[发明专利]一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法

说明书

本发明提出一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别办法。首先获取彩色和深度视频集，对采集到的视频集进行分帧筛选；其次对其进行自适应直方图均衡化、FCN饮水猪目标分割和形态学处理，得到饮水区域固定方向的单只猪图像；然后建立训练样本，通过HOG特征对饮水区域进行分块划分，寻找划分的最佳像素块。构建多尺度特征空间，设置不同的步长比例，对其提取梯度和方向的直方图特征；另把划分好的像素块应用在NMB‑LBP纹理特征和H‑S颜色特征的提取中；根据三种特征的准确率确定权重构建融合特征直方图，最大程度保留有效识别信息。本发明在猪的整个运动区域识别率有所提高，为固定采食区域基于采食的特征提取和融合提供参考。

技术领域

本发明属于计算机视觉技术领域，涉及RGB图像的增强及特征融合，具体涉及一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别。

背景技术

近年来，中国生猪养殖规模和数量在不断扩大，养殖信息化是今后生猪饲养监管的重要模式。计算机视觉技术作为信息处理的有效辅助技术，提供了一种自动化、非接触式、低成本、高收益且对动物无伤无压力的行为识别方式，可用于考量生猪健康状况并及时预防和发现疾病。在特征提取过程中，在图像中会出现大量背景等无用特征，对于特征融合导致的维数过多，使用降维方法可能会丢失重要信息等，会影响后期识别时的准确率。因此如何减少无用背景且在不影响准确率的情况下减少特征维数也引起了许多学者的关注。本文提出了一种在特定饮水区域进行分块划分提取融合直方图特征进行猪只身份识别的方法。对采集到的视频集进行分帧筛选，划分饮水区域，使用FCN网络进行目标分割得到七头猪中分别饮水的单只猪的图像集，减少了大部分的无用背景，且解决了猪在运动中的非刚性特性会引起体型变化导致特征提取不同的问题。对饮水区域的像素块进行最佳分块，并构建多尺度特征空间，设置不同的步长，寻找最佳基本单元的比例对饮水区域进行遍历，改进后的特征提取算法减少了维数，最大程度上保留了有效特征。提取改进后的HOG特征、NMB-LBP纹理特征、量化后的H-S特征，确定权重得到融合后的特征直方图作为特征向量，并利用stacking集成学习思想在组合分类器中进行训练得到饮水猪的识别结果。对实验表明，基于HOG分块的特征融合对饮水区域的猪只进行识别方法是有效的，在识别精度上有明显提高，同时为采食区域的群养猪身份识别提供了新思路。

发明内容

本发明的目的设计出一种基于HOG分块的特征直方图融合对饮水区域猪的身份识别方法。使用FCN网络对饮水猪进行分割，利用HOG特征、MB-LBP特征和H-S特征的各自优点对饮水图像提取全局特征和局部特征加以融合，确定权重得到融合后的特征直方图作为特征向量，并在多分类器中进行训练得到饮水猪的识别结果。

本发明所采用的技术方案是：(1)在猪舍正上方采集俯视视频集，视频拍摄的帧率为30fps，图像的分辨率为1760*1840像素，猪的个数为7头。对拍摄出来的视频进行结构相似性阈值分析，将基准图像与后续帧一一计算欧式距离，小于阈值的图像帧全部剔除，直到与某一帧的相似度离大于阈值为止，得到关键帧图像；通过对饮水区域的猪形态轨迹对比分析和结合饮水龙头的位置，确定饮水区域的大小。通过实验和分析确定本专利的饮水区域的边长为七头猪中最长尺寸的1.1倍，保证饮水时猪只轮廓全部在饮水区域内。