【技术实现步骤摘要】
本专利技术属于动物行为分析，具体涉及一种实验动物近景识别方法及系统。
技术介绍
1、大脑之所以值得研究，是因为它负责行为，在测量和量化自然行为方面的技术对脑科学的发展而言至关重要。研究动物大脑及其控制和影响行为的方式，可以使我们获得关于人类大脑工作原理的启发。因此，计算行为学应运而生。
2、计算行为学的第一步是对姿态进行识别，目前主流的方法是神经网络直接对视频数据进行训练，即直接将采集视频送入神经网络模型进行训练，选择将未经任何处理的原视频作为训练输入，简化了视频数据的处理难度，在一定程度上的确提高了执行的简便性。
3、但是，在实际的使用中，这些现有的技术存在着不少的缺点，由于笼具环境的实验动物活动与实验环境的理想拍摄状态不同，笼具环境的近景拍摄情形会导致拍摄视频中的大幅放缩变换，神经网络模型在这种情况下难以得出理想结果甚至完全失效；笼具中同时存在着复杂的遮挡环境，收集单角度视频数据很容易出现实验动物进入摄像盲区的情况，神经网络模型在这种情况下同样无法进行合理处理得出有效结果。
4、此外，如果想要通过增加标注数据量的方式来克服近景环境下存在的视频畸变问题，则标注工作量将大幅增加，抵消了缺省视频数据处理的简便性，同时容易产生过拟合的情况，训练出无法正常使用的神经网络模型。
技术实现思路
1、为了克服上述现有技术的缺陷，本专利技术通过多个摄像机对实验动物行为视频进行采集，解决近景空间下的严重畸变和复杂遮挡问题，通过建立准确的近景空间坐标系与双机位交互
2、步骤a、基于至少两个处于不同方位的所述摄像机和所述近景环境建立空间坐标系；
3、步骤b、将所述实验动物置于所述近景环境中，通过至少两个处于不同方位的所述摄像机同时录制视频；
4、步骤c、基于所述空间坐标系和所述视频，通过近景畸变校正计算所述实验动物的活动区域，获得归一化的平行投影图像；
5、步骤d、将所述平行投影图像输入至神经网络模型中进行训练和识别，还原映射识别结果，得到原始视频中所述实验动物的姿态识别结果。
6、具体地，所述步骤a包括：
7、预先对至少两个处于不同方位的所述摄像机进行广角畸变校正后，固定所述近景环境和至少两个处于不同方位的所述摄像机的拍摄点位，获取所述近景环境与所述拍摄点位的精确坐标。
8、进一步地，所述“获取近景环境与拍摄点位的精确坐标”包括：
9、在所述近景环境中选择远离中心点的标志点，确定所述标志点在所述空间坐标系中的坐标，观察所述标志点在通过所述摄像机获得的图像中的位置，计算出所述图像与真实环境的距离比例作为所述摄像机的参数，在使摄像机互为补充的同时增加了提示性信息，有利于神经网络模型姿态识别的全时段有效覆盖。
10、具体地，所述步骤c包括：
11、使用图像处理方法，对所述摄像机取得的视频数据进行逐帧处理，提取至少两个处于不同方位的所述摄像机同一时刻拍摄的图像；
12、通过对所述图像的背景进行减除操作，获取所述实验动物在所述图像中的区域；
13、根据所述实验动物在图像中的区域与所述摄像机的参数，计算出所述实验动物在单个所述摄像机的坐标点各自的投影空间；
14、将至少两个处于不同方位的所述摄像机的投影空间结合，根据投影空间的重合部分，得到所述实验动物所在的空间区域；
15、计算所述空间区域在每个所述摄像机下的透视投影变换以及在所述摄像机连线方向上的平行投影变换，获得所述摄像机拍摄的图像与平行投影图像之间的变换关系；
16、基于所述变换关系，对所述实验动物的图像进行相同变换，得到所述实验动物的平行投影图像。
17、优选地，得到所述实验动物所在的空间区域后，对所述空间区域进行近似处理，得到所述实验动物的近似空间区域；获得所述变换关系的计算基于所述近似空间区域求得。
18、具体地，所述还原映射包括对步骤c的逆向变换。
19、具体地，所述识别结果包括平行投影下的所述实验动物的姿态数据，由归一化的所述平行投影图像串联，作为新的视频数据交由智能模型对所述实验动物的各部位进行识别得到。
20、可选地，至少两个处于不同方位的所述摄像机的拍摄方向正交。
21、优选地，其特征在于，所述空间坐标系以所述近景环境邻近所述摄像机的底部定点或至少两个处于不同方位的所述摄像机沿法线方向的交点在所述近景环境底部平面的正投影点为原点，以任一所述摄像机的拍摄方向的平行方向作为水平正方向，竖直向上方向作为竖直正方向建立，以使近景环境完全落于建立的空间坐标系的第一象限中。
22、本专利技术还提出了一种实验动物近景识别系统，用于实现前文所述的方法。
23、本专利技术至少具有以下有益效果：
24、本专利技术提供了一种实验动物近景识别方法，通过多个摄像机对实验动物行为视频进行采集，解决近景空间下的严重畸变和复杂遮挡问题，降低了实验动物完全进入摄像盲区的概率，通过转换平行投影的方式改善了图像的质量，具有较好的通用性；
25、进一步地，本专利技术提出的方法通过建立使近景环境置于第一象限内的空间坐标系、对空间区域进行近似处理等方式，降低了整体的计算难度，同时提高了图像处理的精确度。
26、以此，本专利技术提供了一种实验动物近景识别方法及系统，方法利用多个摄像机的空间位置关系信息，实现了对近景环境实验动物图像的畸变校正、从大尺度放缩变换透视投影图像到平行投影图像的归一化，生成了神经网络模型可以处理的视频数据，能够给出有效的姿态识别结果，同时大大降低了实验动物完全进入摄像盲区的概率，在互为补充的同时增加了提示性信息，有利于神经网络模型姿态识别的全时段有效覆盖。此外，将随距离变化产生大尺度差异性的透视投影图像转化为归一化的平行投影图像，提升了标注数据的扩展性与有效性，能够显著减少达到相同识别水平技术的标注数据量，有效节省了人力劳动，提高了普适性与通用性。
本文档来自技高网...【技术保护点】
1.一种实验动物近景识别方法，应用于设置在近景环境内的实验动物的识别，其特征在于，所述近景环境内设置有至少两个处于不同方位的摄像机，所述方法包括：
2.根据权利要求1所述的实验动物近景识别方法，其特征在于，所述步骤A包括：
3.根据权利要求2所述的实验动物近景识别方法，其特征在于，所述“获取近景环境与拍摄点位的精确坐标”包括：
4.根据权利要求3所述的实验动物近景识别方法，其特征在于，所述步骤C包括：
5.根据权利要求4所述的实验动物近景识别方法，其特征在于，得到所述实验动物所在的空间区域后，对所述空间区域进行近似处理，得到所述实验动物的近似空间区域；获得所述变换关系的计算基于所述近似空间区域求得。
6.根据权利要求1或4所述的实验动物近景识别方法，其特征在于，所述还原映射包括对步骤C的逆向变换。
7.根据权利要求1所述的实验动物近景识别方法，其特征在于，所述识别结果包括平行投影下的所述实验动物的姿态数据，由归一化的所述平行投影图像串联，作为新的视频数据交由智能模型对所述实验动物的各部位进行识别得到。
...【技术特征摘要】
1.一种实验动物近景识别方法，应用于设置在近景环境内的实验动物的识别，其特征在于，所述近景环境内设置有至少两个处于不同方位的摄像机，所述方法包括：
2.根据权利要求1所述的实验动物近景识别方法，其特征在于，所述步骤a包括：
3.根据权利要求2所述的实验动物近景识别方法，其特征在于，所述“获取近景环境与拍摄点位的精确坐标”包括：
4.根据权利要求3所述的实验动物近景识别方法，其特征在于，所述步骤c包括：
5.根据权利要求4所述的实验动物近景识别方法，其特征在于，得到所述实验动物所在的空间区域后，对所述空间区域进行近似处理，得到所述实验动物的近似空间区域；获得所述变换关系的计算基于所述近似空间区域求得。
6.根据权利要求1或4所述的实验动物近景识别方法，其特征在于，所述还原映射包括对步骤c...
【专利技术属性】
技术研发人员：冯润，黄康，韩亚宁，蔚鹏飞，王立平，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。