[发明专利]一种无接触家畜识别系统有效

专利信息
申请号: 201811275892.0 申请日: 2018-10-30
公开(公告)号: CN109492562B 公开(公告)日: 2021-05-25
发明(设计)人: 赵凯旋;朱雪峰;王俊;何东健;马军;金鑫;姬江涛;马淏;孙经纬 申请(专利权)人: 河南科技大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62
代理公司: 洛阳公信知识产权事务所(普通合伙) 41120 代理人: 苗强
地址: 471000 河*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 接触 家畜 识别 系统
【权利要求书】:

1.一种无接触家畜识别系统,其特征在于:包括佩戴于家畜颈部并包含编号的颈环、设置在家畜出入栏栏口位置并用于拍摄颈环上的编号图像的摄像头以及通过摄像头拍摄的颈环编号图像完成家畜身份识别的识别方法,识别方法包括以下步骤:

第一步,颈环粗定位:

采用基于级联分类器的目标检测方法进行颈环粗定位:

1)准备训练数据,训练数据包括正样本和负样本,正样本为包含颈环的图像,负样本为任意不包含颈环的图像;

2)训练级联分类器,将训练数据的特征选择并提取出来,放入级联分类器中进行训练,得到固定特征矩形检测窗口;

3)利用训练好的分类器进行目标检测,检测时将每个固定特征矩形检测窗口与摄像头拍摄图像中同样大小的矩形区域比较,如果匹配则记录该矩形区域的位置;然后滑动窗口,重复检测摄像头拍摄图像的其他区域,直到将摄像头拍摄图像检测完毕,得到颈环粗定位图像,即颈环区域位置图像;

第二步,颈环精定位:

1)、使用多个参数对第一步得到的颈环粗定位图像进行多次自适应二值化;

2)、对每次二值化的图像进行连通域分析,将所有满足字符长宽比的字符轮廓分别通过矩形框框选,将所有矩形框的四个角点标出,并对所有矩形框左侧的角点和右侧的角点分别做直线拟合得到颈环编号的左边界和右边界,完成颈环编号图像的左右精定位;

3)、左右精定位之后,使用Sobel算子找到水平边缘,对水平方向求和,画出投影直方图,对直方图的上下两边做像素点处理获取上下边界,完成颈环的精定位并得到颈环的精定位图像,即颈环编号区域图像;

第三步,颈环编号分割:

1)、将第二步得到的颈环精定位图像进行二值化处理,得到二值化图像;

2)、对二值化图像进行字符区域扫描,降序排列字符区域,依次选取非零像素值最多的四个数字区域,具体步骤如下:取降序排列数字区域中前四个区域,若二值化图像中有多余区域,则该区域默认为非字符区域,切除该区域;

3)、确定字符中心坐标,再次降序排列,分割字符区域;

4)、将字符区域进行归一化处理,得到尺寸大小相同的字符图像,再将字符图像分别写入测试文件夹,完成颈环编号分割;

第四步,颈环编号识别:

将第三步得到的字符图像分成小的连通区域,即细胞单元,采集细胞单元中各像素点的梯度或边缘的方向直方图,把这些直方图组合起来构成特征描述器,具体步骤如下:

1)、图像灰度化,将图像看做一个x,y,z的灰度三维图像;

2)、采用校正法对输入图像进行灰度空间的标准化;

3)、计算图像每个像素的梯度,包括大小和方向;

4)、将图像划分成细胞单元;

5)、统计每个细胞单元的梯度直方图,得到该细胞单元不同梯度的个数,不同梯度的个数形成每个细胞单元的特征描述符;

6)、若干个细胞单元组成一个模块,将一个模块内所有细胞单元的特征描述符串联起来得到该模块的HOG特征描述符;

7)、将图像内的所有模块的HOG特征描述符串联起来得到该字符图像的HOG特征描述符;

8)、对不同类别的字符图像提取HOG特征后,采用支持向量机进行分类,采用SVM支持向量机进行颈环字符识别分为训练阶段和预测阶段;训练阶段中,使用训练样本进行学习并训练出一个SVM模型,这个模型本质上就是由最难分类的特征向量定义出了最优超平面;预测阶段中将待测样本特征向量输入到k(k-1)/2个二分类器,通过投票数给出分类的结果,完成颈环字符ID识别。

2.根据权利要求1所述的一种无接触家畜识别系统,其特征在于:所述颈环包括颈带(2),在颈带(2)的端部设有用于将颈带(2)围成环状的卡扣(1),在颈带(2)的中部固定设有配重块(5),在颈带(2)上位于配重块(5)的两侧分别设有字符块(3)组,每个字符块(3)组均包括多个穿设在颈带(2)上并分别设有单个数字图形(4)的字符块(3),任意一个字符块(3)组中的所有字符块(3)上的单个数字图形(4)均共同构成颈环的编号。

3.根据权利要求2所述的一种无接触家畜识别系统,其特征在于:字符块(3)采用蓝色硬质塑料制作,单个数字图形(4)为白色。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南科技大学,未经河南科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811275892.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top