[发明专利]基于Isomap和SVM算法的俯视群养猪个体识别方法

说明书

技术领域

本发明涉及机器视觉技术与模式识别技术，具体涉及一种俯视状态下群养猪监控视频 中猪个体识别方法。

背景技术

随着规模养猪业和计算机技术的发展，探讨基于机器视觉的俯视群养猪视频序列中的 前景检测、猪个体行为分析等已经越来越受到国内外学者的关注(GuoYizheng，ZhuWeixing， JiaoPengpeng，etal.Multi-objectextractionfromtopviewgroup-housedpigimagesbasedon adaptivepartitioningandmultilevelthresholdingsegmentation[J].Biosystemsengineering，2015， 135(5)：54-60.)。其中难度最大而又关键的问题是在运动过程中猪个体的识别，目前广泛 使用的方法是耳标RFID(MaselyneJ，SaeysW，NuffelAV.Review：quantifyinganimalfeeding behaviourwithafocusonpigs[J].Physiology&Behavior，2015，138：37-51.)，Kashiha等 (2014年)为了识别群养猪中猪个体，在猪只的背上涂上不同颜色和形状的标记，通过椭 圆拟合等方法来识别猪个体(KashihaMA，BahrC，OttS，etal.Automaticidentificationof markedpigsinapenusingimagepatternrecognition[J].ComputersandElectronicsin Agriculture，2013，93(2)：111-120.)。除此之外，利用机器视觉技术对规模养猪场群养猪个 体识别的研究还未有相关文献报道。

考虑到机器视觉算法在人的身份识别中的成功应用(如人脸识别、虹膜识别、指纹识 别、步态识别等)，探讨基于机器视觉的猪个体识别成为可能。

发明内容

本发明的目的是对俯视状态下群养猪监控视频中猪个体进行识别，为此提出一种基于 Isomap(IsometricMapping，等距映射)和SVM(supportvectormachine，支持向量机)算法的俯视 群养猪个体识别方法。

本发明采用的技术方案是：基于Isomap和SVM算法的俯视群养猪个体识别方法包括 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。

进一步，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阂 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。

进一步，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。

进一步，所述步骤2的具体过程为：