[发明专利]一种基于堆叠沙漏网络的单只猪体姿态识别系统及方法

权利要求书

1.一种基于堆叠沙漏网络的单只猪体姿态识别系统,其特征在于，包括：

数据集处理模块，用于根据具体的增强参数实现数据增强和提供的关节点列表完成图像标注操作，并且展示原始和数据增强后的图像且提供增强后对应改变的标注数据信息；

猪体姿态估计模块，用于获取单只猪体的姿态信息，基于堆叠沙漏网络框架而设计，用于设定模型训练时的参数，不同沙漏结构间的连接方式和参与连接的沙漏结构并进行模型推理和展示模型的预测结果，该预测结果包括定量和可视化结果；所述定量结果包括误差和度量标准,所述度量标准指以头部大小的50％作为阈值的正确关节点比例；所述可视化结果指以采用图示方式展示猪体的姿态估计结果和模型输出的中间结果，即指关节点的热力图heatmap；

猪体姿态识别模块，用于基于猪体姿态估计模型预测的姿态数据和分类标签，实现猪体姿态的分类，具有模型训练和推理的功能，通过设定训练参数可得到单只猪体姿态的分类结果。

2.一种使用权利要求1所述的识别系统的单只猪体姿态识别方法，其特征在于，包括以下步骤：

步骤1、在养殖场内，采用人工拍摄获取图像和视频数据并且通过网络爬虫在各个图像网站获取猪只图像数据，经对原始的视频和图像数据的预处理及筛选形成图像数据集；

步骤2、用标注软件对图像数据集进行标注操作以得到对应的标签文件，至此得到初始数据集；

步骤3、对步骤1中所述的图像数据集进行数据增强操作，步骤2中所述的标注数据需对应改变以实现数据集的扩充，形成用于模型学习的数据集；

步骤4、以堆叠沙漏网络为框架构建卷积神经网络模型以实现单只猪体姿态估计，其中，利用多次堆叠沙漏结构学习图像语义和多尺度特征，其中通过卷积和池化层的堆叠进行图像语义学习，利用对称的沙漏结构进行多尺度特征学习并且增加不同沙漏结构间的跨阶段连接为缓解可能的信息损失；输入步骤3中所获得的用于模型学习的数据集，根据所述单只猪体姿态估计模型所学的猪体各个关节点之间的空间信息和图像的语义信息，生成单只猪体各个关节点坐标，即形成猪体姿态；

步骤5、构建分类模型，根据步骤4中形成的猪体姿态数据和所设定的类别标签，经多层的卷积神经网络学习获取图像的语义信息，生成猪体姿态类别。

3.根据权利要求2所述的识别方法，其特征在于，所述步骤1中视频和部分图像数据是采用型号为SONY SELP1650(25fps)设备拍摄获得的且分辨率为1920×1080，部分图像来源于网站；通过对采集的视频和图像数据分别进行预处理，设定单位间隔实现视频分帧操作并进行结构相似度分析以避免数据集中存在相似图像导致冗余信息，并通过人工筛选去除不包含完整姿态且拍摄视角偏离侧视要求的图像数据形成图像数据集。

4.根据权利要求3所述的识别方法，其特征在于，所述步骤2进一步包括利用标注软件对步骤1所形成的图像数据集中的每张图像中位于中间的单只猪进行点标注，选用16个关节点来表示猪体姿态，其中，四个肢体共12个关节点，即脚腕，膝盖，肘关节各4个关节点，鼻子、头部、肩部、尾部各1个关节点；所述的初始数据集包括图像数据集和.txt格式的标签文件。

5.根据权利要求4所述的识别方法，其特征在于，步骤3中所述数据增强操作包括利用水平翻转、旋转、尺度变化，颜色扰动来丰富数据集。