[发明专利]基于卷积神经网络对图像中猪只的多部位检测与关联方法

说明书

本发明专利涉及体型测量技术领域，尤其为基于卷积神经网络对图像中猪只的多部位检测与关联方法，包括以下步骤：获取包含猪只的初始图像，并对初始图像中猪只的部位进行像素点标记，其中，标记的部位包括猪只的尾巴，肩膀，左耳和右耳，本发明通过使用一种新的自下而上的策略，用于检测图像中猪只的位置和方位，全卷积神经网络的目标输出是每个猪只部分部位位置的图像通道空间表示，然后通过计算将它们关联成完整猪只实例，通过相比于穿戴设备方法更加方便，更容易维护，且对于猪只来说，这是一种非侵入性的检测，通过使用高斯核表示被像素点标记的猪只部位，可以表示出每个被标记的猪只部位的不确定性程度。

技术领域

本发明专利涉及图像目标检测的技术领域，具体为基于卷积神经网络对图像中猪只的多部位检测与关联方法。

背景技术

猪只行为的变化常常与健康的变化有关，然而劳动密集型监测行为的方法并不适合现代商业养猪设施，猪只养殖场工作人员几乎不可能用人工观察来彻底评估猪只个体，且人类视觉评估的有效性受到主观性的限制，精密畜牧养殖通过将现代技术应用于养殖场，旨在减轻人工个体的负担，并为持续自动监测个别动物提供解决方案，在过去的二十年中，研究人员从多个不同的角度来研究这个问题，这包括通过可穿戴的超宽带设备进行三维跟踪，全球定位系统，惯性测量单位活动跟踪器，RFID耳标以及使用深度摄像机进行无探测跟踪。

虽然使用无线电识别装置的动物追踪方法可直接提供个别动物的数据，但与基于图像的方法相比，使用可穿戴方法有几个缺点，可穿戴设备必须经得起恶劣的环境，它们需要在每只猪只的基础上进行昂贵的安装和维护，而且定位系统的定位精度通常太低，无法检测动物的方位，相反，图像已经提供了信息丰富的数据，能够准确地检测每只猪只在任何时候处在什么位置和方位，然而，如何将图像转换成有意义的数据是需要考虑的问题。

发明专利内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于卷积神经网络对图像中猪只的多部位检测与关联方法，该方法使用一种新的自下而上的策略，用于检测图像中猪只的位置和方位，全卷积神经网络的目标输出是每个猪只部分部位位置的图像通道空间表示，然后通过计算将它们关联成完整猪只实例。

为实现上述目的，本发明专利提供如下技术方案：基于卷积神经网络对图像中猪只的多部位检测与关联方法，包括以下步骤：

步骤1：获取包含猪只的初始图像，并对初始图像中猪只的部位进行像素点标记，其中，标记的部位包括猪只的尾巴，肩膀，左耳和右耳；

步骤2：将对猪只部位进行像素点标记后的初始图像映射到与初始图像大小相等的4通道输出，其中通道1、通道2、通道3、通道4分别代表像素点标记的左耳、右耳、肩膀和尾巴部位，并以标记的像素点为中心对通道1-4 进行高斯滤波处理，像素点使用高斯核表示；

步骤3：将对猪只部位进行像素点标记后的初始图像映射到与初始图像大小相等的12通道输出，使用二维矢量相互关联被标记的猪只部位，其中通道 5-8代表左耳到肩膀的双向矢量，通道9-12代表右耳到肩膀的双向矢量，通道13-16代表肩膀到尾部的双向矢量；

步骤4：将初始图像映射的共16通道通过计算转换为整体猪只对象；

步骤5：训练一个能将猪只的初始图像映射到与初始图像大小相等的16 通道的全卷积神经网络，实现将猪只的初始图像输入进训练完成后的全卷积神经网络时，该卷积神经网络能自动对图像中的猪只进行多部位检测与关联，并通过计算检测出整体猪只对象。