[发明专利]动物体重的识别方法及装置

权利要求书

1.一种动物体重的识别方法，其特征在于，包括以下步骤：

采集包括参照物和所述动物的图像；

从所述图像中分割出所述动物和参照物；

提取所述动物和参照物的特征；

将所述动物和参照物的特征输入分类器，所述分类器根据所述动物和参照物的特征获得所述动物的体重；

其中，所述提取所述动物和参照物的特征，包括：

按照所述动物的轮廓点拟合出多边形，在所述多边形的拐点当中，确定所述动物的重心以下，所述动物的重心左侧距离所述重心最近的拐点并记为点P1；确定所述动物的重心以下，所述动物的重心右侧距离所述重心最近的拐点并记为点P2；确定所述动物背部的轮廓点中距离所述点P1最近的轮廓点并记为点Q1，点P1与点Q1之间的距离为所述动物的臀部长度。

2.根据权利要求1所述的动物体重的识别方法，其特征在于，所述将所述动物和参照物的特征输入分类器，所述分类器根据所述动物和参照物的特征得出所述动物的体重步骤之前包括：

使用第一训练样本集训练所述分类器，所述第一训练样本集包括至少一个第一训练动物的体重、第一训练图像中第一训练参照物和所述第一训练动物的特征。

3.根据权利要求1或2所述的动物体重的识别方法，其特征在于，所述步骤从所述图像中分割出所述动物和参照物包括：

使用第二训练样本集训练深度神经网络，所述第二训练样本集包括至少一个第二训练图像、从所述第二训练图像分割出的第二训练动物和第二训练参照物；

将所述图像输入训练后的所述深度神经网络，所述训练后的深度神经网络根据所述图像分割出所述动物和参照物。

4.根据权利要求1或2所述的动物体重的识别方法，其特征在于，所述步骤提取所述动物和参照物的特征包括：

对分割出的所述动物和参照物进行二值化处理；

利用二值化后的图像确定所述动物和参照物的轮廓点；

根据所述轮廓点计算得到所述动物和参照物的重心。

5.根据权利要求4所述的动物体重的识别方法，其特征在于，还包括：确定所述动物背部的轮廓点中距离所述点P2最近的轮廓点并记为点Q2，点P2与点Q2之间的距离为所述动物的胸部长度。

6.根据权利要求4所述的动物体重的识别方法，其特征在于，还包括：

确定所述点P1和点P2之间的轮廓点中，每个该轮廓点与所述动物背部的轮廓点之间的最小距离；

在该最小距离中选出最大值作为所述动物的腹部长度。

7.根据权利要求4所述的动物体重的识别方法，其特征在于，还包括：

所述点P1和点Q1形成线段P1 Q1，所述点P2和点Q2形成线段P2 Q2，所述线段P1 Q1和线段P2 Q2之间的部分为所述动物的腹部；

计算所述腹部的像素个数以得到所述腹部的面积。

8.根据权利要求4所述的动物体重的识别方法，其特征在于，还包括：

所述点P1和点Q1形成线段P1 Q1，所述点P2和点Q2形成线段P2 Q2；

计算所述线段P1Q1左侧部分的面积，计算线段P2Q2右侧部分的面积，将该两部分面积的乘积作为所述动物的臀部面积和头部面积的乘积。

9.根据权利要求4所述的动物体重的识别方法，其特征在于，所述步骤在所述多边形的拐点当中，确定所述动物的重心以下，所述动物的重心左侧距离所述重心最近的拐点并记为点P1；确定所述动物的重心以下，所述动物的重心右侧距离所述重心最近的拐点并记为点P2还包括：

当所述动物的腹部中还存在第一拐点时，如果所述点P1位于通过所述第一拐点和点P2的直线的上侧，则使用所述点P1更新所述第一拐点；

如果所述点P2位于通过所述第一拐点和点P1的直线的上侧，则使用所述点P2更新所述第一拐点。