[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

说明书

本发明提出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，对鸡身关键点进行检测，并结合每只鸡的躯干亲和矢量场，匹配出每只鸡的鸡身关键点。建立雏鸡标准三维模型，设置虚拟相机，结合相机参数拍摄得到雏鸡标准三维模型的虚拟照片，以虚拟照片中根节点和鸡身关键点中根节点对齐为前提，使用优化算法调整模型参数，得到最优雏鸡三维模型。根据鸡身向量夹角判断雏鸡是否低头。再检测有低头动作雏鸡的喙尖关键点与其它雏鸡两脚中心关键点的距离，判断是否存在啄癖行为，最后通过WebGIS技术将BIM上的信息可视化。

技术领域

本申请涉及人工智能神经网络和三维重建领域，具体涉及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。

背景技术

啄癖是单向或相互啄食鸡的某个部位或异物的一种恶癖，啄趾癖是啄癖中的一种，在雏鸡中易发，表现为雏鸡相互啄食脚趾，导致脚趾被啄破流血、严重的脚趾被蚕食殆尽，引起跛足。啄癖的危害很大，鸡群中一旦发生鸡啄癖，就会很快蔓延到整个鸡群，如不及时采取相应的措施，会降低肉用鸡的级别，增鸡群的死亡率，对养殖场造成经济损失。

现有对于禽类啄癖的检测方法，一般为通过养殖者的观察判断，该方法存在的问题在于成本过高，而且肉眼观察的准确率不稳定，有遗漏啄癖行为的可能，不一定能及时发现啄癖行为。

发明内容

针对以上问题，本发明提出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，对鸡的身体关键点进行检测，并结合每只鸡的躯干亲和矢量场，得到每只鸡的躯干图。通过三维扫描仪生成鸡的三维SMAL模型，以标准姿态为基准，首先实现根节点对齐。然后，结合相机参数，使用优化算法调整模型参数，得到从二维图像恢复出来的三维模型。以左右翅根中心点为根节点，将根节点到尾椎骨的向量和左翅根到右翅根的向量叉乘得到向量以根节点到喙尖关键点为向量把向量的夹角与经验阈值对比，判断鸡是否低头。再检测有低头动作雏鸡的喙尖关键点与其它雏鸡两脚中心关键点的距离，判断是否存在啄趾行为。

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得出关键点的最佳匹配，依次对每种躯干两端的两种关键点进行匹配，将包含相同关键点的关键点对放入同一组里，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；