[發明專利]一種基于橢圓擬合和預測性神經網絡的豬步態異常檢測方法

在審

• 申請號: 201710377829.7
• 申請日: 2017-05-25
• 公開（公告）號: CN107133604A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 吳燕;李娜;崔明
• 申請（專利權）人: 江蘇農林職業技術學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 許丹丹

技術領域

本發明涉及圖像處理與模式識別，特別是涉及一種基于橢圓擬合和預測性神經網絡的豬步態異常檢測方法。

背景技術

現階段，針對人體的步態檢測以及應用已經得到了很大的發展，人行走時與步態相關的角度信息也成為識別判定步態的重要因素之一。2008年，美國愛荷華州立大學農業與生物系統工程學院研究小組，研究了基于機器視覺圈養豬對溫度的舒適度評估和控制，對多只豬的睡姿進行了溫度舒適度的視覺監測，借以對豬舍環境進行評估和智能調控豬舍溫度，以期實現智能化的豬飼養模式。2009年，西班牙瓦倫西亞理工大學的J.M.Navarro-Jover等人領導的研究小組，研究了基于計算機視覺的自動顏色算法追蹤仔豬的位置，該系統是基于圖像處理，捕獲圖像中使用不同顏色標記的仔豬。

D.Hogg等人為了建立人行走的三維模型，采用圓柱體模型來描述人體，期中，人體由14個橢圓柱組成，各圓柱體采用橢圓柱長、橢圓的長軸和短軸三個參數來表示。

近年來，養豬的規模化水平已經得到了極大的提高。但是，某些豬疾病依舊得不到及時有效的檢測和治療。對于豬口蹄疫這類會造成豬步態異常的豬疾病來說，若不能在該病發生初期撲滅，疫情會迅速擴大蔓延，造成不可收拾的局面。所以在飼養規模日益龐大，精細化程度要求日益提高的今天，如何實現及時有效智能化的步態異常檢測已經成為了迫切的需要。

發明內容

發明目的：提供一種通過對豬體橢圓擬合提取步態序列數據，使用提取出來的步態序列數據構建神經網絡進行訓練模型，利用該訓練模型智能的檢測識別出豬步態異常序列檢測方法。

技術方案：一種基于橢圓擬合和預測性神經網絡的豬步態異常檢測方法，包括如下步驟：

(1)圖像采集及預處理

采集實驗所需要的視頻樣本，包括豬正常行走和異常步態的視頻；截取視頻樣本獲得連續目標幀，并對目標幀進行預處理，得到正常行走和異常步態的豬輪廓序列；

(2)豬體輪廓的橢圓擬合

利用關節分類的辦法將豬的整體輪廓、頭頸部以及四肢的每一小節進行切割分塊，并用橢圓擬合分別對每一部分建模，以橢圓的中心位置、長軸、短軸、長軸與+X軸轉角參數作為豬的行走的步態特征參數序列；

(3)PCA特征優化處理

根據步態序列之間存在著極大的相關性，通過主成份分析對提取出來的特征進行優化處理，提取特征序列；

(4)統計數據的預測性神經網絡訓練模型創建及訓練

利用預測性神經網絡建立關于正常行走和異常步態特征序列的訓練模型；

(5)步態異常識別測試

通過訓練模型檢測輸入的步態序列是否屬于異常行走。

進一步的，所屬步驟1)包括：首先，在豬舍環境和光線理想的條件下進行目標視頻的拍攝；然后，對目標視頻圖像提取一系列的單幀圖像，采用背景減除法來檢測出目標圖像豬；再者，采用二值化和形態學處理獲得完整的目標圖像；最后，采用canny算子提取豬體目標輪廓。

進一步的，所屬步驟(2)和(3)包括：首先，根據已經得到的豬體目標輪廓，對豬體邊緣上的點進行橢圓擬合；然后，根據橢圓擬合結果，得到頭部、軀體、前肢以及后肢四個橢圓；再者，利用橢圓幾何參數橢圓中心位置(x_c,y_c)，長軸a和短軸b以及長軸a與+X軸轉角θ，得到豬正常行走和異常步態序列數據；最后，利用主成分分析分別對提取出的正常行走和異常步態序列進行特征優化，降低序列維度。

進一步的，所屬步驟(4)和(5)包括：對周期性的統計數據進行預測性神經網絡的訓練模型建立，首先，采用多組正常行走和異常步態的訓練集分別進行神經網絡的訓練，再對訓練過后的神經網絡輸入測試數據集，判別該測試集步態是否屬于異常行走。

有益效果：與現有技術相比，本發明可以有效的識別出豬的異常行走，例如豬的跛腳行走，前肢疾病以及外傷引起的前肢不穩行走等異常行走行為，為實現大規模智能化的養豬業提供良好的基礎。

附圖說明

圖1本發明方法的流程圖；

圖2是目標輪廓提取圖；

圖3是目標圖像橢圓擬合結果圖；

圖4是橢圓幾何參數圖；

圖5是橢圓擬合結果參數提取結果范例圖；

圖6是24幀圖像序列圖；

圖7是神經網絡模型圖；

圖8是預測性神經網絡設計步驟流程圖。

具體實施方式

下面結合附圖對本發明進行詳細的說明。