[发明专利]基于广义Hough聚类的粘连猪的头尾识别方法

说明书

本发明公开了一种基于广义Hough聚类的粘连猪的头尾识别方法。首先利用形状因子判定出图像中粘连猪只，然后对粘连猪只利用距离变换进行外轮廓逐层剥离，确定分离点和分割线，最后利用椭圆拟合对分割后的猪体轮廓进行局部修复，分割过程中轮廓失真较小，能准确地实现粘连猪体的分割。在分割的基础上根据猪体身长来截取头部和尾部的轮廓，根据猪体头尾形状的差异性，采用广义Hough聚类的方法识别头部和尾部。实验结果表明本文提出来的方法有效。该项研究为进一步探索群养猪个体行为分析等奠定了基础。

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粘连猪的头尾识别方法。

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汽车等目标追踪定位已经越来越受到国内外学者的关注。利用机器视觉技术对规模养猪场群养猪头尾识别的研究还未有相关文献报道。考虑到机器视觉算法在其他领域的成功应用(如医学、军事等)，探讨基于机器视觉的粘连猪的头尾判定成为可能。本发明给出一种基于广义Hough聚类的粘连猪的头尾识别方法，为将来分析群猪中个体行为分析提供了有益探索。

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猪个体进行识别，为此提出一种基于广义Hough聚类的粘连猪的头尾识别方法。

本发明采用的技术方案是：基于广义Hough聚类的粘连猪的头尾识别方法，包括以下步骤：1)获取俯视状态下群养猪视频序列，然后做图像预处理，主要是群养猪图像增强与粘连目标图像选择；2)粘连猪目标分割，使用欧式距离变换方法得到粘连图像的距离图，根据距离图进行目标轮廓剥离，从而建立分割后的粘连猪图库；3)对上述分割后的猪个体利用Canny提取轮廓，根据实际图像中猪体位置自适应地建立直角坐标系，分别截取身躯两侧的四分之一轮廓作为待识别头尾；4)利用广义Hough变换和聚类分析的思想对截取出来的头尾轮廓进行识别区分，准确地找到粘连猪图像中个体的头部和尾部。

进一步，所述步骤1)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，选取符合条件的视频帧，进行图像增强与粘连目标图像选择。

进一步，所述步骤1)中还包括前景检测与猪个体目标提取，具体方法是，对单帧图像做自适应直方图均衡化进行增强，接着进行数学形态学处理，得到只包含前景目标的图像，最后利用形状因子选择出粘连目标图像。

进一步，所述步骤2)中使用欧式距离变换方法得到粘连图像的距离图，具体如下：

对一个粘连目标，按欧式距离值从小到大排列，距离值所对应的像素值的集合分别为S_d1，S_d2，...，对粘连目标进行八领域轮廓跟踪可以得到对应的像素点集合W₁，W₂，...,然后从W中剥离掉S_d，重复上述过程可以分离出粘连猪群。

进一步，所述步骤2)具体算法过程描述如下：

2.1)对获取的视频图像进行预处理，得到二值图像；根据形状因子判定出粘连目标，并选出粘连猪只；然后计算出二值图像的欧式距离变换；

2.2)根据视频中未粘连猪只的图像分别计算出7只猪的俯视可见面积，取得平均值5.293cm²，每帧图像的总面积为224.438cm²，设定5.293cm²为面积阈值；

2.3)在二值图像中对选定的粘连目标对象O进行基于欧式距离变换的外轮廓的剥离。在剥离过程中粘连目标发生分离，与步骤2.2)的面积阈值S_th进行比较，根据多次实验可以判定，如果分离出来的目标面积小于S_th的五分之一，则认定为猪只的器官部分，不是真正的粘连处，需要继续进行剥离，直至找到真正的粘连分割点。