[发明专利]一种基于梯形区域归一化像素差异特征的猪脸检测方法有效

专利信息
申请号: 202110651417.4 申请日: 2021-06-10
公开(公告)号: CN113283378B 公开(公告)日: 2022-09-27
发明(设计)人: 许水清;何启航;陶松兵;刘锋;郑浩东 申请(专利权)人: 合肥工业大学
主分类号: G06V40/10 分类号: G06V40/10;G06V10/774;G06V10/764
代理公司: 合肥和瑞知识产权代理事务所(普通合伙) 34118 代理人: 王挺
地址: 230009 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 梯形 区域 归一化 像素 差异 特征 检测 方法
【说明书】:

发明公开了一种基于梯形区域归一化像素差异特征的猪脸检测方法,属于图像处理领域。该方法包括通过猪脸检测模型的训练得到猪脸检测器,并利用猪脸检测器进行猪脸的检测,在猪脸检测模型中利用了基于梯形区域归一化像素差异特征提取方法。相比于传统的归一化像素差异特征提取方法,有着更好的检测效果,且不再要求数据库中必须包含各种姿态的猪脸且数量分布均匀,降低了采集数据的难度。该方法对面部比较脏的猪脸有着不错的检测效果,对角度变化的猪脸检测表现着较好的鲁棒性。

技术领域

本发明涉及图像处理领域,尤其涉及一种基于梯形区域归一化像素差异特征的猪脸检测方法。

背景技术

近年来,现代畜牧业不断向规模化和集约化的方向发展,动物疫病、动物行为异常等动物健康福利问题也越来越严重。随着互联网技术的进步,智慧农业和自动化养殖的发展,传统的养猪行业也开始向高科技养殖模式转变,大规模集成化养殖进程明显加快,多种先进技术应用于大规模养猪场,打造无人化养猪工厂成为行业的发展趋势。而人工智能养猪中有个很重要的环节,就是猪脸的检测,这对猪疫病的防护是很重要的,是猪脸识别的基础,能监视出是哪一头猪患了疾病。

猪脸检测作为人工智能养猪的重要基础环节,为猪场管理提供实时准确的数据支持,对推动现代化猪场管理和快速发展有着巨大的推动作用。

由于猪脸和人脸结构上的很多区别,比如猪脸的各个部位不在同一个平面上,不像人脸近似可以看成是一个平面;同时,猪的生活环境并不是十分干净的,猪会把自己的脸弄的脏兮兮的,容易遮盖本来的面部特征,这些也会给猪脸检测带来了很大的困难;同时,对于自然的猪场环境,光照强度的一些变化,也会对猪脸的检测造成一定的影响;另外,猪并不会像人一样,配合着进行检测,偏航角和仰角也会对我们的检测造成影响,所以开发的检测器应能尽可能多的检测出多个角度的猪脸。这些原因会导致将人脸检测算法直接应用到猪脸检测领域会有着不乐观的效果。

综上所述,猪脸检测技术存在以下问题:

1、猪脸更像是一个三维空间,人脸更像是一个平面。人脸检测算法直接应用到猪脸上效果不是很好。

2、猪脸通常都是比较脏的,会掩盖猪脸本来的特征,对特征提取会造成一定的干扰。

3、猪场的复杂环境和光照强度,会对猪脸检测造成一定的影响。

4、当对猪进行面部检测时,猪并不能像人一样,配合着进行检测,正脸姿态会有很多种,会出现许多偏航角度和仰角,对特征提取会造成一定的影响。传统的基于归一化像素差异特征的检测方法,基于像素点计算,所描述的特征过细,以此特征训练猪脸模型时,猪脸检测的召回率严重依赖训练数据库,训练样本集需覆盖所有的可能的猪脸姿态,且每一种姿态的猪脸样本数量需分布均匀,才能对各种变化下的猪脸实现准确检测,否则当猪脸正样本数据集中不包含某一角度的猪脸或者该角度下的猪脸样本数量较少时,所得模型对这一角度下的猪脸检测效果会明显下降。然而在实际操作中,构建一个猪脸姿态、表情等变化齐全,各种猪脸变化的数据分布均匀的数据集难度较大,再加上采集猪脸数据本来就是一个比较困难的工作,对数据集的制作有着很大的考验。

发明内容

针对现有技术的不足,本发明的主要目的在于提出一种新的猪脸特征提取算法,解决上述现有技术中存在的问题。具体地,利用改进的基于梯形区域归一化像素差异特征,对输入图像进行特征提取,得到图像的特征向量,特征向量输入到由深度二次树级联形成的猪脸分类器中,进行猪脸和非猪脸的分类。与传统方法相比,能够用较少的样本图像实现更多角度猪脸的检测,同时对于自然场景下的猪脸和肮脏的猪脸都有着不错的检测率,实现具有检测精度高、泛化能力强,鲁棒性好的猪脸检测器。

为达到上述目的,本发明提供了一种基于梯形区域归一化像素差异特征的猪脸检测方法,包括通过猪脸检测模型的训练得到猪脸检测器,并利用猪脸检测器进行自然场景下猪脸图像的检测,具体包括以下步骤:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110651417.4/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top