[发明专利]一种用于家禽体重估测的姿态关键帧检测方法

说明书

本发明公开了一种用于家禽体重估测的姿态关键帧检测方法。首先通过鸡只彩色图像和鸡只深度图像获得鸡只语义分割模型；对鸡只彩色图像进行分割获得分割掩膜图像，将鸡只彩色图像与分割掩膜图像进行图像与操作获得鸡只彩色分割图；计算分割掩膜图像的轮廓外接矩形，通过比较外接矩形的两条边长，对鸡只彩色分割图的方向进行调整，经过仿射变换操作获得变换后彩色图；将变换后彩色图中鸡头的朝向调整为同一方向；将变换后彩色图输入鸡只关键姿态识别模型，获得待测鸡只姿态类别的检测结果，判断当前帧是否为姿态关键帧。本发明提高了家禽体重的估测精度，克服了人工选取时耗时费力、实时性差的问题。

技术领域

本发明涉及了家禽检测领域的一种家禽体重估测的检测方法，尤其涉及一种用于家禽体重估测的姿态关键帧检测方法。

背景技术

体重是家禽养殖的重要生长指标之一，也是育种环节的重要依据。家禽的体重与经济效益直接相关，体重信息可用于判断家禽最佳出栏时间，以及指导日常饲喂。因此，家禽体重的监测对于饲养人员及时掌握家禽健康状况、适时进行饲养方案调控尤为重要。

目前家禽体重测量可分为三种方法：人工测量法、称重装置法和机器视觉监测法。传统的人工抽样称重耗时、费力，易造成鸡的应激反应，人无法经常性地称重观察其体重变化。称重装置法受养殖环境的影响小且不会引起鸡的应激反应，但此类传感器存在耗电、安装、维护和回收等问题。相比而言，机器视觉监测法具有实时客观、非侵扰性、可维护性强等优点，越来越多的学者利用机器视觉技术在动物体重估测方面展开研究。

深度图像能够反映场景中物体到相机的距离，通过获得家禽的后背高、体积、表面积等三维特征，并将其加入体重预测模型中，可以有效提高家禽体重估测精度。Mortensen等利用Kinect深度相机采集了14-33日龄肉鸡的深度图像，提取了包括日龄、体长、体宽、投影面积和体积等12个特征预测体重，平均相对误差为7.8％。王琳等在Mortensen的基础上，优选了9个特征，测得的平均相对误差为3.3％。但以上方法普遍存在以下问题：由于家禽为非合作对象，体态不定，姿态变化影响体重估测精度，现主要是依靠人工选取合适图像，主观性强且耗时费力，难以实现家禽体重估测自动化。

发明内容

为了解决背景技术中存在的问题，本发明提供了基于SE-ResNet神经网络确定家禽理想姿态以提高家禽体重估测精度的方法。本发明解决其技术问题所采用的技术方案如下：

姿态关键帧检测方法包括以下步骤：

1)在不同时段获取单只鸡的多幅鸡只彩色图像和多幅鸡只深度图像，依次读取当前帧的鸡只彩色图像和鸡只深度图像，分别获得当前帧鸡只彩色图像中的鸡只情况和当前帧鸡只深度图像中的鸡只情况，然后将当前帧的鸡只彩色图像、当前帧的鸡只深度图像、当前帧鸡只彩色图像中的鸡只情况和当前帧鸡只深度图像中的鸡只情况进行模型训练获得鸡只语义分割模型；

2)采用鸡只语义分割模型对含有待测鸡只的鸡只彩色图像I_L进行分割，获得分割掩膜图像I_S，将分割掩膜图像I_S与含有待测鸡只的鸡只彩色图像I_L进行图像与操作得到鸡只彩色分割图I_L′；

3)所述步骤2)中的分割掩膜图像I_S中含有鸡只轮廓C，确定分割掩膜图像I_S中鸡只轮廓C的最小外接矩形，然后结合鸡只轮廓C的最小外接矩形通过对鸡只彩色分割图I_L′进行仿射变换获得变换后彩色图I_T，使得待测鸡只的鸡头朝向变换后彩色图I_T的横向方向；

4)将变换后彩色图I_T进行裁剪，再变换到Lab颜色空间，得到鸡只彩色图I_Lab，根据鸡只彩色图I_Lab对变换后彩色图I_T进行旋转，调整所有变换后彩色图I_T中待测鸡只的鸡头朝向同一方向；