[发明专利]基于椭圆拟合的猪行走姿态识别方法

说明书

技术领域

本发明属于图像处理和机器视觉技术。具体还涉及椭圆拟合和动物行为识别与分类技术。

背景技术

视频和图像是客观事物生动直观的描述。进入二十一世纪后，数字化和网络化的步伐逐步加快，视频监控系统以直观性和实时性的优点而倍受青睐，并已经应用于许多方面，包括政府机关、电力电信、监狱、军队、银行、金库、超市、商场、宾馆、小区、学校、办公楼等。

随着生活水平的提高，人们对食品要求的焦点从数量增长逐渐转向了数量和质量同步增长。猪肉类食品在人们生活中已是一种不可缺少的食品，因此，猪肉类产品的质量提高已经和产量增加同样重要，也就是说不仅要关注生产产量，而且要关注产品的整个生长过程。为此，猪的行为的研究越来越受到关注。

猪的行为通常采用人工观察和手工记录。利用人工观察和手工记录，一方面观察人员劳动强度大，且工作环境差，长时间在猪舍中观察将严重影响工作人员的健康；另一方面由于仅靠人工观察，因人手紧、成本高以及人的疲劳和认知程度等因素会导致信息不准和疏漏等现象发生，所以，寻找更方便、精确和可靠的自动检测方法成了迫切需要。

猪体是一个有机的整体，其体形外貌不仅是躯体结构的外部表现也是其内部组织器官及生长发育、生理机能、行为状况的体现，因此，可以通过获得猪体的形体参数信息用来了解猪的行为和生理状况。

本发明利用椭圆来构建猪体模型，利用椭圆拟合算法，实现对猪行为姿态的识别，这对了解和改善猪的生长环境和条件，改善猪的福利，提高猪产品质量具有重要意义。

该方法从连续的视频图像中提取出运动目标(猪)，对提取出的猪进行跟踪，并对其行为进行描述和理解。具体地说，根据猪身体各个部位的相对位置及其运动等行为特征，利用形态学、计算机视觉技术和定量分析方法，计算出描述猪行为的体态参数，构建相应的模型，实现对猪的行走姿态识别。

发明内容

本发明主要包括几何图形建模和椭圆拟合算法。首先采用背景差分法对猪圈内的目标猪进行边缘检测，得到猪的轮廓，利用形态学方法对猪的轮廓图像进行预处理，去除轮廓中的噪声，然后利用改进的随机椭圆检测算法对猪体轮廓上的点进行椭圆拟合。根据由头颈部、躯体和四肢等部位所拟合成四个椭圆，以猪体躯干所代表的面积最大的椭圆的圆心为原点，该椭圆的长轴就是坐标系的横轴，建立一个二维坐标系O′。然后通过各个椭圆在该坐标系中的相对位置分布特征建立几何模型并确定相应的姿态参数。最后将这些参数输入支持向量机分类器，对猪的正常站立，低头站立和躺卧等不同姿态进行识别与分类。

附图表说明

图1是本发明的设计方案流程图。

图2是猪行为姿态支持向量机分类器的训练过程。

图3是背景图像

图4是采集的目标图像

图5是边缘检测结果图

图6是坐标建立图

图7是猪行为姿态特征参数表示图

图8是猪的不同姿势的坐标图和拟合图

具体实施方式

本发明的设计方案流程图如图1所示。具体步骤如下。

1.通过图像采集系统对猪圈中的猪进行图像采集。

2.利用背景差分法检测出图像中的目标猪，提取出目标猪的轮廓；利用形态学算法对提取出的轮廓进行处理，分别去除猪体中的突刺和填充图像中的空洞，得到一个完整的猪体轮廓。

3.利用改进的随机椭圆检测算法对图像中的猪体轮廓进行椭圆拟合并建立坐标系。

(1)改进的随机椭圆检测算法

现有的随机椭圆检测(Randomized Ellipse Detection，RED)算法在猪姿态识别中存在误差偏大的缺陷，本文对RED算法做了如下改进：1)选用自适应阈值T_d，避免参数选取不当而导致拟合的椭圆与真实椭圆差别过大的问题，确保随机选取的相邻的数据点控制在一定的范围区间内，2)增加迭代循环，对不在初始假设椭圆上的点进行收集并再次拟合。该算法中所使用到的参数见表1。

表1算法参数表

(问题：(1)Td那行“第4点”是否打错？是不是“数据点”？是“数据点”

       (2)np、f、那行是否应该np表示集合U中边缘点的数量？)是

改进后的具体算法如下：

1)初始化计数器f，使f＝0。