-
Patent Agency Ranking
公开(公告)号：CN107844797A
公开(公告)日：2018-03-27
申请号：CN201710890676.6
申请日：2017-09-27
Applicant: 华南农业大学
CPC classification number: G06K9/6256 , G06K9/40 , G06K9/60 , G06N3/04
Abstract: 本发明公开了一种深度图像的哺乳母猪姿态自动识别方法，包括以下步骤：采集原始深度图像数据并进行预处理，并人工标注构成母猪姿态识别数据集；设计并训练基于改进HOG特征的母猪混合可变形部件模型；构造母猪姿态识别深度卷积神经网络，利用标注框和标注的姿态类别训练集信息，并结合随机Dropout方法对该网络进行训练；将测试集输入到母猪混合可变形部件模型，获得母猪的目标区域；将目标区域结果输入到母猪姿态识别深度卷积神经网络中，对母猪姿态进行识别。本发明提供的一种基于深度图像的母猪姿态自动识别方法，克服了RGB图像容易受到外界光照、阴影等因素变化的影响，解决了夜间母猪姿态识别难的问题，可满足全天候母猪姿态监测的实际应用需求。
-
公开(公告)号：CN107527351A
公开(公告)日：2017-12-29
申请号：CN201710772176.2
申请日：2017-08-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种融合FCN和阈值分割的哺乳母猪图像分割方法。采集母猪的视频图像，并建立母猪分割视频图像库；建立FCN母猪分割模型，用该模型对测试图像进行分割，获取FCN母猪图像分割结果；对FCN分割结果外接最小面积矩形框，并对该区域的灰度图和H分量进行Otsu阈值分割，获取阈值分割结果；将FCN分割结果和阈值分割结果进行融合，获取母猪图像的最终分割结果。本发明在FCN的基础上，融合多通道Otsu阈值分割技术，在不降低FCN分割效果的同时能有效填补局部区域缺失，提高分割准确率。
-
公开(公告)号：CN109492535B
公开(公告)日：2021-09-24
申请号：CN201811186647.2
申请日：2018-10-12
Applicant: 华南农业大学
Abstract: 本发明公开了一种计算机视觉的母猪哺乳行为识别方法,包括步骤：1)采集哺乳期母猪和仔猪的俯视视频段；2)基于光流特征，计算运动像素强度、占空比和聚集度等时空特征，提取时间序列关键帧；3)利用DeepLab卷积网络分割出关键帧中母猪和仔猪，根据形状匹配算法自动定位哺乳感兴趣区域，获得时空感兴趣区域；4)在时空感兴趣区域中设置识别单元，提取仔猪运动特征，包括仔猪运动分布指数特征和基于母猪腹线的法线方向光流的仔猪吸吮运动特征；5)将仔猪运动特征输入SVM分类模型，实现母猪哺乳行为自动识别。本发明利用了哺乳行为中母猪和仔猪的时空运动信息，识别猪场环境下的母猪哺乳行为，从而解决了猪场人工监测难的问题。
-
公开(公告)号：CN109492535A
公开(公告)日：2019-03-19
申请号：CN201811186647.2
申请日：2018-10-12
Applicant: 华南农业大学
Abstract: 本发明公开了一种计算机视觉的母猪哺乳行为识别方法,包括步骤：1)采集哺乳期母猪和仔猪的俯视视频段；2)基于光流特征，计算运动像素强度、占空比和聚集度等时空特征，提取时间序列关键帧；3)利用DeepLab卷积网络分割出关键帧中母猪和仔猪，根据形状匹配算法自动定位哺乳感兴趣区域，获得时空感兴趣区域；4)在时空感兴趣区域中设置识别单元，提取仔猪运动特征，包括仔猪运动分布指数特征和基于母猪腹线的法线方向光流的仔猪吸吮运动特征；5)将仔猪运动特征输入SVM分类模型，实现母猪哺乳行为自动识别。本发明利用了哺乳行为中母猪和仔猪的时空运动信息，识别猪场环境下的母猪哺乳行为，从而解决了猪场人工监测难的问题。
-
公开(公告)号：CN107527351B
公开(公告)日：2020-12-29
申请号：CN201710772176.2
申请日：2017-08-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种融合FCN和阈值分割的哺乳母猪图像分割方法。采集母猪的视频图像，并建立母猪分割视频图像库；建立FCN母猪分割模型，用该模型对测试图像进行分割，获取FCN母猪图像分割结果；对FCN分割结果外接最小面积矩形框，并对该区域的灰度图和H分量进行Otsu阈值分割，获取阈值分割结果；将FCN分割结果和阈值分割结果进行融合，获取母猪图像的最终分割结果。本发明在FCN的基础上，融合多通道Otsu阈值分割技术，在不降低FCN分割效果的同时能有效填补局部区域缺失，提高分割准确率。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
