[發明專利]基于人工智能的狗鼻紋質量檢測方法及相關設備

在審

• 申請號: 202210690815.1
• 申請日: 2022-06-17
• 公開（公告）號: CN115049622A
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 徐玲玲;李佼;盛建達;戴磊;劉玉宇;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/40;G06V10/25;G06V10/28;G06V10/44;G06V10/46;G06V10/764;G06V40/10
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 陳敬華

1.一種基于人工智能的狗鼻紋質量檢測方法，其特征在于，所述方法包括：

檢測原始狗鼻紋圖像中的關鍵點；

基于所述關鍵點劃分所述原始狗鼻紋圖像獲得狗鼻紋掩膜圖像；

提取所述原始狗鼻紋圖像中的紋理特征獲得紋理圖像；

聚合所述狗鼻紋掩膜圖像和所述紋理圖像獲得狗鼻紋圖像；

對所述狗鼻紋圖像進行分塊獲得多個圖像塊，并計算每個圖像塊的評分值；

依據所述評分值評估所述狗鼻紋圖像以獲得狗鼻紋質量檢測結果。

2.如權利要求1所述的基于人工智能的狗鼻紋質量檢測方法，其特征在于，所述檢測原始狗鼻紋圖像中的關鍵點包括：

a，從所述原始狗鼻紋圖像中任選一個像素點作為第一中心點；

b，依據預設的半徑閾值標記所述第一中心點的鄰域像素；

c，分別對比每個鄰域像素的灰度值與預設的評估閾值以獲得每個鄰域像素的評估值；

d，依據所述評估值將所述第一中心點分類為關鍵點或非關鍵點；

e，分別將所述原始狗鼻紋圖像中的每個像素點作為第一中心點并重復步驟b至步驟e以獲得多個關鍵點。

3.如權利要求1所述的基于人工智能的狗鼻紋質量檢測方法，其特征在于，所述基于所述關鍵點劃分所述原始狗鼻紋圖像獲得狗鼻紋掩膜圖像包括：

依據預設的分類模型將所述關鍵點分類為鼻子輪廓關鍵點與鼻孔輪廓關鍵點；

計算所述鼻子輪廓關鍵點的外接多邊形獲得鼻子連通域，并計算所述鼻孔輪廓關鍵點的外接多邊形獲得鼻孔連通域；

先將鼻子連通域內的像素點標記為1，再將鼻孔連通域內的像素點標記為0以獲得狗鼻紋掩膜圖像。

4.如權利要求1所述的基于人工智能的狗鼻紋質量檢測方法，其特征在于，所述提取所述原始狗鼻紋圖像中的紋理特征獲得紋理圖像包括：

計算所述原始狗鼻紋圖像中每個像素點的橫向紋理值與縱向紋理值；

基于所述橫向紋理值與所述縱向紋理值計算備選紋理圖像；

對所述備選紋理圖像進行非極大值抑制獲得紋理圖像。

5.如權利要求4所述的基于人工智能的狗鼻紋質量檢測方法，其特征在于，所述對所述備選紋理圖像進行非極大值抑制以獲取紋理圖像包括：

a，從所述備選紋理圖像中任選一個像素點作為中心像素點；

b，將所述中心像素點八鄰域區域作為抑制區域；

c，計算所述抑制區域中所有像素點灰度值的均值作為抑制閾值；

d，分別對比每個像素點的像素值與所述抑制閾值，若所述像素點的像素值大于所述抑制閾值，則標記該像素點為1，若所述像素點的像素值不大于所述抑制閾值，則標記該像素點為0；

e，分別將所述備選紋理圖像中每個像素點作為中心像素點并重復步驟a至步驟e以獲得紋理圖像。

6.如權利要求1所述的基于人工智能的狗鼻紋質量檢測方法，其特征在于，所述對所述狗鼻紋圖像進行分塊獲得多個圖像塊，并計算每個圖像塊的評分值，包括：

依據預設的分割閾值劃分所述狗鼻紋圖像獲得多個圖像塊；

計算每個圖像塊中值為0的像素個數與值為1的像素個數的差值的絕對值；

計算所述絕對值與對應的圖像塊中所有像素個數的比值作為每個圖像塊的評分值。

7.如權利要求1所述的基于人工智能的狗鼻紋質量檢測方法，其特征在于，所述依據所述評分值評估所述狗鼻紋圖像以獲得狗鼻紋質量檢測結果，包括：

對所述評分值進行歸一化處理獲得每個圖像塊的歸一化評分值；

計算所述每個圖像塊的歸一化評分值的方差以作為所述狗鼻紋圖像的評估值；

對比所述評估值與預設的閾值以獲得狗鼻紋質量檢測結果。