[发明专利]基于视频智能分析和三维恢复的鸡啄癖动作检测方法

权利要求书

1.一种基于视频智能分析和三维恢复的鸡啄癖动作检测方法，其特征在于，该方法包括：

构建养殖区域的BIM；

建立雏鸡标准三维模型；

将养殖区域分为若干个子区域，每个子区域部署一个相机；

各个相机拍摄所在子区域图像，经一定预处理消除噪声，输出原始图像；

将原始图像输入鸡身关键点检测网络，检测雏鸡身上的喙尖、左翅根、右翅根、左右翅根连线中点、尾椎、胯部中心、左脚跟、右脚跟关键点，输出鸡身关键点图，把左右翅膀根连线中点作为根节点；

将原始图像输入躯干检测网络，检测雏鸡各部分躯干，输出雏鸡躯干亲和矢量场；

结合鸡身关键点图和雏鸡躯干亲和矢量场，依次对每种躯干两端的两种关键点进行匹配，得出鸡身关键点的最佳匹配，将包含相同关键点的关键点对合并到同一组里，最后输出若干组鸡身关键点；

标注出雏鸡标准三维模型上的鸡身关键点，设置虚拟相机，按照子区域部署的相机参数对雏鸡标准三维模型进行拍摄，输出雏鸡标准三维模型的虚拟照片；

以雏鸡标准三维模型虚拟照片中根节点和鸡身关键点图中根节点对齐为前提，使用优化算法调整雏鸡标准三维模型，输出最优雏鸡三维模型；

计算最优雏鸡三维模型中各关键点的三维坐标，用尾椎关键点坐标减去根节点坐标得到向量右翅膀根坐标减去左翅膀根坐标得到向量用喙尖关键点坐标减去根节点坐标得到向量和叉乘后得出向量计算夹角α大小，根据α的大小判断雏鸡是否有低头行为；

将各个子区域的鸡身关键点图投影在BIM地面平面上，得到BIM地面平面上的鸡身关键点图；

计算在BIM平面上的鸡身关键点图中存在低头行为的雏鸡的喙尖关键点与其他雏鸡左右脚跟关键点的距离，判断雏鸡是否存在啄癖行为；

通过WebGIS将BIM里的信息可视化。

2.如权利要求1所述的方法，其特征在于，所述每个子区域部署一个相机，相机为斜俯视角度且每个子区域相机拍照的范围合起来应覆盖整个养殖区域。

3.如权利要求1所述的方法，其特征在于，所述预处理方法为：使用滤波处理消除噪声。

4.如权利要求1所述的方法，其特征在于，所述鸡身关键点检测网络的训练方法如下：

选择各子区域采集的原始图像作为训练数据集；

对每个雏鸡的喙尖、左翅根、右翅根、左右翅根连线中点、尾椎、胯部中心、左脚跟、右脚跟关键点进行标注，得到鸡身关键点标注数据；

采用均方误差损失函数进行鸡身关键点检测网络的训练。

5.如权利要求1所述的方法，其特征在于，躯干检测网络的训练方法如下：

选择各子区域采集的原始图像作为训练数据集；

根据经验将鸡身关键点用具有一定宽度的线连接起来，将连线作为躯干，一个鸡身上包括若干种躯干；

在躯干包含的所有像素上标注从躯干一端关键点指向躯干另一端关键点方向的单位向量，生成标注数据；

采用均方误差损失函数进行躯干检测网络的训练。

6.如权利要求1所述的方法，其特征在于，所述得出鸡身关键点的最佳匹配的方法步骤为：

计算躯干亲和矢量场上的线积分，获得各个关键点之间的连接权重值，应用条件约束的匹配算法，通过最大权重匹配获得关键点的最终匹配关系；

每次匹配一种躯干上两端的两种关键点。

7.如权利要求1所述的方法，其特征在于，所述使用优化算法调整雏鸡标准三维模型的方法包括：

雏鸡标准三维模型的参数包含姿势参数和形态参数；

优化算法可以使用遗传算法、蚁群算法、模拟退火算法；

先令雏鸡标准三维模型的虚拟照片中根节点与对应鸡身关键点图中根节点对齐，再用优化算法调整姿态参数和形态参数，当雏鸡标准三维模型虚拟照片中关键点和鸡身关键点图中对应关键点之间欧氏距离最小时停止优化。