[发明专利]基于Isomap和SVM算法的俯视群养猪个体识别方法

权利要求书

1.基于Isomap和SVM算法的俯视群养猪个体识别方法，其特征在于，包括以下步骤：

步骤1，获取俯视状态下群养猪视频序列，然后做图像预处理，主要是群养猪前景检测 与猪个体目标提取；步骤2，猪个体特征提取，包括使用颜色矩方法提取猪个体的颜色特 征，使用共生矩阵法提取猪个体的纹理特征，使用不变距方法提取猪个体的形状特征，从 而建立了能有效描述猪个体的特征参数；步骤3，分别对步骤2中的颜色特征、纹理特征 及形状特征做规格化后，采用Isomap算法进行融合优化；步骤4，利用优化核函数的支持 向量机分类器对样本进行训练，对待识的各个猪个体进行识别。

2.根据权利要求1所述的基于Isomap和SVM算法的俯视群养猪个体识别方法，其特 征在于：所述步骤1具体包括：

首先改建实验用猪舍，在猪舍正上方安装拍摄俯视视频的图像采集系统，获取俯视群 养猪彩色视频片段；然后选取符合条件的视频帧，对单帧图像做直方图均衡化及最大熵阈 值分割，进一步对猪活动区域的分割结果做数学形态学处理，得到只包含前景目标的图像， 进而提取各个猪个体目标。

3.根据权利要求2所述的基于Isomap和SVM算法的俯视群养猪个体识别方法，其特 征在于：所述对猪活动区域的分割结果做数学形态学处理的具体方法是：

步骤1.1，利用半径固定的圆盘结构元素对结果做开运算，去除结果中的孤立噪声点、 断开目标间及目标与背景间的粘连，保持目标原大小基本不变；

步骤1.2，标记连通区域，将目标小于一定像素数目的区域去除，因根据猪个体特点， 小于一定面积的连通区域一定不是前景目标区域；

步骤1.3，填充二值图像，即填充部分猪个体内部的非前景空洞。

4.根据权利要求1所述的基于Isomap和SVM算法的俯视群养猪个体识别方法，其特 征在于：所述步骤2的具体过程为：

步骤2.1，基于颜色矩的猪个体颜色特征提取：由于颜色信息主要集中在低阶矩中，故 只需对每种颜色通道提取一阶、二阶和三阶矩进行统计；每个猪个体提取了R、B、G三个 通道9个颜色特征，记为[μ_Rσ_RS_Rμ_Gσ_GS_Gμ_Rσ_RS_B]；

步骤2.2，基于共生矩阵的猪个体纹理特征提取：共生矩阵被描述为在θ方向上，相隔 距离d的一对像素分别具有灰度值i和j出现的概率，记为p(i，j；d，θ)；分别选用角二阶矩、 对比度、逆差分矩、熵这四个最有描述能力的特征，每个猪个体提取了4个纹理特征，记 为[ASMCONIDMENT]；

步骤2.3，基于不变矩的猪个体形状特征提取：一幅M×N的离散图像f(x，y)，其p+q 阶的几何矩定义是其中，i∈M，j∈N，p，q为常数；令 r＝(p+q+2)/2，可推导出7个平移、缩放、旋转变化都不变的绝对不 等式，相应可以提取7个不变矩特征作为图像的形状特征；这样，每猪个体提取了7个形 状特征，记为[M₁M₂M₃M₄M₅M₆M₇]。