[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

说明书

本发明提供一种基于卷积神经网络的动物体表温度检测方法及装置。所述方法包括：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。本发明能提高动物体表温度检测的准确性和实时性。

技术领域

本发明涉及图像检测技术领域，更具体地，涉及一种基于卷积神经网络的动物体表温度检测方法及装置。

背景技术

地球上的一些动物，在生命活动中的生理和病理过程中与人类有很多相似之处，并可互为参照，尤其是猪作为一种大型动物，与人类关系亲密且具有很多相似之处。因此，研究动物尤其是猪的健康状况对认识人类的生命规律具有重要价值。

近年来，以机器学习为主导的人工智能发展迅速，在众多研究领域中都取得了重大突破。图像检测技术在人工智能领域中是一个重要的研究热点和难点。体表温度作为动物的表型特征之一，可反映出模动物的健康状况，因此动物的体表温度检测是一个重要的研究方向。

由于动物的姿态各异，可见光图像容易受到光照和复杂的饲养环境的影响，以及动物互相遮挡等因素，动物体表温度检测一直是图像检测领域研究的难点，因此研究动物体表温度检测的鲁棒性算法是非常重要的。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于卷积神经网络的动物体表温度检测方法及装置。

根据本发明的一个方面，提供一种动物体表温度检测方法，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。

进一步，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提取特征值，获得所述第一图像特征图。

进一步，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，