CN102499687A - 一种基于机器视觉的猪的呼吸频率检测方法及装置 - Google Patents

Abstract

本发明公开一种基于机器视觉的猪的呼吸频率检测方法及装置，该方法采用视频摄像机现场采集动物的运动状况，获取动物运动轨迹，通过测量猪的俯视腹侧曲线的运动规律，计算猪的呼吸频率，能够实现无接触的呼吸频率检测，可以代替传统的目测方法，减少人力投入和增加准确性；该装置包括视频采集设备、传输模块、处理模块和显示及存储模块，安装简单，测量精度高，适应环境能力强。

Description

一种基于机器视觉的猪的呼吸频率检测方法及装置

技术领域

本发明涉及机器视觉技术和对猪的行为进行检测与识别技术，具体涉及基于机器视觉的猪的呼吸频率的精密测量方法和装置。

背景技术

养猪行业已由传统粗放型的养殖模式转变为绿色环保集约型的养殖模式，观测猪呼吸频率的传统方法是通过目测猪的胸部和腹部的起伏运动情况来实现的，由于猪舍内环境差，长时间在猪舍中观察会影响工作人员的健康，而且仅靠人工观察，人的疲劳和认知程度等因素都会导致信息疏漏，所以，这种方法耗时、费力且不准确，因此，寻找更可靠、更精确、更方便的猪呼吸频率检测方法成了本领域的迫切需求。 

近年来，基于机器视觉的动物行为的智能识别与分析方法得到了应用，采用视频摄像机现场采集动物的运动状况，获取动物运动轨迹，计算和记录相关实验数值，分析动物的行为状况；系统硬件一般由视频输入器 、图像采集卡、微处理器和显示屏等组成；系统软件由通信、参数设置、图像采集、识别、行为分析、数值计算、并行处理、数据存储查询、显示、报警等模块组成；具有非接触无损、数字化、采样周期可调、可实时在线自动跟踪动物运动轨迹。但这种方法只能对动物的整体运动行为进行识别与分析，而至今未见有对猪的呼吸频率进行检测的文献报道。

发明内容

本发明的目的是提供一种基于机器视觉的猪的呼吸频率检测方法，该方法能够实现无接触的呼吸频率检测，可以代替传统的目测方法，减少人力投入和增加准确性。

本发明的另一目的提供一种基于机器视觉的猪的呼吸频率检测装置，该装置安装简单，测量精度高，适应环境能力强，能实现无接触的呼吸频率检测。

本发明一种基于机器视觉的猪呼吸频率检测方法采用的技术方案是：通过测量猪的俯视腹侧曲线的运动规律，计算猪的呼吸频率，其具体步骤为：

1）猪体的视频图像采集和预处理

将视频采集设备安装于猪舍顶部，使其光轴垂直于猪舍地面,连续采集视频图像，并预处理得到猪的俯视边缘轮廓图图像；

2）确定猪的俯视边缘轮廓图像质心(                                                

,

)位置，当质心位置静止时间超过设定阈值，进入步骤3）；

3）获取猪的俯视侧腹曲线图，建立坐标系；

4）计算猪的呼吸频率

在所述坐标系内，测量猪的一侧腹线上的猪肩部侧端点A与腰角端点B间曲线随时间的波动，其波动频率为猪的呼吸频率。

进一步，所述步骤1）的预处理方法为背景差分法和边缘检测算法。

进一步，所述质心(,

)位置的确定方法为：

，

                                              (1)

其中n 是猪的俯视边缘轮廓线所有像素点的个数，(

,

)是猪的俯视边缘轮廓线的像素点。

进一步，所述步骤3）的坐标系的建立方法为：

通过边缘提取得到只包含下边缘的边界跟踪结果图像，找出其最小外接矩形，将所述外接矩形的水平对称轴设为X轴，从左到右扫描外接矩形下边缘的最低点Q，通过该点建立Y轴。

进一步，所述步骤4）的猪肩部侧端点A的确定采用曲线的凹凸点识别法。

进一步，所述步骤4）的猪肩部侧端点B点的确定采用边界曲线局部曲率最大的方法。

本发明一种基于机器视觉的猪呼吸频率检测装置采用的技术方案是：包括视频采集设备、传输模块、处理模块和显示及存储模块；

所述视频采集设备设置于猪舍中心位置距离地面固定高度处，其光轴垂直于猪舍地面，用于进行猪体视频图像的采集；

所述处理模块用于对所述主体视频图像的预处理、获取猪的俯视侧腹曲线图，建立坐标系和计算猪的呼吸频率；

所述传输模块用于在视频采集设备和处理模块之间传输视频图像；

所述显示及存储模块用于显示猪的呼吸频率并进行存储。

本发明的有益效果是：通过图像的方法测量猪的一侧腹线的波动规律来准确、完整地表达猪的呼吸频率，有利于对猪生长过程进行监测和研究，为猪的现代化饲养管理提供一种有效的监测手段，能实现对猪健康的远程监控，能有效提高规模养猪场的健康养殖及自动化水平，且检测精度高、设备安装简单，适应环境能力强。

附图说明

图1是本发明的方法流程示意图；

图2是猪俯视轮廓及质心示意图；

图3是猪呼吸建模图像；

图4是确定猪腰角端点A点搜索区域流程图；

图5是猪肩部侧端点B点确定算法流程图；

图6是猪呼吸运动曲线。

具体实施方式

下面结合附图和具体实施方式以进一步描述本发明。本发明的猪呼吸频率检测方法是基于现场视频图像采集与监控设备实施的。现场视频图像采集与监控设备由摄像设备、视频采集卡、灯光和计算机以及相应的图像采集、传输和存储算法和软件组成。现场视频图像采集与监控设备用于视频图像的采集、传输并存储到计算机中，再由软件系统进行相应的算法处理和识别，并由计算机输出目标猪的呼吸频率。

1. 猪体的视频图像采集

参见图1所示的本发明的方法流程示意图，在猪舍中心位置距离地面的一个固定高度处放置摄像设备，进行猪体图像的采集，获取目标猪的视频帧，将视频帧传送至视频采集卡，然后输入计算机中，再由软件系统进行处理分析，并由计算机输出结果。

视频图像采集时，将摄像机光轴垂直于猪舍地面，即图像平面平行于地面，连续摄取猪舍中猪的视频图像，经图像与处理方法、背景差分法和边缘检测算法获得猪的俯视边缘轮廓图。

2. 猪的俯视边缘轮廓图像质心位置的确定

当猪进入目标区域，先对猪的伫立（站立不动）状态进行第一次检测，当猪质心位置不变的时间超过设定阈值时，认为该猪为站立不动，此时才将视频图像输入计算机，进行呼吸次数的视频图像分析。若猪质心位置不变的时间不超过设定阈值时，认为该猪处于走动状态，因走动状态时本发明的方法难以实现呼吸次数的视频图像分析，故不对这些图像进行视频图像分析。当第二次猪质心位置不变的时间超过设定阈值时，再将视频图像输入计算机，进行呼吸次数的视频图像分析。如此重复，实现在不同区域对猪的呼吸频次的检测。

通过以下公式(1)计算质心(

,

)位置:

，

                                              (1)

上式中，n 是猪的俯视边缘轮廓线所有像素点的个数，(,)是猪的俯视边缘轮廓线的像素点。

3. 猪的俯视侧腹曲线图的确定并建立坐标系

确定质心(

,

)位置后，进一步测量猪的一侧腹曲线的波动。猪的呼吸引起的腹部运动是一种周期性运动，而且运动细节随呼吸的变化而变化，可通过摄像机跟踪猪腹部的运动，获得猪的俯视侧腹曲线图，即猪一侧的肩部侧端点与腰角端点间曲线图。从背部看，猪的体型基本呈关于脊柱左右对称，因此，猪的一侧腹线的波动就可以完整表达猪的呼吸。

测量目标猪的俯视边缘轮廓如图2所示，A点为猪腰角端点，是猪体中躯与后躯的分界点；B点为猪肩部侧端点，是猪体前躯与中躯的分界点，O点是质心(

,

)。

对图2所示的猪的一侧腹曲线建立合适的坐标系，从背部看，猪的体型基本呈关于脊柱左右对称，因此，在图像测量时可以利用该特点，建立合适的坐标系，使测量更加便利。通过边缘提取可得到只包含下边缘的边界跟踪结果图像，如图3所示，通过跟踪扫描找出背部图像的最小外接矩形，同时建立坐标系，外接矩形的水平对称轴为X轴，从左到右扫描外接矩形下边缘的最低点Q (如图3中的Q点)，通过该点建立Y轴。

4. 构建猪的呼吸运动模型

在上述坐标系内，将呼吸特征的测量转变为对猪的一侧腹线上的猪肩部侧端点与腰角端点间曲线随时间波动的测量。通过统计猪腰角端点与肩部侧端点间AB段曲线包含的亚像素数量来反映猪呼吸的情况，建立猪呼吸模型，得到位置-时间曲线。

(1)确定猪腰角端点A点与猪肩部侧端点B点

1）采用曲线的凹凸点识别法确定猪腰角端点A点

如图3所示，从Q点向左分析图像下边缘，可知曲线逐步上升，且A点为某一局部最高点。设R点为该段曲线上任意一点，连接Q与R点，线段QR与外接矩形下边界的夹角为α，则

                                                 

上式中，为Q点的纵坐标与R点的纵坐标之差。

为Q点的纵坐标与R点之间的距离。算法流程图如图4所示，从Q点向左扫描图像下边缘，每隔n（综合考虑时间复杂度与识别准确率，研究中取n=9）个边界点取为R点，计算α角，并初始化α角的最大值Maxα单元，即Maxα=0。依次比较当前α角(Curα为当前α角)与上一α角的最大值Maxα，若α角逐渐增大（Curα> Maxα）则R点继续左移，否则停止移动，记录当前R点位置，从而确定A点在R点与Q点之间，通过比较R到Q之间各边界点纵坐标，距离x轴最近点即为A点。

 2）根据边界曲线局部曲率最大来确定猪肩部侧端点B点

如图3所示，点P为右边缘曲线上某一点，

和分别与P点间隔n(考虑到测量允许误差，选取n=15)个边界点数，

张角大小反映了弧线段

的弯曲程度。算法流程图如图5所示，开始计算时，从Q点开始，将Q点处坐标赋予

，间隔n（15）个边界点取P点，再间隔n个边界点取

点。P点逐渐右移，计算角度

（近似为曲线的弯曲程度），设初始最大曲率MaxCur=359°（MaxCur为曲线的最大曲率），第一个角度

值是359°，依次计算当前角度

（LocCur即为曲线的当前曲率），然后依次比较曲线的当前曲率LocCur与曲线的最大曲率MaxCur，当

到达点

时计算结束，通过比较，选取所有计算的角度中的最小的角度

（MaxCur）所对应的P点，此时P点即为所求的B点。

（2）采用如下算法计算目标曲线AB长度

1)在目标曲线上选取A点，找到离这个点最近的边缘点作为搜索的起点，也作为处理的当前点，并将它的坐标存入目标边缘点链码；

2)找出离当前点最近的边缘点，把它作为当前点，并将它的坐标存入目标边缘点链码；

3)重复(2)，直到B点，则终止操作。  

在得到了目标边缘点的排序链码后，目标长度可通过依次累加两点间的距离进行计算，而两点间的距离可由欧氏距离公式计算：

                              

（3）对一系列目标视频帧计算目标曲线AB的长度，采用逐点描图的方法表示曲线AB的长度

随时间t变化的关系，就得到猪呼吸运动过程H，即：

。

图6为实际跟踪曲线AB的运动得到的两个不同时段的呼吸运动曲线，可以看出，呼吸运动曲线具有明显的周期性，虽然每一周期的运动规律都与另一周期不完全相同，但都是类正弦曲线的规律。

本发明的检测算法分别进行两次判定，首先计算每帧中猪的轮廓质心位置，原理为在连续的时间内质心在一个很小的阈值范围内，我们就认为其处于伫立状态，当伫立时间超过一定时间阈值

时，才进行

计算，而

的值采用人经验设定；考虑到因其它因素（如瘙痒）引起的颤动，所以设置去抖动参数

，，从而得到的呼吸曲线。

利用得到的呼吸曲线，确定呼吸幅度最大值

与最小值

，呼吸周期频率最大值

与最小值

。其中与

分别为曲线AB长的下限与上限值；

与分别为曲线AB长度变化频率的下限与上限值。

尽管猪在不同位置所测得的曲线的像素值有所不同，但最终所得到的时间段内呼吸频率是基本相同的。

Claims (7)

1.一种基于机器视觉的猪呼吸频率检测方法，其特征在于：通过测量猪的俯视腹侧曲线的运动规律，计算猪的呼吸频率，其具体步骤为：

1）猪体的视频图像采集和预处理

将视频采集设备安装于猪舍顶部，使其光轴垂直于猪舍地面,连续采集视频图像，并预处理得到猪的俯视边缘轮廓图图像；

2）确定猪的俯视边缘轮廓图像质心(                                                

,

)位置，当质心位置静止时间超过设定阈值，进入步骤3）；

3）获取猪的俯视侧腹曲线图，建立坐标系；

4）计算猪的呼吸频率

在所述坐标系内，测量猪的一侧腹线上的猪肩部侧端点A与腰角端点B间曲线随时间的波动，其波动频率为猪的呼吸频率。

2.根据权利要求1所述的一种基于机器视觉的猪呼吸频率检测方法，其特征在于：所述步骤1）的预处理方法为背景差分法和边缘检测算法。

3.根据权利要求1所述的一种基于机器视觉的猪呼吸频率检测方法，其特征在于：所述质心(

,)位置的确定方法为：

，

                                              (1)

其中n 是猪的俯视边缘轮廓线所有像素点的个数，(

,

)是猪的俯视边缘轮廓线的像素点。

4.根据权利要求1所述的一种基于机器视觉的猪呼吸频率检测方法，其特征在于：所述步骤3）的坐标系的建立方法为：

通过边缘提取得到只包含下边缘的边界跟踪结果图像，找出其最小外接矩形，将所述外接矩形的水平对称轴设为X轴，从左到右扫描外接矩形下边缘的最低点Q，通过该点建立Y轴。

5.根据权利要求1所述的一种基于机器视觉的猪呼吸频率检测方法，其特征在于：所述步骤4）的猪肩部侧端点A的确定采用曲线的凹凸点识别法。

6.根据权利要求1所述的一种基于机器视觉的猪呼吸频率检测方法，其特征在于：所述步骤4）的猪肩部侧端点B点的确定采用边界曲线局部曲率最大的方法。

7.一种基于机器视觉的猪呼吸频率检测装置，包括视频采集设备、传输模块、处理模块和显示及存储模块，其特征在于：

所述视频采集设备设置于猪舍中心位置距离地面固定高度处，其光轴垂直于猪舍地面，用于进行猪体视频图像的采集；

所述处理模块用于对所述主体视频图像的预处理、获取猪的俯视侧腹曲线图，建立坐标系和计算猪的呼吸频率；

所述传输模块用于在视频采集设备和处理模块之间传输视频图像；

所述显示及存储模块用于显示猪的呼吸频率并进行存储。

Images