[發(fā)明專利]基于深度學(xué)習(xí)和圖像處理的馬體尺測量方法

有效

• 申請?zhí)枺?/td>: 201911016728.2
• 申請日: 2019-10-24
• 公開（公告）號: CN110782467B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計）人: 張婧婧;張靚靚;李勇偉;達(dá)新民;趙新苗;徐靜
• 申請（專利權(quán)）人: 新疆農(nóng)業(yè)大學(xué)
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/62
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 劉瑋

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體為基于深度學(xué)習(xí)和圖像處理的馬體尺測量方法，該方法包括以下步驟：YOLACT的分割、馬體分割圖像的預(yù)處理、馬體尺測量點的標(biāo)定和馬體尺的測量。基于YOLACT實例分割技術(shù)，完成馬體與背景的快速、高性能分割；提出動態(tài)網(wǎng)格的測點標(biāo)定方法，完成馬體尺特征點的數(shù)據(jù)標(biāo)定；采用Regress的多元線性回歸方式，完成馬體尺數(shù)據(jù)中胸圍、管圍的數(shù)據(jù)擬合及三維預(yù)測，并以像素為640*480兩匹伊犁馬體圖像為例，定量獲得了體尺測量結(jié)果；結(jié)果表明，基于深度學(xué)習(xí)和圖像測量技術(shù)，可有效進行伊犁馬體尺的自動測量并將其誤差控制在較小范圍之間，就大體型動物的體尺測量技術(shù)而言，該研究具備范例參考意義。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體為基于深度學(xué)習(xí)和圖像處理的馬體尺測量方法。

背景技術(shù)

馬體尺數(shù)據(jù)是衡量馬的生長發(fā)育及科學(xué)飼養(yǎng)、育種的重要依據(jù)。基于深度學(xué)習(xí)的馬體測量技術(shù)重點解決了馬體與背景的有效分割問題。YOLACT是一種較為簡單的全卷積網(wǎng)絡(luò)實現(xiàn)實例分割的方法，該方法以其快速、易泛化、且產(chǎn)生高質(zhì)量的mask等技術(shù)優(yōu)勢適用于不同實例分割場景。馬體的目標(biāo)檢測與背景分割過程采用該方法首先看中其在MS-COCO數(shù)據(jù)集上約30mAP的分割表現(xiàn)；其次馬場目標(biāo)檢測對象及環(huán)境相對單一，目標(biāo)圖像的動態(tài)穩(wěn)定性不作要求，且檢測的精度相對不高，就YOLACT進行實例分割的圖像低損失率而言，符合馬體目標(biāo)檢測與背景分割的基本要求。

目前，大型馬場的馬養(yǎng)殖方式以散養(yǎng)居多，采集馬體的圖像信息時不可避免的納入草場的背景、房屋、其他建筑甚至養(yǎng)殖人員等，現(xiàn)有的手段對馬體尺數(shù)據(jù)的的測量不夠精準(zhǔn)，誤差較大，為此提出一種基于深度學(xué)習(xí)和圖像處理的馬體尺測量方法。

發(fā)明內(nèi)容

為了解決上述的問題，本發(fā)明提供了一種基于深度學(xué)習(xí)和圖像處理的馬體尺測量方法。

本發(fā)明解決其技術(shù)問題采用以下技術(shù)方案來實現(xiàn)：

一種基于深度學(xué)習(xí)和圖像處理的馬體尺測量方法，該方法包括以下步驟：

步驟1、YOLACT的分割：YOLACT將分割問題分解為兩個并行的過程，利用擅長產(chǎn)生語義向量的全連接fc層和擅長產(chǎn)生空間相干掩模的卷積conv層分別產(chǎn)生“掩模系數(shù)”和“原型掩模”，將掩膜和預(yù)測的相應(yīng)系數(shù)進行線性組合，并通過預(yù)測的b-box進行裁剪，實現(xiàn)掩膜合成，計算中通過單個矩陣乘法實現(xiàn)；

步驟2、馬體分割圖像的預(yù)處理：通過YOLACT分割，獲取藍(lán)色透明的馬體掩膜，將藍(lán)色透明掩膜換成白色掩膜和黑色掩膜，并通過白色掩膜和黑色掩膜進行異或運算去除背景，再與原圖點乘，即可得到預(yù)處理的馬體測量模型；

步驟3、馬體尺測量點的標(biāo)定：首先進行馬體邊緣檢測，使用canny算子對經(jīng)過YOLACT實例分割的伊犁馬體圖像進行輪廓提取，在馬體邊緣檢測的基礎(chǔ)上進行馬體測點的Harris角點檢測，再采用角點檢測方法尋找馬體尺的關(guān)鍵節(jié)點；

步驟4、馬體尺的測量：

1)體高的獲取：

對站姿各異、體型不同的馬體而言，動態(tài)網(wǎng)格中各測點的標(biāo)定均建立在其輪廓圖像中平均像素值變化的基礎(chǔ)之上,計算方式如公式1所示：

進一步的，Hu表示為Hm均值線以上像素縱坐標(biāo)的動態(tài)均值，計算方式如公

式2所示：

而Ht則為Hu均值線以上像素縱坐標(biāo)的動態(tài)均值，計算見公式3：

其中，用于標(biāo)定體高的鬐甲頂點A恰好由Ht與馬體輪廓的相交點得到,與此同時，根據(jù)鬐甲頂點到前后足最低點所在直線Hb的距離，即為馬體的體高，如公式4所示：