[发明专利]一种基于新增Haar-like特征的猪脸检测方法

说明书

本发明提供了一种基于新增Haar‑like特征的猪脸检测方法，涉及图像处理领域。该方法在原有基本Haar‑like特征集上添加针对猪脸设计的新的特征，针对猪脸T区容易脏的情况设计了猪脸T区上灰度变化特征，针对猪脸眼睛部位设计了猪脸颊与眼睛区域灰度变化特征，针对猪鼻部位设计了猪鼻上灰度变化特征，新增特征与原有特征利用Adaboost算法训练得到强分类器，然后级联得到猪脸分类器。相比于传统Haar‑like特征，新增特征对于猪脸面部不干净的情况有着更好的检测效果。该方法对于猪脸检测具有更高的准确率，减少了误识别率，具有更好的鲁棒性。

技术领域

本发明涉及图像处理领域，具体涉及到一种基于新增Haar-like特征的猪脸检测方法。

背景技术

近年来国内的养猪业仍面临很多的挑战，比如非洲猪瘟疫情的持续爆发、养殖成本比如土地、人工成本的急剧攀升、环保压力的不断加大等等，针对于现今我国养猪行业的诸多痛点问题，很多科技有限公司采取“智能猪场模式”，实现降本增效。目前养猪业中主要使用电子耳标对猪体进行识别管理，电子耳标需要穿过猪的耳朵，会对猪的身体造成损害，此外还经常出现咬标，掉标的情况，给猪体管理带来麻烦。

而通过猪脸检测技术对每一只猪进行管理，可以很好地解决这个问题，猪脸检测技术能够快速识别每一只猪，如果猪出现异常情况，可以及时发现并采取措施。

但是，猪脸与人脸有很大的不同，猪脸的鼻子非常长，整个猪脸比人脸更加立体，直接用原有Haar-like特征去训练猪脸所得到的效果并不理想，同时猪受生活环境影响长期不清洗脸部造成部分面部特征被遮盖，这些原因都会使得猪脸检测变得更加困难。

发明内容

本发明的目的是针对原有Haar-like特征应用于猪脸检测时效果不佳的现象，提出一种基于新增Haar-like特征的猪脸检测方法，该方法在原有基本Haar-like特征集上添加针对猪脸设计的新的特征，针对猪脸T区容易脏的情况设计了猪脸T区上灰度变化特征，针对猪脸眼睛部位设计了猪脸颊与眼睛区域灰度变化特征，针对猪鼻部位设计了猪鼻上灰度变化特征。改进的猪脸检测方法在同等环境下具有更高的检测效果，误识别率大大降低，检测精度也显著提高，具有更好的鲁棒性。

为达到上述目的，本发明提供了一种基于新增Haar-like特征的猪脸检测方法，按以下步骤实现：

1)训练阶段

步骤1，收集M张猪脸图像构成一个正样本数据集，收集N张非猪脸图像构成一个负样本数据集，将猪脸图像定义为正样本，正样本分辨率为a×a，将非猪脸图像定义为负样本，负样本分辨率为b×b，其中b＞a，将正样本，负样本统一记为训练样本{(x₁，y₁)，(x₂，y₂)，...，(x_i，y_i)，...，(x_n，y_n)}，其中x_i代表第i个训练样本，y_i＝1，0代表正样本或负样本，n＝M+N，n为训练样本总数；

步骤2，构造Haar-like特征，用于反映图像局部的灰度变化，所述Haar-like特征包括原有的边缘特征、线性特征、中心特征、以及新增的猪脸T区上灰度变化特征、猪脸颊与眼睛区域灰度变化特征、猪鼻上灰度变化特征；

所述猪脸T区上灰度变化特征是一个长为8个像素，宽为3个像素的长方形长方形由黑色区域和白色区域构成，黑色区域占据长方形第一行中间6个像素，占据长方形第二行中间4个像素，占据长方形第三行中间2个像素，其余区域为白色区域；

所述猪脸颊与眼睛区域灰度变化特征是一个长为4个像素，宽为3个像素的长方形长方形由黑色区域和白色区域构成，黑色区域占据长方形第一行左边3个像素，占据长方形第二行左边2个像素，占据长方形第三行左边1个像素，其余区域为白色区域；