[发明专利]牲畜体况评分方法、装置、电子设备及存储介质

说明书

本发明提供一种牲畜体况评分方法、装置、电子设备及存储介质，首先获取待评分牲畜的目标点云图像；然后将目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；最后基于第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定待评分牲畜的体况评分。通过图像配准的方式确定待评分牲畜的体况评分，不需要引入人为操作，可以提高评分的自动化，并排除人为因素带来的干扰。而且，该方法中不需要采用SSD或KCF，避免了漏检问题或漏帧跟踪问题的出现，具有较强的稳定性，提高了体况评分的准确性。而且，该方法不仅可以适用于奶牛，还可以适用于其他牲畜，具有很强的适应性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种牲畜体况评分方法、装置、电子设备及存储介质。

背景技术

随着畜牧业的快速发展，对牲畜的体况研究至关重要。例如，对奶牛来说，良好的奶牛体况是奶牛高产与健康的标志，通常采用奶牛体况评分(Cow Body ConditionScoring，BCS)将奶牛体况进行量化。通常情况下，奶牛体况评分采用5分制，级差为0.25。奶牛体况评分越高，奶牛越胖，反之越瘦。当奶牛的分数高于4.0或低于2.5时，表明该奶牛有严重的健康问题。因此，奶牛体况评分能为牛群饲养的管理提供参考，具有重要的意义。

目前，奶牛的体况评分主要是基于深度图像的建模方法确定，在该方法中，通常使用RGB-D视频，提取视频中的关键帧，并在关键帧中使用改进的单级多框预测模型(SingleShot MultiBox Detector，SSD)来预测到奶牛的臀部区域，然后使用核相关滤波算法(Kernel Correlation Filter，KCF)对奶牛的臀部区域进行跟踪，得到满足要求的关键帧，然后对奶牛的臀部区域的RGB-D关键帧提取特征，输入到分类模型最后得到奶牛的体况评分。

上述方法中，由于采用SSD与KCF相结合的方法确定奶牛的体况评分，而SSD受限于自身模型结构的影响，可能会出现漏检问题，KCF则会因SSD引起的漏检问题出现漏帧跟踪问题，这都将导致该方法的稳定性降低，进而影响奶牛的体况评分的准确性。而且，由于奶牛与其他牲畜存在较大区别，因此现有技术中适用于奶牛的体况评分方法也并不能很好地适用于其他牲畜。

发明内容

本发明提供一种牲畜体况评分方法、装置、电子设备及存储介质，用以解决现有技术中存在的缺陷。

本发明提供一种牲畜体况评分方法，包括：

获取待评分牲畜的目标点云图像；

将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；

基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。

根据本发明提供的一种牲畜体况评分方法，所述基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分，包括：

若所述第一配准结果为配准成功，则基于第一关键部位点云图像模板集合对应的第一标准体况评分，确定所述待评分牲畜的体况评分；所述第一关键部位点云图像模板集合为与所述目标点云图像配准成功的关键部位点云图像模板集合；

若所述第一配准结果为配准未成功，则基于所述目标点云图像，确定所述待评分牲畜的目标体尺特征，将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果，并基于所述第一配准结果、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。

根据本发明提供的一种牲畜体况评分方法，所述配准未成功包括部分配准成功和配准失败；

相应地，所述基于所述第一配准结果、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分，包括：