[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

说明书

本发明提供了一种用于对猪只姿态进行识别的姿态识别方法及其相关产品，该方法包括：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。利用本发明能够自动有效地识别出猪舍中的猪只姿态，进而可以实现对猪群群体进行体重估计。

技术领域

本发明一般地涉及姿态识别领域。更具体地，本发明涉及一种用于对猪只姿态进行识别的姿态识别方法、设备和计算机可读存储介质。

背景技术

在猪群养殖中，对猪群中猪只的姿态识别是一项关键的操作并且所获得的姿态可以具有多种应用场景。例如，利用识别的姿态可以对猪群的群体体重进行估计，从而借助于这样的估重来得到猪群的成长和健康状况。由此，可以针对性地对饲料和环控的通风进行调节，以便保证猪群以最快的增长速度健康成长。鉴于此，现有技术中需要一种自动识别猪只姿态的技术方案。

发明内容

为了至少解决上述背景技术中的一个或多个技术问题，本发明提出了一种用于对猪只姿态进行识别的姿态识别方法及其相关产品，该方法可以自动有效地识别猪群中猪只姿态。在一个用例中，本发明的方案可以通过滤除非标准姿态猪只的方式来实现对猪群群体体重的精准估计。为此，本发明在如下的多个方面中提供如下方案。

在第一方面中，本发明公开了一种用于对猪只姿态进行识别的姿态识别方法，该方法包括：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。

在一个实施例中，所述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。

在另一个实施例中，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。

在又一个实施例中，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。

在又一个实施例中，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。

在又一个实施例中，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，并对猪只进行旋转、平移和/或裁剪，以提取出所述猪只实例图。

在又一个实施例中，该方法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。

在又一个实施例中，响应于识别出所述猪只的姿态为标准姿态，将所述猪只的实例图推送至体重估计系统，以用于所述猪只的体重估计。