检测不准的框而产生的巨大的计算量，提高图像特征识别的准确率。使得整个猪只行为识别模型对图像特征识别准确率提高。
[0008]作为优选方案，所述猪只行为识别模型对所述特征图像进行维度折叠提取，得到
一维的图像特征向量，具体为：
[0009]将特征图像输入提取网络，获得图像特征，并将所述图像特征输入1x1卷积层，输出一维的图像特征向量。
[0010]作为优选方案，本专利技术通过1x1的卷积层减小特征图的通道维度，进而减小网络的计算量。
[0011]作为优选方案，所述根据预设的编码网络、设置的位置编码和所述图像特征向量，对所述图像特征向量进行特征信息提取，获得特征信息，具体为：
[0012]将所述图像特征向量输入第一编码子模块的Norm层，将所述Norm层的输出结果输入第一编码子模块的全连接层和第二Add&Norm模块；
[0013]将设置的位置编码和所述图像特征向量进行相加，获得第一加权和向量，将所述第一加权和所述向量和所述图像特征向量输入Mutil
‑
HeadSelf
‑
Attention模块中作为第一编码子模块的输入向量，将所述输入向量和所述图像特征向量输入第一Add&Norm模块输出经过所述全连接层，然后再输入所述第二Add&Norm模块，获得第一编码子模块输出；
[0014]上一个编码子模块的输出作为下一个编码子模块的图像特征向量输入到下一个编码子模块中，最后一个编码子模块的输出特征信息，将若干个编码子模块构建成编码网络。
[0015]作为优选方案，本专利技术通过编码子模块结构的改进，每个编码子模块的输入经过一个Norm层与FFN的输出相加，然后再输入Add&Norm模块。将第一个编码子模块的输入与最后一个编码子模块的输出相加，然后再进行Norm层，该编码网络提取的特征信息进一步融合，保留了更多的原始特征信息，更大程度上避免了原始特征的丢失，该编码网络具有训练收敛速度快的特点，对图像特征识别准确率进行提高。
[0016]作为优选方案，所述根据预设的解码网络、设置的目标查询向量和所述位置编码，对特征信息进行行为信息提取，获得行为信息，具体为：
[0017]将所述目标查询向量与自身进行相加，获得的第二加权和向量，将所述目标查询向量和所述第二加权和向量输入到第一解码子模块的第一Mutil
‑
HeadSelf
‑
Attention模块中构成第一解码子模块的第一输入向量，将所述第一输入向量和所述目标查询向量输入第一Add&Norm模块，将所述第一Add&Norm模块的输出结果与所述目标查询向量进行相加，获得第三加权和向量；
[0018]将第三加权和向量与所述特征信息、所述特征信息与所述位置编码相加获得的第四加权和向量输入第一解码子模块的第二Mutil
‑
HeadSelf
‑
Attention模块中构成第一解码子模块的第二输入向量，将所述第二输入向量和所述第一Add&Norm模块的输出结果输入所述第二Add&Norm模块中，所述第二Add&Norm模块的输出结果经过第一解码子模块的全连接层，然后再输入第一解码子模块的第三Add&Norm模块中，输出获得第一解码子模块输出；
[0019]将上一个解码子模块的输出作为下一个解码子模块的目标查询向量，输入下一个解码子模块中，最后一个解码子模块的输出为所述行为信息，将若干个解码子模块构建成解码网络。
[0020]作为优选方案，本专利技术通过解码子模块结构的改进，该解码网络具有训练收敛速度快的特点，对图像特征识别准确率进行提高。
[0021]作为优选方案，所述通过计算二分匹配损失函数，使得预测框和真实框之间产生最优的二分匹配，在所述特征图像上生成识别框，具体为：
[0022]从猪只图像采集设备中按帧取出若干图像，使用矩形框将所述图像中的猪只所在区域进行标注，并根据猪只的行为设置对应的行为标签，获得真实框；其中，所述真实框包括行为标签和位置信息；
[0023]计算真实框与的预测框之间的二分匹配损失函数，当所述二分匹配损失函数收敛时，确定预测框的猪只预测行为信息和猪只预测位置信息，在所述特征图像上生成识别框本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种猪只行为识别方法，其特征在于，包括：获取待识别的特征图像；其中，所述待识别的特征图像是从猪只图像采集设备上提取出来的；根据预设的猪只行为识别模型对所述特征图像进行识别，以使所述猪只行为识别模型对所述特征图像进行维度折叠提取，得到一维的图像特征向量，并根据预设的编码网络、设置的位置编码和所述图像特征向量，对所述图像特征向量进行特征信息提取，获得特征信息，并根据预设的解码网络、设置的目标查询向量和所述位置编码，对特征信息进行行为信息提取，获得行为信息，并根据FFN网络，对行为信息运算，得到若干个预测框，通过计算二分匹配损失函数，使得所述预测框和真实框之间产生最优的二分匹配，在所述特征图像上生成识别框，输出带有所述识别框的特征图像；其中，所述识别框包括矩形框、猪只预测行为信息和猪只预测位置信息。2.如权利要求1所述的猪只行为识别方法，其特征在于，所述猪只行为识别模型对所述特征图像进行维度折叠提取，得到一维的图像特征向量，具体为：将特征图像输入提取网络，获得图像特征，并将所述图像特征输入1x1卷积层，输出一维的图像特征向量。3.如权利要求1所述的猪只行为识别方法，其特征在于，所述根据预设的编码网络、设置的位置编码和所述图像特征向量，对所述图像特征向量进行特征信息提取，获得特征信息，具体为：将所述图像特征向量输入第一编码子模块的Norm层，将所述Norm层的输出结果输入第一编码子模块的全连接层和第二Add&Norm模块；将设置的位置编码和所述图像特征向量进行相加，获得第一加权和向量，将所述第一加权和所述向量和所述图像特征向量输入Mutil
‑
Head Self
‑
Attention模块中作为第一编码子模块的输入向量，将所述输入向量和所述图像特征向量输入第一Add&Norm模块输出经过所述全连接层，然后再输入所述第二Add&Norm模块，获得第一编码子模块输出；上一个编码子模块的输出作为下一个编码子模块的图像特征向量输入到下一个编码子模块中，最后一个编码子模块的输出特征信息，将若干个编码子模块构建成编码网络。4.如权利要求1所述的猪只行为识别方法，其特征在于，所述根据预设的解码网络、设置的目标查询向量和所述位置编码，对特征信息进行行为信息提取，获得行为信息，具体为：将所述目标查询向量与自身进行相加，获得的第二加权和向量，将所述目标查询向量和所述第二加权和向量输入到第一解码子模块的第一Mutil
‑
Head Self
‑
Attention模块中构成第一解码子模块的第一输入向量，将所述第一输入向量和所述目标查询向量输入第一Add&Norm模块，将所述第一Add&Norm模块的输出结果与所述目标查询向量进行相加，获得第三加权和向量；将第三加权和向量与所述特征信息、所述特征信息与所述位置编码相加获得的第四加权和向量输入第一解码子模块的第二Mutil
‑
Head Self
‑
Attention模块中构成第一解码子模块的第二输入向量，将所述第二输入向量和所述第一Add&Norm模块的输出结果输入第二Add&Norm模块中，所述第二Add&...

【专利技术属性】
技术研发人员：毛亮，刘昌乐，杨润娜，朱文铭，张璟楣，
申请(专利权)人：广州国家现代农业产业科技创新中心，
类型：发明
国别省市：