[发明专利]一种采用单幅图像检测猪站立和躺卧姿态的方法

摘要

本发明公开了一种采用单幅图像检测猪站立和躺卧姿态的方法。建立用于母猪识别的DeepLab模型，对训练集中的图像采用DeepLab模型进行识别后得到初始分割图，将初始分割图中母猪调整为水平方向，建立母猪的外接矩形，并将外接矩形内的像素点的保存为初始矩阵，新建参考矩阵，将矩阵复制到参考矩阵的中位置，并将参考矩阵保存为图像，检测图像中母猪的头部和尾部，并保证母猪的头部在左边，构成姿态图集，用LeNet模型训练后得到母猪站立和躺卧姿态识别模型。本发明采用母猪的头部方向一致的图像进行母猪站立和躺卧姿态识别，识别精度高且速度快。

主权项

1.一种采用单幅图像检测猪站立和躺卧姿态的方法，其特征在于：包括如下步骤：S1、建立猪姿态检测模型的步骤如下：步骤1：采集多幅不同场景、不同时段、不同拍摄角度的待测物猪图像，对每一幅待测物猪图像处理获得待测物初步轮廓，将待测物猪初步轮廓以外的图像区域变为黑色；步骤2：对步骤1获得的所有待测物猪图像采用DeepLab神经网络进行模型训练，得到待测物猪识别模型；步骤3：对样本图像用待测物猪识别模型进行识别，得到与样本图像大小一致的分为前景和背景的初始分割图；步骤4：对初始分割图进行处理获得定向矩阵，利用定向矩阵将母猪B的前景区域调整为图像的水平方向，建立待测物猪的外接矩形C，由外接矩形C内的像素点形成初始矩阵D；步骤5：新建一个参考矩阵F，参考矩阵F的行数和列数均比初始矩阵D的行数和列数多定值E，将初始矩阵D覆盖到参考矩阵F的中央区域，参考矩阵F中除中央区域以外的其余元素各值全部设置为0；步骤7：将参考矩阵F构成参考图像N，对参考图像N处理获得猪头特征或者猪尾特征，即区分出待测物猪的头部和尾部；如果猪头特征在图像的左侧，则保持参考图像N不变，否则将参考图像N进行180°旋转；步骤8：对多幅已知待测物猪姿态类别的不同样本图像重复步骤3‑步骤7进行处理得到由一系列不同参考图像N及对应的已知待测物猪姿态类别组成的姿态图集；步骤9：将姿态图集输入到LeNet模型进行训练，得到训练后的LeNet模型，作为猪姿态检测模型；S2、根据猪姿态检测模型进行猪站立和躺卧姿态检测的步骤如下：步骤10：将待定图像输入到步骤2的待测物识别模型，得到分割图AS；步骤11：按步骤4‑步骤7相同方式对分割图AS进行处理，获得检测图像NS；步骤13：将检测图像NS输入到猪姿态检测模型，输出获得待测物猪的站立和躺卧姿态类别的检测结果。