奶牛识别方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种奶牛识别方法、装置、电子设备及存储介质，涉及计算机技术领域。该方法通过获取奶牛的行为特征数据来对奶牛进行识别，由于行为特征数据是一维数据，相比于二维的图像数据来说，在计算时间、数据存储开销上都比较小，然后利用随机卷积核算法进行特征提取，由于随机卷积核算法进行特征提取只使用卷积核进行计算，而不去进行卷积核参数的计算，因此计算开销很低，最后利用分类器对个体特征信息进行分类识别，以识别奶牛的身份信息，从而可以实现对奶牛身份的快速识别，大大提高了识别效率。识别效率。识别效率。

【技术实现步骤摘要】
奶牛识别方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，具体而言，涉及一种奶牛识别方法、装置、电子设备及存储介质。

技术介绍

[0002]近来年，随着计算机技术的不断发展，基于计算机视觉的个体识别技术得到了广泛的应用。在畜牧业中，为了对牧场中的奶牛进行监测，通常可通过神经网络模型来对奶牛进行识别，而这种识别方式需要采集大量奶牛的图像信息，而由于神经网络模型的结构复杂，使得对图像的特征提取往往耗时较长，影响识别效率。

技术实现思路

[0003]本申请实施例的目的在于提供一种奶牛识别方法、装置、电子设备及存储介质，用以改善现有技术中通过图像对奶牛进行识别导致识别效率低的问题。
[0004]第一方面，本申请实施例提供了一种奶牛识别方法，所述方法包括：
[0005]获取奶牛的行为特征数据；
[0006]利用随机卷积核算法对所述行为特征数据进行特征提取，获得所述奶牛的个体特征信息；
[0007]利用分类器对所述个体特征信息进行分类识别，获得所述奶牛的身份信息。
[0008]在上述实现过程中，通过获取奶牛的行为特征数据来对奶牛进行识别，由于行为特征数据是一维数据，相比于二维的图像数据来说，在计算时间、数据存储开销上都比较小，然后利用随机卷积核算法进行特征提取，由于随机卷积核算法进行特征提取只使用卷积核进行计算，而不去进行卷积核参数的计算，因此计算开销很低，最后利用分类器对个体特征信息进行分类识别，以识别奶牛的身份信息，从而可以实现对奶牛身份的快速识别，大大提高了识别效率。
[0009]可选地，所述随机卷积核算法为MiniRocket算法、Rocket算法或MultiRocket算法；
[0010]和/或，所述分类器为随机森林分类器。
[0011]在上述实现过程中，采用上述的算法能够高效提取特征，采用领回归分类器能获得更好的识别效果。
[0012]可选地，所述利用分类器对所述个体特征信息进行分类识别，获得所述奶牛的身份信息，包括：
[0013]利用特征选择方法对所述个体特征信息进行筛选，获得筛选后的个体特征信息；
[0014]利用分类器对筛选后的个体特征信息进行分类识别，获得所述奶牛的身份信息。
[0015]在上述实现过程中，对特征进行筛选后再识别，能够有效减少分类器的数据处理量，提高识别效率。
[0016]可选地，所述获取奶牛的行为特征数据，包括：
[0017]通过佩戴在所述奶牛的颈部上的活动信号采集器获取所述奶牛的行为特征数据，所述行为特征数据为所述奶牛在各种活动行为下所产生的颈部震动信号。如此，可在不影响奶牛活动的情况下进行数据采集，采集更方便。
[0018]可选地，所述利用分类器对所述个体特征信息进行分类识别，获得所述奶牛的身份信息，包括：
[0019]利用多个分类器对所述个体特征信息进行分类识别，获得对应的多个识别结果；
[0020]对所述多个识别结果进行投票，将投票获得的最终识别结果确定为所述奶牛的身份信息。
[0021]在上述实现过程中，利用多个分类器进行分类识别，可进一步提高识别精度。
[0022]可选地，所述获得所述奶牛的身份信息之后，还包括：
[0023]若所述奶牛的身份信息不在预先存储的身份信息库中时，则确定所述奶牛为可疑奶牛，并输出告警提示信息给管理员终端。如此可及时发现奶牛的可疑情况，进而确保奶牛的安全。
[0024]可选地，所述获得所述奶牛的个体特征信息之后，还包括：
[0025]若所述奶牛的身份信息不在预先存储的身份信息库中时，则获取辅助识别信息；
[0026]根据所述辅助识别信息判断所述奶牛是否为可疑奶牛；
[0027]若是，则输出告警提示信息给管理员终端。
[0028]在上述实现过程中，通过辅助识别信息来进一步验证奶牛是否为可疑奶牛，可提高对可疑奶牛识别的准确性。
[0029]第二方面，本申请实施例提供了一种奶牛识别装置，所述装置包括：
[0030]特征获取模块，用于获取奶牛的行为特征数据；
[0031]特征提取模块，用于利用随机卷积核算法对所述行为特征数据进行特征提取，获得所述奶牛的个体特征信息；
[0032]识别模块，用于利用分类器对所述个体特征信息进行分类识别，获得所述奶牛的身份信息。
[0033]第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
[0034]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
[0035]本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0036]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0037]图1为本申请实施例提供的一种奶牛识别方法的流程图；
[0038]图2为本申请实施例提供的一种奶牛的行为特征数据的示意图；
[0039]图3为本申请实施例提供的一种奶牛识别装置的结构框图；
[0040]图4为本申请实施例提供的一种用于执行奶牛识别方法的电子设备的结构示意图。
具体实施方式
[0041]下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0042]需要说明的是，本专利技术实施例中的术语“系统”和“网络”可被互换使用。“多个”是指两个或两个以上，鉴于此，本专利技术实施例中也可以将“多个”理解为“至少两个”。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
[0043]本申请实施例提供一种奶牛识别方法，该方法通过获取奶牛的行为特征数据，这里的行为特征数据是一维数据，相比于二维的图像数据来说，在计算时间、数据存储开销上都比较小，然后利用随机卷积核算法对行为特征数据进行特征提取，获得奶牛的个体特征信息，这里采用随机卷积核算法来提取特征，其进行特征提取本身只使用卷积核进行计算，而不去进行卷积核参数的计算，因此计算开销没有参数学习这一过程，只使用低算力设备就可以进行计算，而且时间开销很低。最后利用分类器对个体特征信息进行分类识别，以识别奶牛的身本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种奶牛识别方法，其特征在于，所述方法包括：获取奶牛的行为特征数据；利用随机卷积核算法对所述行为特征数据进行特征提取，获得所述奶牛的个体特征信息；利用分类器对所述个体特征信息进行分类识别，获得所述奶牛的身份信息。2.根据权利要求1所述的方法，其特征在于，所述随机卷积核算法为MiniRocket算法、Rocket算法或MultiRocket算法；和/或，所述分类器为随机森林分类器。3.根据权利要求1所述的方法，其特征在于，所述利用分类器对所述个体特征信息进行分类识别，获得所述奶牛的身份信息，包括：利用特征选择方法对所述个体特征信息进行筛选，获得筛选后的个体特征信息；利用分类器对筛选后的个体特征信息进行分类识别，获得所述奶牛的身份信息。4.根据权利要求1所述的方法，其特征在于，所述获取奶牛的行为特征数据，包括：通过佩戴在所述奶牛的颈部上的活动信号采集器获取所述奶牛的行为特征数据，所述行为特征数据为所述奶牛在各种活动行为下所产生的颈部震动信号。5.根据权利要求1所述的方法，其特征在于，所述利用分类器对所述个体特征信息进行分类识别，获得所述奶牛的身份信息，包括：利用多个分类器对所述个体特征信息进行分类识别，获得对应的多个识别结果；对所述多个识别结果进行投票，将投票获得的最终识别结果确...

【专利技术属性】
技术研发人员：程晓东，苏晨杰，
申请(专利权)人：内蒙古大学，
类型：发明
国别省市：