[发明专利]一种计算机视觉猪只关键点识别方法

权利要求书

1.一种计算机视觉猪只关键点识别方法，其特征在于，包括以下步骤：

步骤1，采集猪只的图像数据，对所述图像数据中的猪轮廓的内部的关键点采集检测；

步骤2，剔除图像数据中的异常图片,获取目标图像；

步骤3，利用开源目标检测模型处理目标图像,以获取密集场景下、视野范围内所有目标猪只的方框坐标，具体如下：

将目标图像的数据与yolov4目标检测模型匹配；

通过yolov4目标检测模型处理目标图像，获取推理结果，并根据推理结果，得到所有猪只的方框坐标及置信概率；

将猪只的方框坐标进行置信概率处理，过滤掉置信概率小于0.3的猪只的方框坐标，获取目标猪只的方框坐标；

步骤4，提取所有目标猪只的方框坐标，形成逐个单猪只图片；

步骤5，通过深度神经网络处理单猪只图片获取特征映射，并利用特征映射得到猪只关键点位置坐标，通过猪只关键点位置坐标判断猪只健康情况，以识别病猪；其中，单猪只图片先通过resize图片变换算法转换成224x224大小的单猪只图片，再将单猪只图片输入到训练好的resnet50深度神经网络，resnet50深度神经网络或通过一系列的卷积操作和池化操作把单猪只图片运算成20x24x48的特征映射，且20x24x48中20对应20个关键点，24x48的子数组对应每个关键点的特征映射；从每个所述特征映射中找出峰值，其中峰值大于阈值0.5的特征映射为目标关键点，并利用目标关键点坐标反算目标图像尺寸，目标图像尺寸即为猪只关键点位置坐标。

2.根据权利要求1所述的一种计算机视觉猪只关键点识别方法，其特征在于，所述异常图片包括光照异常图片、模糊异常图片、有雾气异常图片和角度异常图片。

3.根据权利要求2所述的一种计算机视觉猪只关键点识别方法，其特征在于，上述步骤2包括：

通过opencv和图像HSV值处理异常图片，以剔除光照异常图片；

将异常图片转为灰度图且平均划分为4块区域，每块区域通过拉普拉斯计算的固定值，以剔除所述模糊异常图片；

通过最小值滤波处理异常图片，以剔除有雾气异常图片；

通过FastLineDetector直线处理异常图片，剔除角度异常图片。

4.根据权利要求1所述的一种计算机视觉猪只关键点识别方法，其特征在于，上述步骤4包括：

对所述目标猪只的方框坐标反算回到所述目标图像的矩阵中,按照目标边框位置索引取出像素值；

在所述目标图像中像素值使用yolov4计算后的坐标进行像素索引得到目标区域，以使所述目标猪只的方框坐标中，所述目标区域中任一张图片中的每个目标猪只都形成一张单猪只图片。

5.根据权利要求1所述的一种计算机视觉猪只关键点识别方法，其特征在于，所述目标关键点坐标反算目标图像尺寸的处理包括：所述目标关键点坐标为(x,y),对应猪只目标检测框左上角坐标为(x0,y0)，则所述目标图像中猪只关键点位置坐标为(x0+x,y0+y)。

6.根据权利要求1所述的一种计算机视觉猪只关键点识别方法，其特征在于，上述的猪只关键点包括: 猪只的左耳、右耳、后劲中心、脊背前点、脊背中点、脊背尾点、左后髋关节点、左后膝关节点、左后踝关节点、左前踝关节点、左前膝关节点、左前髋关节点、右后踝关节点、右后膝关节点、右后髋关节点、右前髋关节点、右前膝关节点、右前踝关节点和腹部中心。