[发明专利]基于YOLOv3的家畜位置与姿态识别方法及装置

权利要求书

1.一种基于YOLOv3的家畜位置与姿态识别方法，其特征在于包括：

(1)建立位置与姿态识别网络，所述位置与姿态识别网络具体为YOLOv3改进网络，所述YOLOv3改进网络将YOLOv3网络的损失函数改进为：

Loss＝L_bbox2+L_bbox1+L_class+L_score

式中，L_bbox2表示候选框尺寸损失，L_bbox1表示候选框中心位置偏移损失，L_class表示姿态识别损失，L_score表示识别置信度损失，权重因子x与x'为候选框的中心横坐标与实际中心横坐标，y与y'为候选框的中心纵坐标以及实际中心纵坐标，λ_coord2为尺寸损失权重，M、N表示图片所分割成识别区域块的行数和列数，B表示每个识别区域生成候选框的数量，用于表示第i个识别区域的第j个候选框内是否包含目标，若包含目标该项为1，反之则为0，W与W′为候选框的宽度与实际宽度，H与H′为候选框的高度以及实际高度，λ_coord1表示候选框中心位置偏移损失权重；

(2)采集若干已知家畜位置与姿态特征的图像作为训练样本，基于训练样本采用基于高斯混合的GMM候选框生成算法得到候选框anchor boxes尺寸；

(3)基于步骤(2)得到的训练样本和候选框尺寸，对位置与姿态识别网络进行训练；

(4)获取待识别家畜视频，将视频划分为若干图像帧，将图像帧输入训练好的位置与姿态识别网络，从而识别出图像中所有家畜的位置以及姿态特征。

2.根据权利要求1所述的基于YOLOv3的家畜位置与姿态识别方法，其特征在于：所述基于高斯混合的GMM候选框生成算法具体包括：

A、初始化9个高斯分布的参数，即在所有候选框样本中随机选取9个样本组成候选框样本集合X＝{X_i＝(w_i,h_i)^T|i＝1,2,...,9}，w_i,h_i表示选取的第i个候选框样本的宽和高，则第i个高斯分布的参数分别为：均值μ_i＝X_i＝(w_i,h_i)^T，协方差矩阵每个高斯分布被选择的概率

B、对候选框样本集合X中每个数据X_i，计算其分别由每个高斯分布生成的概率：在此基础上求出似然函数

C、计算候选框样本集合X中每个数据X_i从属于每个高斯分布的概率：

D、更新9个高斯分布的参数：

E、判断D中参数是否收敛，若不收敛则重复B～D，若收敛，则将参数中九个均值{μ_i＝(μ_iw,μ_ih)^T,i＝1,...,9}作为最终得到的9个候选框尺寸。

3.根据权利要求1所述的基于YOLOv3的家畜位置与姿态识别方法，其特征在于：所述训练样本中设置的姿态特征包括站立、卧倒、侧躺、食饲、排便以及挠痒。

4.根据权利要求1所述的基于YOLOv3的家畜位置与姿态识别方法，其特征在于：识别到的图像中所有家畜的位置采用矩形框标记。

5.一种基于YOLOv3的家畜位置与姿态识别装置，其特征在于包括处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现权利要求1-4中任意一项所述的方法。