[发明专利]基于卷积神经网的动物体表温度检测方法及装置

权利要求书

1.一种动物体表温度检测方法，其特征在于，包括：

利用具有仿射不变性的最大稳定极值区域MSER特征描述子对动物的原始图像进行特征提取，获得第一图像特征图；

将所述动物的热红外图像与所述第一图像特征图进行配准，获得第二图像特征图；

将所述第一图像特征图与所述第二图像特征图进行叠加，根据叠加后的特征融合图获得候选目标区域；

将所述候选目标区域输入卷积神经网络，获得动物体表温度的检测结果；

所述卷积神经网络包括三个卷积层，三个池化层，三个全连接层；所述将所述候选目标区域输入卷积神经网络，获得动物体表温度的检测结果，具体包括：

第一层卷积层使用96个卷积核大小为11×11，步长为4的卷积滤波器进行滤波；第二层卷积层使用256个卷积核大小为5×5，步长为1的卷积滤波器进行滤波；第三层卷积层使用384个卷积核大小为3×3，步长为1的卷积滤波器进行滤波；

将所述第一层卷积层、所述第二层卷积层以及所述第三层卷积层的滤波结果送入最大池化层，所述最大池化层设定池化窗口为3×3，步长为2；

将所述最大池化层的输出结果通过三个全连接层得到动物体表温度的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述利用具有仿射不变性的最大稳定极值区域MSER特征描述子对动物的原始图像进行特征提取，获得第一图像特征图，具体包括：

将所述原始图像转换成第一灰度图像，根据所述第一灰度图像提取最大稳定极值区域，获得不规则区域；

对所述不规则区域进行椭圆拟合，根据拟合的椭圆的中心二阶矩取特征值，获得所述第一图像特征图。

3.根据权利要求2所述的方法，其特征在于，所述对所述不规则区域进行椭圆拟合，根据拟合的椭圆的中心二阶矩提取特征值，获得所述第一图像特征图，具体包括：

基于所述不规则区域内的每个像素点，计算每个像素点几何0阶矩和几何1阶矩，获得椭圆的中心(x_c,y_c)如下：

其中，m₀₀＝∑I(x,y),m₀₁＝∑yI(x,y),m₁₀＝∑xI(x,y)，其中，I(x,y)表示所述不规则区域内的像素点的灰度值，x为x轴方向的灰度值，y为y轴方向的灰度值，m₀₀为几何0阶矩，m₀₁和m₁₀为几何1阶矩；

获取椭圆的每个像素点的中心二阶矩，如下：

其中，

u₂₀＝∑(x-x_c)²I(x,y),u₀₂＝∑(y-y_c)²I(x,y),u₁₁＝∑(x-x_c)(y-y_c)I(x,y)；

根据所述中心二阶矩计算每个像素点的两个特征值λ₁和λ₂，如下：

根据所有像素点的特征值λ₁和λ₂获得所述第一图像特征图。

4.根据权利要求1所述的方法，其特征在于，所述将所述动物的热红外图像与所述第一图像特征图进行配准，获得第二图像特征图，具体包括：

将所述热红外图像转换成第二灰度图像；

通过仿射变换方式对所述第二灰度图像与所述第一图像特征图进行配准，得到所述热红外图像的图像特征图，其中仿射变换的公式为：

其中，x₁为第一特征图像的x方向的值、y₁为为第一特征图像的y方向的值，x₂为第二特征图像的x方向的值、y₂为为第二特征图像的y方向的值，t_x为x方向的平移值、t_y为为y方向的平移值，s为缩放尺度，θ为以(x，y)为轴心逆时针旋转角度。