[发明专利]用于对猪只姿态进行识别的姿态识别方法及其相关产品

权利要求书

1.一种用于对猪只姿态进行识别的姿态识别方法，其特征在于，包括：

获取所述猪只的三维点云数据；

对所述三维点云数据进行图像处理，以得到猪只实例图；以及

将所述猪只实例图输入至基于神经网络的分类网络模型进行姿态识别，以识别出所述猪只的姿态。

2.根据权利要求1所述的姿态识别方法，其特征在于，获取所述猪只的三维点云数据包括将采集的所述猪只的三维深度图解析为三维点云数据，并且对所述三维点云数据进行图像处理包括：

通过密度滤波算法来滤除所述三维点云数据中的飞点；

将滤除飞点后的三维点云数据投影为三维投影深度图；以及

通过实例分割网络模型提取所述三维投影深度图中的所述猪只实例图。

3.根据权利要求2所述的姿态识别方法，其特征在于，其中将采集的所述猪只的三维深度图解析为三维点云数据包括根据采集的三维深度图和相机内的参数以及三维成像原理将所述三维深度图解析为三维点云数据，其中滤除所述三维点云数据中的飞点包括：

统计所述三维点云数据中点的数量；以及

如果所述点的数量小于指定阈值，则剔除该三维点云数据。

4.根据权利要求2所述的姿态识别方法，其特征在于，所述通过密度滤波算法来滤除所述三维点云数据中的飞点包括：

统计三维点云数据中预定数目中每个相邻点的平均距离，以得到点云密度；

根据所述点云密度的多个分位点来确定所述密度滤波的滤波阈值；以及

滤除三维点云数据中点云密度大于所述滤波阈值的点云数据。

5.根据权利要求2所述的姿态识别方法，其特征在于，将滤除飞点后的三维点云数据投影为三维投影深度图包括：

建立特定分辨率的灰度图；以及

将所述三维点云数据投影到所述灰度图上，以作为所述三维投影深度图。

6.根据权利要求2所述的姿态识别方法，其特征在于，通过实例分割网络模型提取所述三维投影深度图中的所述猪只实例图包括：

利用实例分割网络模型对所述三维投影深度图进行推理，以获取所述猪只的实例掩模，其中所述实例分割网络模型经由标注的三维投影深度图中的猪只轮廓作为训练数据进行训练；

基于所述猪只的所述实例掩模，将三维投影深度图中的非掩模位置像素置0；以及

基于形态学变换原理，使用开源计算机视觉库计算图像中所述猪只的位置和方向，并对所述猪只进行旋转、平移和/或裁剪，以提取出所述猪只实例图。

7.根据权利要求1-6的任意一项所述的姿态识别方法，其特征在于，还包括对基于神经网络的所述分类网络模型进行预先的训练过程，该训练过程包括：

标注所述猪只实例图的标准姿态和异常姿态作为训练数据，其中所述异常姿态包括拍摄不全、弯曲、跪姿、蹲姿和/或躺姿；以及

基于所述标准姿态和异常姿态来训练和改进神经网络，以得到用于执行姿态识别的所述分类网络模型。

8.根据权利要求7所述的姿态识别方法，其特征在于，还包括：

响应于识别出所述猪只的姿态为标准姿态，将所述猪只实例图推送至体重估计系统，以用于所述猪只的体重估计。

9.一种用于对猪只姿态进行识别的设备，其特征在于，包括：

处理器；

存储器，其存储有用于对猪只姿态进行识别的程序指令，当所述程序指令由所述处理器执行时，实现根据权利要求1-8的任意一项所述的姿态识别方法步骤。

10.一种计算机可读存储介质，其特征在于，存储用于对猪只姿态进行识别的程序指令，当所述程序指令由处理器执行时，实现根据权利要求1-8的任意一项所述的姿态识别方法步骤。