[发明专利]基于特征融合的奶牛个体识别方法

说明书

本发明基于特征融合的奶牛个体识别方法，涉及图像数据处理中的图像识别方法，是应用改进的LBP‑HOG算法进行特征提取和主成分分析方法结合使用进行奶牛个体识别的方法，进一步说是依据不同奶牛个体头部的鼻镜和额部位存在明显差异的特点，使用改进的HOG进行边缘特征提取，得到奶牛头部的轮廓特征，与之后LBP局部纹理特征提取进行特征融合，再与主成分分析方法结合使用进行奶牛个体识别，克服了早先奶牛个体识别技术中旋转鲁棒性差、易受光照影响、噪声大的缺陷。

技术领域

本发明的技术方案涉及图像数据处理中的图像识别方法，具体地说是基于特征融合的奶牛个体识别方法。

背景技术

互联网的兴起使得现今各行业逐渐朝着工业化、智能化发展，其中奶业发展是农业发展中国家十分关注的问题。农业现代化步伐不断加快，规模化、信息化奶牛养殖场得到了广泛应用，我国已基本形成高密度、集中化的奶牛养殖体系。视频分析技术已越来越多的应用于检测奶牛行为以给出养殖管理决策，基于图像处理的奶牛个体身份识别算法能够进一步提高奶牛行为视频分析的自动化程度。个体识别作为奶牛信息化管理的基础，成为当前畜牧业发展的一个研究热点。因此迫切需要一种基于图像处理的高精度自动奶牛个体识别方法，以提高行为检测的自动化程度并使得成本不是太高，进一步提高视频分析技术在奶牛行为感知领域的重大实用性。

早期针对奶牛个体识别问题主要采取人工观察方式，但该方法受主观影响大、标准不统一，误识别率很高；之后发展为采用标签识别的方法，分别为每头奶牛耳朵上佩戴唯一的标识号码，但是依然存在人工量大、工作繁琐的缺点，此外，标签容易破损、对奶牛造成了过多日常干扰，可能降低奶牛产奶量，从而影响牛场的经济效益。目前畜牧业比较流行的无线射频识别技术(RFID)，但该方法无法实现远距离识别，同时精密度和成本比较高。随着计算机视觉的发展，结合奶牛特有的黑白条纹信息，应用图像处理算法实现奶牛个体识别逐步引起国内外相关学者的关注。Ahmed S等人在IEEE计算机学会上发表的《Muzzle-Basedcattle identification using speed up robust feature approach》论文中提出了运用加速鲁棒特征算子(SURF)提取奶牛嘴部纹理特征点，然后应用支持向量机(SVM)分类器对奶牛个体进行分类识别的方法，但是该方法对于采集数据的位置比较敏感，奶牛嘴部数据获取具有一定的难度。CN105260750A公开了一种奶牛个体识别方法，该方法通过将捕捉到的奶牛实时图像与事先建立好的模板图像库进行匹配，将能够成功匹配的模板库中的奶牛个体的标签作为待识别奶牛的类别，但是该方法效率较低，每次匹配过程需要遍历模板的数量可能很大。Kim等人发表的《Recognition of individual Holstein cattle byimaging body patterns》论文中设计了一个基于奶牛身体图像特征的计算机图像系统以识别奶牛个体，该系统使用纯色背景，提取奶牛的身体区域图像，二值化后对图像进行分块处理得到100个特征值，构建100*16*8结构的人工神经网络，用49幅图像训练网络，10幅图像测试网络性能，虽然该方法证明识别奶牛是可行的，但是构建的神经网络结点数众多，训练样本少，易产生多学习，系统对于环境光变化、图像平移与畸变的鲁棒性低。图像距离量度法和尺度不变特征匹配算法(SIFT)可用于奶牛个体身份识别，但是图像距离量度法依赖于图像的特征提取，对光线变化较为敏感，不适合于露天养殖的奶牛，在有前景遮挡的情况下，SIFT方法匹配准确率会受到影响。CN201710000628.5公开了一种基于深度卷积神经网络的奶牛个体识别方法，是针对奶牛的纹理特征进行的奶牛个体识别，该方法模型参数设置需要较高的技巧性，需要反复实验进行训练和测试，并没有统一参照的标准，模型的建立较困难。CN201710269440.0公开了一种奶牛个体识别的方法，是针对奶牛黑白花纹的形状及分布进行的奶牛个体识别，该方法存在旋转鲁棒性差、易受光照影响、噪声大的缺陷。