[发明专利]一种禽类异常识别方法及装置在审

专利信息
申请号: 201811618563.1 申请日: 2018-12-27
公开(公告)号: CN109711346A 公开(公告)日: 2019-05-03
发明(设计)人: 赵亚琴;徐媛;卢鹏 申请(专利权)人: 南京林业大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 赵丽娜
地址: 210000 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 禽类 参考图像 异常识别 饲料 食槽 背景图像 饲料添加 图像区域 图像信息 饲料量 进食 视频监控技术 采集图像 监控视频 起始饲料 图像处理 异常行为 自动识别 覆盖
【权利要求书】:

1.一种禽类异常识别方法,其特征在于,所述方法包括:

提取监控视频中的图像信息;

在所述图像信息中选取参考图像;

确定食槽中无饲料时的背景图像,分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值;

确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻,将所述极大值作为添加饲料结束时的起始饲料量;

基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常。

2.根据权利要求1所述的禽类异常识别方法,其特征在于,所述在所述图像信息中选取参考图像,包括:

每间隔时间t1在所述图像信息中选取一帧图像If(k)作为饲料量检测的第k幅图像,其中,t1=μT1,T1为给食槽添加饲料所用时间,0.5≤μ≤1,k为正整数。

3.根据权利要求1所述的禽类异常识别方法,其特征在于,所述分别计算每幅参考图像中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域之间的面积差值,包括:

采用两帧差法检测每幅参考图像If(k)和所述背景图片的对应位置所有像素的像素值变化;

基于所述像素值变化分别获得每幅参考图像If(k)中未被饲料覆盖的图像区域与所述背景图像中未被饲料覆盖的图像区域的面积差值ΔSk

4.根据权利要求3所述的禽类异常识别方法,其特征在于,所述确定所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻,包括:

若ΔSk小于ΔSk-1则k=k-1,重复步骤“若ΔSk小于ΔSk-1则k=k-1”至ΔSk大于ΔSk-1,确定此时的ΔSk为所述面积差值的极大值;

若ΔSk大于ΔSk-1则k=k+1,重复步骤“若ΔSk大于ΔSk-1则k=k+1”至ΔSk小于ΔSk-1,确定此时的ΔSk-1为所述面积差值的极大值;

在所述面积差值为极大值的参考图像对应的时刻为饲料添加结束时刻Te

5.根据权利要求4所述的禽类异常识别方法,其特征在于,所述基于所述极大值与所述饲料添加结束时刻后参考图像对应的面积差值之间的差判断禽类进食是否异常,包括:

初始化i=0,j=0;

在Te+ΔTe时刻后,若所述极大值与Te+ΔTe时刻后的多幅参考图像中每幅参考图像对应的面积差值之间的差小于预设阈值,令i=i+1,否则,令j=j+1,计算其中,0.6T2<ΔTe≤T2,T2为两次添加饲料的时间间隔,所述多幅参考图像的采集时间大于Te+ΔTe并且小于Te+T2,所述预设阈值与参考图像的采集时间相关;

若则确定禽类进食正常;若则确定禽类进食异常,其中,0.5≤γ≤1。

6.根据权利要求1所述的禽类异常识别方法,其特征在于,所述方法还包括:

提取监控视频中的音频信息;

每间隔时间t2在所述音频信息中选取参考音频,将所述参考音频分割成多个片段后提取每个片段的特征向量;

将所述特征向量输入训练好的支持向量机分类器获得所述参考音频是否异常的判断结果,基于所述判断结果判断在T3时间段内禽类是否存在异常行为。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京林业大学,未经南京林业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811618563.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top