[发明专利]一种奶牛个体识别的方法

说明书

本发明一种奶牛个体识别的方法，涉及图像数据处理中的图像识别方法，步骤是：奶牛视频数据采集，将奶牛视频数据转化为图片序列并进行归一化，利用小波变换提取奶牛个体的四个不同分量特征，利用改进的KPCA方法进行四个不同分量特征降维，加权融合四个不同分量特征，将图像特征数据划分为训练集和测试集，分别进行SVM训练和SVM测试，最终识别出奶牛个体；该方法克服了现有技术中，奶牛个体的智能识别方法大都仍采用通用的图像处理方法，没有针对奶牛个体特点，尤其没有根据奶牛躯干黑白花纹形状的唯一性来选取出适合的图像处理方法，导致奶牛个体识别准确率低的缺陷。

技术领域

本发明的技术方案涉及图像数据处理中的图像识别方法，具体地说是一种奶牛个体识别的方法。

背景技术

信息技术高速发展，农业现代化步伐不断加快，规模化、信息化奶牛养殖场得到了广泛应用，我国已基本形成高密度、集中化的奶牛养殖体系。奶牛个体识别作为奶牛信息化管理的基础，成为当前畜牧业发展的一个研究热点。随着人工智能、模式识别领域研究的不断深入，图像处理正向着高速率、高分辨率、立体化、多媒体化、智能化和标准化方向发展。利用图像处理方法将奶牛个体识别与计算机视觉相联系，已逐渐成为一项推动大规模奶牛信息化管理的重要举措。

早期针对奶牛个体识别问题主要采取人工识别方法，但该方法耗时耗力、误识别率较高。之后发展为采用标签识别的方法，分别为每头奶牛佩戴上唯一的标识号码，但是依然存在人工量大、工作繁琐的缺点，此外，标签容易破损、过多的人为干涉可能降低奶牛产奶量，从而影响牛场的经济效益。目前畜牧业比较流行的识别技术是无线射频技术，但该方法无法实现远距离识别，同时识别率和成本的性价比较低。随着计算机视觉的发展，结合奶牛特有的黑白条纹信息，利用图像处理方法实现奶牛个体识别逐步引起国内外相关学者的关注。W Andrew等人在IEEE图像处理国际会议上发表的《Automatic individual holsteinfriesian cattle identification via selective local coat pattern matching inRGB-D imagery》论文中提出了一种采用选择性局部层模式特征用在彩色描述(RGB-D)图像上进行匹配的方法，该方法通过在奶牛RGB-D框架体系中采用自上而下的深度分割奶牛躯干图像，然后提取仿射尺度不变特征转换(ASIFT)描述算子作为唯一标识，采用支持向量机(SVM)进行学习分类从而达到奶牛个体识别的目的。但是该方法对奶牛个体所处的环境依赖性比较强，如果处在有光照或背景复杂的自然环境下，识别正确率难以保证。Ahmed S等人在IEEE计算机学会上发表的《Muzzle-Based cattle identification using speed uprobust feature approach》论文中提出了运用加速鲁棒特征(SURF)算子提取奶牛嘴部纹理特征点，然后利用SVM分类器对奶牛个体进行分类识别的方法，但是该方法对于采集数据的位置比较敏感，奶牛嘴部数据获取具有一定的难度。CN105260750A公开了一种奶牛个体识别方法，该方法通过将捕捉到的奶牛实时图像与事先建立好的模板图像库进行匹配，将能够成功匹配的模板库中的奶牛个体的标签作为待识别奶牛的类别，但是该方法效率较低，每次匹配过程需要遍历模板的数量可能很大。Cai C等人在信号与信息处理协会高峰会议上发表的《Cattle face recognition using local binary pattern descriptor》论文中提出了一种基于牛脸模型的局部二值模式(LBP) 纹理特征的方法，通过稀疏化和低秩分解用来提高图片处理方法的鲁棒性从而有效克服图片中光照影响、图像错位和闭塞的情况，结果表明LBP在一定程度上可以正确识别出奶牛个体，但是奶牛脸部相对奶牛躯干包含的个体特有信息较少，识别正确率仍不够理想。 CN201710000628.5公开了一种基于深度卷积神经网络的奶牛个体识别方法，该方法模型参数设置需要较高的技巧性，需要反复实验进行训练和测试，并没有统一参照的标准，模型的建立较困难。

现有技术中，奶牛个体的智能识别大都采用传统通用的图像处理方法，没有针对奶牛个体特点，尤其没有根据奶牛躯干黑白花纹形状的唯一性来选取出适合的图像处理方法，导致奶牛个体识别的准确率低。