[发明专利]基于YOLOv3的家畜位置与姿态识别方法及装置

说明书

本发明公开了一种基于YOLOv3的家畜位置与姿态识别方法及装置，方法包括：(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改进网络主要将YOLOv3网络的损失函数中候选框尺寸损失和候选框中心位置偏移损失进行了改进(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。本发明识别性能更高，且可以识别家畜姿态特征。

技术领域

本发明涉及计算机视觉人工智能技术领域，尤其涉及一种基于YOLOv3的家畜位置与姿态识别方法及装置。

背景技术

利用计算机视觉技术对家畜进行管理逐渐成为基于人工智能畜牧业的核心技术。目前，计算机视觉技术仅仅利用于家畜的定位与种类识别之上，而忽略了家畜的形态特征信息的获取。事实上，家畜的形态特征在家畜管理上具有极为重要的作用：家畜的站立、卧躺、用食等时间信息对家畜健康状态的评估具有较大的意义。

目前基于计算机视觉技术的家畜养殖在视频图像上仅能够获取家畜的位置、识别家畜的种类，而这些信息不能反映家畜的姿态，从而判断健康状况，依然依赖其他手段来管理家畜的健康状态特征，带来了较高的家畜管理成本，不利于低成本的人工智能的家畜养殖的实现。除此以外，基于动物养殖场的视频图像具有角度广的特征，在视频图像边缘处的目标物体较图像中心目标物体较小。在此情况下主流的神经网络表现出了对边缘目标识别困难与目标候选框尺寸不合理的问题，即通用的用于图像识别的神经网络技术在动物视频图像上的识别表现出了较低的识别性能，加大了基于计算机视觉技术的智能化家畜管理的难度。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种识别性能更高且可以识别家畜姿态的基于YOLOv3的家畜位置与姿态识别方法及装置。

技术方案：本发明所述的基于YOLOv3的家畜位置与姿态识别方法包括：

(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。