[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

本發(fā)明公開了一種基于特征融合的群養(yǎng)豬身份識別方法。首先對群養(yǎng)豬俯視視頻進(jìn)行分幀處理，利用關(guān)鍵區(qū)域最近鄰像素比較法選取關(guān)鍵幀，再利用基于閾值優(yōu)化的分水嶺算法對關(guān)鍵幀進(jìn)行豬個(gè)體分割；其次對豬個(gè)體圖像提取三種改進(jìn)的特征，分別是稀疏點(diǎn)多方向描述的SIFT特征、多分塊改進(jìn)的中心對稱局部八元模式特征以及基于空間分布信息的連通域統(tǒng)計(jì)特征；然后將這三種特征采用串行加權(quán)融合算法進(jìn)行融合，并采用主成分分析法(PCA)進(jìn)行降維；最后采用基于改進(jìn)雜交育種算法的加權(quán)集成分類器對豬個(gè)體圖像進(jìn)行分類訓(xùn)練。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺技術(shù)領(lǐng)域，涉及圖像處理、特征融合及分類識別，具體涉及一種基于特征融合的群養(yǎng)豬身份識別方法。

背景技術(shù)

近年來，隨著國家經(jīng)濟(jì)和人們生活水平的提高，中國生豬的養(yǎng)殖規(guī)模和數(shù)量在不斷擴(kuò)大，養(yǎng)殖信息化是今后生豬飼養(yǎng)監(jiān)管的重要模式。而群養(yǎng)豬身份識別在生豬飼養(yǎng)管理和個(gè)體行為分析中發(fā)揮著重要作用。相比于通過耳標(biāo)和涂標(biāo)記識別豬個(gè)體的方法，基于生物特征的識別方法是穩(wěn)定的和非侵入性的。因此，豬體表面的紋理特征和顏色特征常被用來識別豬個(gè)體身份，如HOG特征、SIFT特征、LBP特征、顏色直方圖特征等等，而這些特征的描述精度均不是很高。因此，本發(fā)明公開了一種基于特征融合的群養(yǎng)豬身份識別方法，首先對SIFT、LBP和顏色直方圖這三種特征進(jìn)行改進(jìn)，得到稀疏點(diǎn)多方向描述的SIFT特征、多分塊改進(jìn)的中心對稱局部八元模式特征和基于空間分布信息的連通域統(tǒng)計(jì)特征，提高了豬個(gè)體特征獲取的精度，然后將豬個(gè)體圖像提取的這三種特征進(jìn)行串行加權(quán)融合，并采用PCA進(jìn)行降維，最后采用基于改進(jìn)雜交育種算法的加權(quán)集成分類器對豬個(gè)體圖像進(jìn)行分類訓(xùn)練。

發(fā)明內(nèi)容

本發(fā)明的目的是通過機(jī)器視覺技術(shù)對采集到的群養(yǎng)豬俯視視頻進(jìn)行豬個(gè)體身份識別。

本發(fā)明所采用的技術(shù)方案是基于特征融合的群養(yǎng)豬身份識別方法，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(Fruit Fly Optimization Algorithm based onAdaptive Optimization and Improved Evaluation Strategy，簡稱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(Sparse Point Multi-direction Description Scale-invariant Feature Transform，簡稱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(Multi-block Improved Central Symmetry Local Octet Pattern，簡稱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(Improved Hybrid Breeding Algorithm，簡稱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；

步驟4，采用基于改進(jìn)雜交育種算法的加權(quán)集成分類器對豬個(gè)體圖像進(jìn)行分類訓(xùn)練。首先采取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，接著采用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。

進(jìn)一步，所述步驟1具體包括：