[发明专利]基于深度学习和图像处理的马体尺测量方法

摘要

本发明涉及图像处理技术领域，具体为基于深度学习和图像处理的马体尺测量方法，该方法包括以下步骤：YOLACT的分割、马体分割图像的预处理、马体尺测量点的标定和马体尺的测量。基于YOLACT实例分割技术，完成马体与背景的快速、高性能分割；提出动态网格的测点标定方法，完成马体尺特征点的数据标定；采用Regress的多元线性回归方式，完成马体尺数据中胸围、管围的数据拟合及三维预测，并以像素为640*480两匹伊犁马体图像为例，定量获得了体尺测量结果；结果表明，基于深度学习和图像测量技术，可有效进行伊犁马体尺的自动测量并将其误差控制在较小范围之间，就大体型动物的体尺测量技术而言，该研究具备范例参考意义。

主权项

1.一种基于深度学习和图像处理的马体尺测量方法，其特征在于，该方法包括以下步骤：/n步骤1、YOLACT的分割：YOLACT将分割问题分解为两个并行的过程，利用擅长产生语义向量的全连接fc层和擅长产生空间相干掩模的卷积conv层分别产生“掩模系数”和“原型掩模”，将掩膜和预测的相应系数进行线性组合，并通过预测的b-box进行裁剪，实现掩膜合成，计算中通过单个矩阵乘法实现；/n步骤2、马体分割图像的预处理：通过YOLACT分割，获取蓝色透明的马体掩膜，将蓝色透明掩膜换成白色掩膜和黑色掩膜，并通过白色掩膜和黑色掩膜进行异或运算去除背景，再与原图点乘，即可得到预处理的马体测量模型；/n步骤3、马体尺测量点的标定：首先进行马体边缘检测，使用canny算子对经过YOLACT实例分割的伊犁马体图像进行轮廓提取，在马体边缘检测的基础上进行马体测点的Harris角点检测，再采用角点检测方法寻找马体尺的关键节点；/n步骤4、马体尺的测量：/n1)体高的获取：/n对站姿各异、体型不同的马体而言，动态网格中各测点的标定均建立在其轮廓图像中平均像素值变化的基础之上,计算方式如公式1所示：/n