[發(fā)明專利]一種基于特征融合的群養(yǎng)豬身份識別方法

在審

• 申請?zhí)枺?/td>: 202210040796.8
• 申請日: 2022-01-14
• 公開（公告）號: CN114519864A
• 公開（公告）日: 2022-05-20
• 發(fā)明（設(shè)計(jì)）人: 朱偉興;仲崇歡;李新城
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/764;G06V10/46;G06V10/80;G06V10/774;G06V10/50;G06V10/26;G06V10/28;G06V10/54
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于特征融合的群養(yǎng)豬身份識別方法，其特征在于，包括以下步驟：

步驟1，對群養(yǎng)豬俯視視頻進(jìn)行分幀處理，采用關(guān)鍵區(qū)域最近鄰像素比較法選取關(guān)鍵幀，圖像增強(qiáng)后利用改進(jìn)的基于閾值優(yōu)化的分水嶺算法進(jìn)行豬個(gè)體分割，得到七張豬個(gè)體圖像，其中閾值優(yōu)化采用改進(jìn)的果蠅優(yōu)化算法AOIES-FOA；

步驟2，分別對七張豬個(gè)體圖像，采用稀疏點(diǎn)多方向描述的尺度不變特征變換算法SMD-SIFT提取豬個(gè)體的局部特征，多分塊改進(jìn)的中心對稱局部八元模式算法MB-ICSLOP提取豬個(gè)體的紋理特征，基于空間分布信息的連通域統(tǒng)計(jì)算法提取豬個(gè)體的顏色區(qū)域塊特征；

步驟3，對上述提取的三種特征分別進(jìn)行歸一化后，給每個(gè)特征賦予一個(gè)權(quán)重，并采用改進(jìn)的雜交育種算法IHBA進(jìn)行優(yōu)化，然后對加權(quán)特征進(jìn)行串行融合，最后采用PCA進(jìn)行降維，提高豬個(gè)體圖像的識別效率；

步驟4，采用基于改進(jìn)雜交育種算法的加權(quán)集成分類器進(jìn)行訓(xùn)練，首先采用按比例有放回的抽樣方式將數(shù)據(jù)集生成3個(gè)不同的訓(xùn)練子集，通過Kappa值度量出差異性最大的3個(gè)分類器進(jìn)行并行訓(xùn)練，然后采用改進(jìn)的雜交育種算法對分類器的權(quán)重進(jìn)行優(yōu)化，得到最優(yōu)權(quán)重組合，最后通過加權(quán)投票法來識別豬個(gè)體的身份。

2.根據(jù)權(quán)利要求1所述一種基于特征融合的群養(yǎng)豬身份識別方法，其特征在于，步驟1中關(guān)鍵區(qū)域最近鄰像素比較法選取關(guān)鍵幀具體包括：

對群養(yǎng)豬視頻進(jìn)行分幀后，根據(jù)分幀順序取出相鄰的2幀圖像，主要針對飲水區(qū)域豬的身份識別，在2幀圖像中選定相同飲水區(qū)域，計(jì)算該區(qū)域RGB三分量對應(yīng)的像素差值和，如果該像素差值和小于設(shè)定閾值，則2幀圖像相似性高，剔除后一幀圖像，反之，保存后一幀圖像，即將相似度低的圖像作為關(guān)鍵幀。

3.根據(jù)權(quán)利要求1所述一種基于特征融合的群養(yǎng)豬身份識別方法，其特征在于，所述步驟1中基于改進(jìn)的閾值優(yōu)化的分水嶺算法具體包括：

首先利用改進(jìn)的果蠅優(yōu)化算法搜索最優(yōu)閾值，進(jìn)行閾值分割，得到二值化圖像；然后通過形態(tài)學(xué)運(yùn)算和距離變換得到背景和前景區(qū)域；標(biāo)記背景與前景區(qū)域相交的部分；最后采用分水嶺算法對圖像進(jìn)一步分割，得到最終分割結(jié)果；

所述改進(jìn)的果蠅優(yōu)化算法AOIES-FOA具體包括：

1)根據(jù)公式(1)將原算法的固定步長改進(jìn)為根據(jù)迭代次數(shù)調(diào)整搜索步長，使得算法在尋優(yōu)前期具備較大的搜索步長進(jìn)行全局性的搜索，避免較早地陷入局部最優(yōu)，尋優(yōu)后期隨著迭代次數(shù)的增加搜索步長減小，提高算法的局部搜索能力。

公式(1)中，D_L為搜索步長，D為初始步長，I_c為當(dāng)前迭代次數(shù)，I_max為最大迭代次數(shù)，b為偏移量；

2)選擇合適的適應(yīng)度函數(shù)提高尋優(yōu)精度，圖像的二維信息總熵和二維類間方差是評判圖像分割的兩個(gè)標(biāo)準(zhǔn)，選擇將兩者進(jìn)行加權(quán)融合作為濃度適應(yīng)度函數(shù)，如公式(2)所示：

公式(2)中，F(xiàn)(s，t)為濃度適應(yīng)度值，為圖像的二維信息總熵，O(s，t)為圖像的二維類間方差值，S_i為味道濃度判定值，i為當(dāng)前尋優(yōu)次數(shù)，ω為權(quán)重值，r為系數(shù)。