[发明专利]一种融合多区域深度特征的奶牛个体身份识别方法

权利要求书

1.一种融合多区域深度特征的奶牛个体身份识别方法，其特征在于所述方法包括如下步骤：

步骤一、数据采集

通过图像采集设备采集奶牛通过挤奶通道的侧视图像序列；

步骤二、目标检测

将待检测图像输入到YOLO目标检测模型中，提取每一帧图像中的奶牛整体区域作为待识别图像，并划分为两个数据集，一个作为训练集，一个作为验证集；

步骤三、区域划分

将步骤二检测到的奶牛目标划分为头部、躯干和腿部三个区域；

步骤四、个体识别

使用步骤三的奶牛各区域图像数据集构建一个融合多区域深度特征的奶牛个体识别模型，利用该模型进行个体识别。

2.根据权利要求1所述的融合多区域深度特征的奶牛个体身份识别方法，其特征在于所述步骤二中，待识别图像按照下式进行选取：

式中，COW为待识别图像集合，为目标检测结果det_i的面积，A_t为面积阈值，表示目标检测结果det_i的类别名，n表示整个图像序列的目标检测结果个数，cow为待检测目标名。

3.根据权利要求1所述的融合多区域深度特征的奶牛个体身份识别方法，其特征在于所述步骤三中，头部、躯干和腿部的具体划分方法如下：

(1)执行两帧差分法获得运动奶牛的粗略轮廓；

(2)使用相应目标检测结果的边界在帧间差图像中定位目标奶牛，然后将其分为等距的垂直片段；

(3)获得每个片段中二值图像的真值的上下边界，并将上下边界之间的距离作为跨度；

(4)对每个片段的边界和进行分析，提取出上边界较高且跨度较大的片段作为包含躯干和腿部的片段，将这些片段中较高的下边界作为躯干和腿部的边界；

(5)根据几何关系将除躯干和腿部外的剩余区域作为头部区域。

4.根据权利要求1所述的融合多区域深度特征的奶牛个体身份识别方法，其特征在于所述步骤四的具体方法如下：

(1)使用已进行数据增强的奶牛各区域图像对三个独立的AlexNet模型进行微调；

(2)将图像样本数据集中的奶牛图像的各区域分别送到三个经过微调的AlexNet模型中，以从这三个区域中提取深度特征；

(3)通过加权求和策略对头部、躯干和腿部的深度特征进行融合，生成最终的奶牛身份特征；

(4)使用训练集样本训练SVM模型，在测试阶段，将验证集中的奶牛图像输入到SVM模型中进行预测，即得到最终识别结果。

5.根据权利要求4所述的融合多区域深度特征的奶牛个体身份识别方法，其特征在所述AlexNet模型包括输入层、Conv1、Conv2、Conv3、Conv4、Conv5、FC6、FC7和FC8，Conv1至Conv5是卷积层，其中Conv1、Conv2和Conv5包含池化层，FC6至FC8是全连接层，除FC8外每一层后面都使用了ReLU激活函数。