一种基于语义分割的家禽姿态监测方法和系统

技术领域

本发明涉及畜禽智能化养殖技术领域，更具体的说，涉及一种基于语义分割的家禽姿态监测方法和系统。

背景技术

当前许多动物行为的研究主要集中于对动物行为的分类和姿态估计。家禽行为分析和姿态估计在养殖过程中起着十分重要的作用。视频监测作为研究动物姿态的方法，是一种低成本且易于实现的方法。然而，研究动物姿态通常需要分析大量的离线视频，而人工分析离线视频又是一项时间和劳动密集型的工作。如何从视频中提取出有效的姿态信息就成为了一个至关重要的问题。因此，行业内急需研发一种自动化的家禽姿态估计方法或者系统。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于语义分割的家禽姿态监测方法和系统，该方法能解决人工监控费时费力的问题，从而对散养家禽进行自动化监测，实现持续监控鸡只姿态的目的。

本发明的目的通过以下的技术方案实现：一种基于语义分割的家禽姿态监测方法，包括：

S1，获取畜禽养殖场中的家禽图片，对家禽图片进行预处理，对预处理后的家禽图片中的背景和不同部位使用不同颜色进行标注，将标注后的家禽图片分为训练集和测试集；

S2，将训练集输入语义分割网络进行训练，训练完成后；将测试集输入语义分割网络，语义分割网络输出不同颜色的区域点群；区域点群包括背景区域点群；

S3，分别计算出除背景区域点群以外的区域点群对应的关键点，将所有关键点通过连接算法构建出家禽的姿态骨架。

本发明的目的还通过以下的技术方案实现：一种基于语义分割的家禽姿态监测系统，包括：

家禽图片预处理模块，用于获取畜禽养殖场中的家禽图片，对家禽图片进行预处理，对预处理后的家禽图片中的背景和不同部位使用不同颜色进行标注，将标注后的家禽图片分为训练集和测试集；

网络训练模块，用于将训练集输入语义分割网络进行训练，训练完成后；将测试集输入语义分割网络，语义分割网络输出不同颜色的区域点群；区域点群包括背景区域点群；

姿态骨架构建模块，用于分别计算出除背景区域点群以外的区域点群对应的关键点，将所有关键点通过连接算法构建出家禽的姿态骨架。

本发明与现有技术相比，具有如下优点和有益效果：

本发明的基于语义分割的家禽姿态监测方法，相比于传统人工监控方法费时费力的情况，本发明能解决散养鸡只自动姿态估计的问题，从而对散养家禽进行自动化监测，实现持续监控鸡只姿态的目的。

附图说明

图1为本发明一种基于语义分割的家禽姿态监测方法的示意性流程图。

图2为本发明一种基于语义分割的家禽姿态监测系统的示意性结构图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示，本发明提出一种基于语义分割的家禽姿态监测方法的方法，相比于传统人工监控方法费时费力的情况，在本实施例，以家禽为鸡只进行说明。本发明能解决散养鸡只自动姿态估计的问题，从而对散养家禽进行自动化监测，实现持续监控鸡只姿态的目的，包括以下步骤：

S1，获取畜禽养殖场中的鸡只图片，对鸡只图片进行预处理，对预处理后的鸡只图片中的背景和不同部位使用不同颜色进行标注，将标注后的鸡只图片分为训练集和测试集；具体地，获取得到的鸡只图片进行预处理操作，方法是：

通过架设在畜禽养殖场中的摄像头获获取的鸡只图片，将获取的鸡只图片分辨率裁剪到512*512的统一规格；其中鸡只图片通过架设在畜禽养殖场中的摄像头获取的。

对鸡只图片进行多部位颜色标注，包括鸡眼部位、鸡冠部位、鸡喙部位、鸡脚部位、尾巴部位以及剩余部位标注。具体为，通过家禽语义分割算法把鸡只的不同部位和背景分割出来；接着对分割出来的鸡只不同部位图片用不同颜色进行标注。训练集和测试集的比例按照5:1划分。其中训练集用训练FCN语义分割网络，使得将测试集输入FCN语义分割网络进行测试时，输出结果更准确。

S2，将训练集输入FCN语义分割网络进行训练，训练完成后；将测试集输入FCN语义分割网络，语义分割网络输出不同颜色的区域点群；区域点群包括背景区域点群；语义分割网络输出7类不同颜色的区域点群，包括鸡眼区域点群、鸡冠区域点群、鸡喙区域点群、鸡脚区域点群、尾巴区域点群、剩余部位区域点群和背景区域点群。

其中，对于FCN语义分割网络，训练的轮次为100，训练的批大小为4，初始学习率为1×10

S3，分别计算出除背景区域点群以外的区域点群对应的关键点，将所有关键点通过连接算法构建出鸡只的姿态骨架。在本实施例，针对鸡只关键点连接算法，通过计算出的6个关键点，分别为鸡眼(O1)，鸡喙(O2)，鸡冠(O3)，鸡脚(O4)，尾巴(O5)和剩余部位(O6)。连接关键点构建出鸡只姿态骨架，其中关键点对如下：

(O6,O1)、(O6,O3)、(O6,O4)、(O6,O5)、(O1,O2)、(O1,O3)。

在本实施例，除背景点群以外的每个区域点群计算出的关键点，见如下步骤：

S31：随机选择区域点群中的一点A；

S32：遍历区域点群所有的像素点，找出两点间距离最大的点B；

S33：点A和点B的连线中点设为圆心O，再次遍历区域点群所有像素点，找出是否有到圆心O的距离大于半径OB的点；如果有，执行步骤S4，反之执行步骤S6；

S34：将到圆心O的距离最大的像素点作为点C；

S35：以坐标点C替换点A，重复步骤S2；

S36：确定O为关键点。

在本实施例，关键点连接采用Opencv的DrawLine()函数完成。

参见图2，上述基于语义分割的家禽姿态监测系统适用的一种基于语义分割的家禽姿态监测系统，包括：家禽图片预处理模块，用于获取畜禽养殖场中的家禽图片，对家禽图片进行预处理，对预处理后的家禽图片中的背景和不同部位使用不同颜色进行标注，将标注后的家禽图片分为训练集和测试集；网络训练模块，用于将训练集输入语义分割网络进行训练，训练完成后；将测试集输入语义分割网络，语义分割网络输出不同颜色的区域点群；区域点群包括背景区域点群；姿态骨架构建模块，用于分别计算出除背景区域点群以外的区域点群对应的关键点，将所有关键点通过连接算法构建出家禽的姿态骨架。

本发明与现有技术相比，具有如下优点和有益效果：

本发明提供的基于语义分割的鸡只姿态估计方法，相比于传统人工监控方法费时费力的情况，本发明能解决散养鸡只自动姿态估计的问题，从而对散养鸡只进行自动化监测，实现持续监控鸡只姿态的目的。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。