[发明专利]基于Gabor方向直方图和猪体毛发模式的猪个体识别方法

说明书

本发明公开了基于Gabor方向直方图和猪体毛发模式的猪个体识别方法。首先利用一种基于自适应分割和多阈值分割的目标提取方法提取每张图片中的多个猪只目标。在提取出完整的猪只目标后，利用猪体关键点检测算法在猪只轮廓中提取稳定的特征区域，并对其进行网格划分。然后在选定特征区域上的每个网格中使用Gabor滤波器计算毛发模式方向场，并在每个网格中利用方向场信息计算出Gabor方向直方图。最后利用卡方距离衡量不同Gabor方向直方图之间的差异性并与数据库中的猪只进行匹配，达到猪个体身份识别的目的。该项研究为无应激的猪个体识别提供了一种新思路，也为进一步探索群养猪个体行为分析提供了一定的技术支持。

技术领域

本发明涉及机器视觉技术与模式识别技术，具体涉及一种俯视状态下群养猪监控视频中猪个体识别方法。

背景技术

随着规模养猪业和计算机技术的发展，探讨基于机器视觉的俯视群养猪视频序列中的猪个体行为分析等已经越来越受到国内外学者的关注。其中难度最大而又关键的问题是在运动过程中猪个体的识别，目前广泛使用的方法是耳标RFID，利用机器视觉技术对规模养猪场群养猪个体识别的研究少有相关文献报道。本发明给出一种基于Gabor方向直方图和毛发模式特征的俯视群养猪个体识别方法，为将来进一步分析猪只个体行为等奠定了坚实基础。

发明内容

本发明的目的是对俯视状态下群养猪监控视频中的猪个体进行身份识别，为此提出一种基于Gabor方向直方图和毛发模式特征的俯视群养猪个体识别方法。

本发明采用的技术方案是：基于Gabor方向直方图和猪体毛发模式的猪个体识别方法，包括以下步骤：

(1)俯视群养猪视频采集与图像预处理，主要包括猪个体目标的提取和特征区域的划分；(2)猪体毛发模式特征的计算，利用Gabor滤波器进行多尺度多方向滤波，提取其零直流分量计算毛发模式方向场，再利用方向场信息计算Gabor方向直方图；(3)建立样本库，利用上述步骤(1)和步骤(2)中的预处理和特征提取方法，对样本图像进行处理，计算出所有样本图像中样本目标的Gabor方向直方图并保存到样本库中；(4)利用卡方距离测度方法计算测试样本目标的Gabor方向直方图与样本库中样本目标的Gabor方向直方图的距离，衡量它们之间的差异性，从而识别出待识别的目标。

进一步，所述步骤(1)中俯视群养猪视频采集具体包括：改建实验用猪舍，在猪舍正上方安装拍摄俯视视频的图像采集系统，获取俯视群养猪彩色视频片段，并选取符合条件的视频帧，具体的条件是猪个体之间无粘连和遮挡、没有猪只躺卧。

进一步，所述步骤(1)中图像预处理操作具体如下：

利用局部直方图均衡化和中值滤波进行图像增强；利用二次分割方法提取猪个体目标，利用猪体轮廓关键点算法找到猪体轮廓臀宽和肩宽，并以此为依据划分臀部和肩部两个稳定特征区域；最后利用对特征区域进行网格划分，通过试验确定了将每个特征区域划分为多个正方形网格。

进一步，所述步骤(2)中利用Gabor滤波器进行滤波的具体方法是先通过试验确定Gabor滤波器方向参数K和尺度参数M，这里设置为K＝16,M＝2；然后对特征区域的毛发图片进行滤波，得到滤波结果。

进一步，所述步骤(2)中毛发模式方向场的具体计算方法是采用滤波响应的零直流部分，提高特征对光照变化的鲁棒性，然后将每个像素的滤波响应量化到16个方向中的一个，反映着毛发的方向信息。

进一步，所述步骤(2)中Gabor方向直方图的具体计算方法是在每个网格中，统计像素的方向场信息并以直方图的形式进行表示，由于不同猪只的网格大小是不一样的，直方图必须被进一步归一化处理。

进一步，所述步骤(3)中样本库的建立具体操作如下：