CN108922622A - 一种动物健康监测方法、装置及计算机可读存储介质 - Google Patents
一种动物健康监测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108922622A CN108922622A CN201810750850.1A CN201810750850A CN108922622A CN 108922622 A CN108922622 A CN 108922622A CN 201810750850 A CN201810750850 A CN 201810750850A CN 108922622 A CN108922622 A CN 108922622A
- Authority
- CN
- China
- Prior art keywords
- animal
- voice
- health monitoring
- data
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 241001465754 Metazoa Species 0.000 title claims abstract description 335
- 230000036541 health Effects 0.000 title claims abstract description 100
- 238000012544 monitoring process Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims abstract description 44
- 230000009471 action Effects 0.000 claims abstract description 21
- 239000000284 extract Substances 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 23
- 230000001815 facial effect Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000011282 treatment Methods 0.000 claims description 14
- 201000010099 disease Diseases 0.000 claims description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 230000000306 recurrent effect Effects 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 10
- 230000004807 localization Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 7
- 210000003414 extremity Anatomy 0.000 description 24
- 238000012549 training Methods 0.000 description 16
- 238000013527 convolutional neural network Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000003862 health status Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 241000244203 Caenorhabditis elegans Species 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000003194 forelimb Anatomy 0.000 description 3
- 238000006748 scratching Methods 0.000 description 3
- 230000002393 scratching effect Effects 0.000 description 3
- 206010028372 Muscular weakness Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 208000017520 skin disease Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本公开揭示了一种动物健康监测方法、装置及计算机可读存储介质，其包括：接收为动物拍摄的动物视频，并从所述动物视频中提取语音数据和图片帧数据；对所述语音数据进行动物声音识别，得到所述动物的声音标签；以及对所述图片帧数据进行动物动作识别，得到所述动物的动作标签；将所述动物的声音标签和动作标签输入健康分类器，预测得到所述动物的患病概率；根据所述动物的患病概率输出所述动物的健康监测结果。利用对动物视频进行声音识别和动作识别，结合动物的声音标签和动作标签预测动物的患病概率，并根据该患病概率输出动物健康监测的结果，有效地解决了现有技术中存在因动物语言识别的准确性不高而可能造成动物健康检测的准确性不高的问题。
Description
技术领域
本公开涉及人工智能技术领域，特别涉及一种动物健康监测方法、装置及计算机可读存储介质。
背景技术
人们一直都希望可以和动物进行沟通，近几年，动物研究者们已经发现在面对不同状况的时候，动物会发出不同的叫声，以表达不同的意思。
目前，有不少动物研究者采用人工智能技术，通过对对动物叫声进行归纳，分类，分析，最终识别出动物叫声的含义，以此了解动物叫声所要表达的意思。但是动物除了叫声之外还有各种丰富的肢体动作，如果动物只表现出肢体动作但是没有发出叫声，则动物语音识别无法发挥用处。此外，动物往往会用极其相似的叫声来表达不同的意思，只有结合其肢体动作，才能更准备地识别出动物要表达的意思。
举例来说，动物生病了，由于不能准确地识别出动物叫声所要表达的意思，则可能无法准确地发现动物的不适之处，或者无法准确地判断动物究竟是哪个部位生病了，进而导致动物错过最佳的治疗时间。
由上可知，现有技术中存在因动物语言识别的准确性不高而可能造成动物健康检测的准确性不高的问题。
发明内容
为了解决相关技术中存在因动物语言识别的准确性不高而可能造成动物健康检测的准确性不高的问题，本公开提供了一种动物健康监测方法、装置及计算机可读存储介质。
一种动物健康监测方法，包括：接收为动物拍摄的动物视频，并从所述动物视频中提取语音数据和图片帧数据；对所述语音数据进行动物声音识别，得到所述动物的声音标签；以及对所述图片帧数据进行动物动作识别，得到所述动物的动作标签；将所述动物的声音标签和动作标签输入健康分类器，预测得到所述动物的患病概率；根据所述动物的患病概率输出所述动物的健康监测结果。
一种动物健康监测装置，所述装置包括：接收和提取模块，用于接收为动物拍摄的动物视频，并从所述动物视频中提取语音数据和图片帧数据；识别模块，用于对所述语音数据进行动物声音识别，得到所述动物的声音标签；以及对所述图片帧数据进行动物动作识别，得到所述动物的动作标签；预测模块，用于将所述动物的声音标签和动作标签输入健康分类器，预测得到所述动物的患病概率；输出模块，用于根据所述动物的患病概率输出所述动物的健康监测结果。
在一示例性实施例中，所述装置还包括：视频判断模块，用于判断所接收的所述动物视频是否合格；如果不合格，则通知信息生成模块；所述信息生成模块，用于生成告警信息以提示用户重新上传动物视频。
在一示例性实施例中，所述识别模块可以包括：语音分段单元，用于按照指定长度对所述语音数据进行分段，得到所述语音数据中的若干语音帧序列；遍历单元，用于遍历所述语音数据中的若干语音帧序列，从遍历到的语音帧序列中提取得到所述语音数据对应的一个局部特征向量；全连接单元，用于待完成所述遍历，对所述语音数据对应的若干局部特征向量进行全连接，得到所述语音帧序列对应的全局特征；第一预测单元，用于将所述语音帧序列对应的全局特征输入到声音分类器进行声音标签预测，得到所述动物的声音标签。
在一示例性实施例中，所述识别模块还可以包括：肢体特征提取单元，用于对所述图片帧数据进行所述动物的肢体特征提取；全局特征获得单元，用于将提取到的肢体特征输入到递归神经网络，学习得到所述图片帧数据对应的全局特征；第二预测单元，用于将所述图片帧数据对应的全局特征输入动作分类器进行动作标签预测，得到所述动物的动作标签。
在一示例性实施例中，所述装置还包括：定位消息上报模块，用于如果所述健康监测结果指示所述动物患病，则获取用户设备上报的定位消息；推送模块，用于根据所述定位消息指示的用户所在位置向用户设备推送宠物医院消息，所述宠物医院消息用于指示用户所在位置附近的宠物医院。
在一示例性实施例中，所述装置还包括：投保判断模块，用于如果所述健康监测结果指示所述动物患病，则判断所述动物是否已投保；提示信息发送模块，用于如果已投保，则向用户设备发送提示信息，所述提示信息用于提醒用户上传所述动物的治疗清单；理赔请求模块，用于待接收到用户上传的所述动物的治疗清单后，根据所述治疗清单请求对所述动物进行理赔。
在一示例性实施例中，所述投保判断模块可以包括：脸部识别单元，用于对所述图片帧数据进行脸部识别，通过所述脸部识别判断所述图片帧数据所对应图片中是否包含动物脸部；动物脸部图片生成单元，用于从所述图片帧数据所对应的图片中截取识别得到的动物脸部，生成动物脸部图片；脸部特征向量构建单元，用于根据所述动物脸部图片构建所述动物的脸部特征向量；匹配查找模块，用于根据所述脸部特征向量在参保信息数据库所保存的目标脸部特征向量中进行匹配查找；投保判断单元，用于如果查找到存在与所述脸部特征向量相匹配的目标脸部特征向量，则判定所述动物已投保。
一种动物健康监测装置，所述装置包括：处理器；以及用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行权利要求以上所述的动物健康监测方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的动物健康监测方法。
本公开的实施例提供的技术方案可以包括以下有益效果：利用对动物的视频进行声音识别和动作识别，结合动物的声音标签和动作标签预测动物患病的概率，并根据该患病概率输出动物健康监测的结果，用户可以简单、快捷、准确地得知动物的健康状态，从而实现对动物健康的监测。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
图1是根据本公开所涉及的实施环境的示意图；
图2是根据一示例性实施例示出的动物健康监测服务端的框图；
图3是根据一示例性实施例示出的动物健康监测方法的流程图；
图4是根据一示例性实施例示出的步骤S110之前的流程图；
图5是根据图2对应实施例的步骤S120在一实施例中的流程图；
图6是本公开中进行动物声音识别的模型结构的一示例性示意图；
图7是图2对应实施例的步骤S120’在一实施例中的流程图；
图8是本公开中进行动物动作识别的模型结构的一示例性示意图；
图9是根据一示例性实施例示出的步骤S140之后的流程图；
图10是根据另一示例性实施例示出的步骤S140之后的流程图；
图11是图9对应实施例的步骤S150在一实施例中的流程图；
图12是根据一示例性实施例示出的动物健康监测装置的框图。
具体实施方式
这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据本公开所涉及的实施环境的示意图。该实施环境包括：用户设备100和动物健康监测服务端200。
用户设备100可以是手机、平板电脑、笔记本电脑等。通过用户设备100上运行的客户端与动物健康监测服务端200的交互，用户设备100可以向动物健康监测服务端200上传动物视频，并接收动物健康监测服务端200返回的动物健康监测结果。
动物健康监测服务端200可以是一台服务器，也可以是由多台服务器构成的服务器集群，在此并未加以限定。
图2是根据一示例性实施例示出的一种动物健康监测服务端200的框图。需要说明的是，该服务端只是一个适配于本发明的示例，不能认为是提供了对本发明的使用范围的任何限制。该动物健康监测服务端200也不能解释为需要依赖于或者必须具有图2中示出的一个或者多个组件。
该动物健康监测服务端200的硬件结构可因配置或者性能的不同而产生较大的差异，如图2所示，动物健康监测服务端200包括：电源220、接口240、至少一存储器230、以及至少一处理器210。
其中，电源220用于为动物健康监测服务端200上的各种硬件设备提供工作电压。
接口240包括至少一有线或无线网络接口241、至少一串并转换接口242、至少一输入输出接口243以及至少一USB接口244等，用于与外部设备通信。
存储器230作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统233、应用程序232、以及数据231等，存储的方式可以是短暂存储或者永久存储。其中，操作系统233用于管理与动物健康监测服务端上的各种硬件设备以及应用程序232，以实现处理器210对数据231的计算与处理。应用程序232是基于操作系统233之上完成至少一项特定工作的计算机程序，其可以包括至少一模块(图2中未示出)，每个模块都可以分别包含有对动物健康监测服务端200的一系列计算机可读指令。数据231可以是存储于磁盘中的动物的语音数据、图像数据等。
处理器210可以包括一个或多个以上的处理器，并设置为通过总线与存储器230通信，用于运算与处理存储器230中的数据。
如上面所详细描述的，适用于本发明的动物健康监测服务端200将通过处理器210读取存储器230中存储的一系列计算机可读指令的形式来完成动物健康监测的方法。
此外，通过硬件电路或者硬件电路结合软件也能同样实现本发明，因此，实现本发明并不限于任何特定硬件电路、软件以及两者的组合。
需要说明的是，该动物健康监测服务端200只是一个适配于本发明的示例，不能认为是提供了对本发明的使用范围的任何限制。该动物健康监测服务端200也不能解释为需要依赖于或者必须具有图2中示出的一个或者多个组件。
图3是根据一示例性实施例示出的动物健康监测方法的流程图，该方法可以图2所示的动物健康监测服务端200执行，如图3所示，动物健康监测方法包括：
步骤S110，接收为动物拍摄的动物视频，并从动物视频中提取语音数据和图片帧数据。
用户为动物拍摄动物视频，可以通过用户设备100上传到动物健康监测服务端200中。动物健康监测服务端200接收到用户为动物拍摄的动物视频后，采用声道分离技术从动物视频中提取语音数据。并对动物视频进行图像处理，即以指定时间为间隔，从动物视频中提取图片，然后去除图片中不包含动物图像的图片，进而得到图片帧数据。
值得一提的是，为了保证动物监测结果能更好的反映动物的健康状态，用户为动物拍摄的视频最好为动物的全身视频，而且为动物活动状态的视频。
步骤S120，对语音数据进行动物声音识别，得到动物的声音标签；以及步骤S120’，对图片帧数据进行动物动作识别，得到动物的动作标签。
该声音标签被用于根据动物的声音反映出动物的健康状态，比如，反映动物的健康状态为不健康的“声音微弱无力”、“沙哑”等声音标签、或者反映动物的健康状态为健康的“声音高亢”等声音标签。
声音识别可以采用深度学习的方法，在实施例的具体实现中，可以构建如图6所示的循环神经网络(RNN)模型用于动物声音识别。当然，在其它实施例中，还可以是其他深度学习模型用于动物声音识别，在此不进行限定。
动作标签被用于根据动物的动作反映动物的健康状态，比如“四肢无力”、“脚步不稳”、“频繁摇头”、“频繁抓挠身体”等动作标签，该动作标签是根据动物的各种肢体动作综合所反映动物的健康状态。
类似的，动作识别可以采用深度学习的方法，在实施例的具体实现中，可以构建图8所示的模型来进行动物动作的识别。需要说明的是，图8所示的模型只是一个适配于本发明的示例，不能认为是提供了对本发明的使用范围的任何限制，其他可以实现动作识别的深度学习模型也适用于本发明，在此不进行限定。
步骤S130，将动物的声音标签和动作标签输入健康分类器，预测得到动物的患病概率。
步骤S140，根据动物的患病概率输出动物的健康监测结果。
在一示例性实施例中，健康分类器可以是softmax分类器，具体的，根据所输入的动物声音标签和动作标签计算所接收动物视频中的动物属于不同类型健康标签的概率，由此预测得到该动物健康或者患病的具体类型。其中，不同类型健康标签是指：用于指示动物健康的健康标签以及用于指示动物具体患病类型的健康标签，比如“犬瘟”的健康标签指示该动物患犬瘟。
健康分类器的分类类别可以根据实际情况将健康分类器及声音识别模型、动作识别模型进行训练之后设定。
假设健康分类器可以分类的类别包括“健康”、“犬瘟”、“蛔虫病”、“耳病”及“皮肤病”，即健康分类器设定的健康标签包括“健康”健康标签、“犬瘟”健康标签、“蛔虫病”健康标签、“耳病”健康标签及“皮肤病”健康标签。在实际应用中，当声音标签和动作标签输入健康分类器后得到该动物为“健康”健康标签的患病概率为P1，为“犬瘟”健康标签的患病概率为P2，为“蛔虫病”健康标签的患病概率为P3，为“耳病”健康标签的患病概率为P4，为“皮肤病”健康标签的患病概率为P5。根据所预测得到的患病概率，如果P1>P2，P1>P3，P1>P4，P1>P5，则预测该动物的健康标签为指示动物健康的健康标签，输出的动物健康监测结果指示该动物健康。
利用对动物的视频进行声音识别和动作识别，结合动物的声音标签和动作标签预测动物患病的概率，并根据该患病概率输出动物健康监测的结果，用户可以简单、快捷、准确地得知动物的健康状态，从而实现对动物健康的监测。结合动物的声音和动作两个方面来预测动物患病的概率，从而可以提高所输出的健康监测结果的准确性，便于用户及时得知动物的健康状态。
在一示例性实施例中，在得到动物的健康监测结果后，可以将该健康监测结果通过短信、邮箱、微信、QQ等形式发送到用户设备，比如手机、平板电脑等，从而让用户及时知晓动物健康监测结果，如果动物患病，可以将动物及时送医。
图4是根据一示例性实施例示出的步骤S110之前的流程图，如图4所示，在步骤S110之前，该实施例还包括：
步骤S010，判断所接收的动物视频是否合格。
在一实施例中，可以通过视频的时长进行动物视频是否合格的判断，即设定动物视频的最低时长，如果视频未达到该最低时长，则判断该动物视频不合格；在时长判断满足要求的情况下，可以进一步的通过目标检测方法检测视频中是否含有动物或者动物正脸的图像，如果不含有，则判断该动物视频不合格。
在一实施例的具体实现中，检测动物视频中是否含有动物或者动物正脸图像的目标检测方法可以是：以指定时长为间隔，从视频中提取图片，并通过目标检测技术如脸部识别查看是否有宠物和宠物正脸图片。
当然，在其他实施例中，还可以采用其他目标检测方法进行视频中是否含有动物或者动物正脸的图像的检测，在此不进行限定。
步骤S020，如果不合格，则生成告警信息以提示用户重新上传动物视频。
根据判断的结果，如果动物视频合格，则从动物视频中提取语音数据和图片帧数据；如果动物视频不合格，则生成告警信息以提示用户重新上传动物视频。
例如，如果设定的动物视频的最低时长为10s，如果动物健康监测服务端接收的动物视频时长为5s，在检测到动物视频的时长并判断该时长低于设定的最低时长，动物健康监测服务端会生成类似于“视频时长过短，请重新上传”的告警消息，从而根据该告警消息提示用户重新上传动物视频。
在一示例性实施例中，如图5所示，步骤S120可以包括：
步骤S121，按照指定长度对语音数据进行分段，得到语音数据中的若干语音帧序列。
例如，假设语音数据为15s的语音，当指定长度为4ms时，通过分段(15s/4ms)，即可由语音数据得到3750个语音帧序列。当然指定长度可以根据实际应用场景的需要进行灵活地设定，在此不进行限定。
在一示例性实施例中，将语音数据分段之后，还可以除去分段后语音数据中的静音、背景噪音等，即实现语音数据的去噪，从而得到用于声音识别的语音帧序列。
通过除去语音数据中的静音、背景噪音等可以是所得的语音帧序列均为可以进行声音识别的有效语音帧，避免语音数据中的静音、背景噪音等影响动物健康监测结果。
步骤S122，遍历语音数据中的若干语音帧序列，从遍历到的语音帧序列中提取得到语音数据对应的一个局部特征向量。
步骤S123，待完成遍历，对语音数据对应的若干局部特征向量进行全连接，得到语音数据对应的全局特征。
步骤S124，将语音数据对应的全局特征输入到声音分类器进行声音标签预测，得到动物的声音标签。
例如，语音数据包括3750个语音帧序列，则3750个语音帧序列将提取得到语音数据对应的3750个局部特征向量，进而通过将语音数据对应的3750个局部特征向量进行全连接，即可得到此语音数据对应的全局特征。
在一示例性实施例中，采用循环神经网络(RNN)模型来对语音数据进行声音识别，该模型的结构可以如图6所示。其中，循环神经网络模型包括：输入序列层、解码器层、全连接层和分类层。
其中，输入序列层接收语音帧序列。编码器层用于通过编码、压缩、降维等运算提取语音帧序列的特征，编码器层由3层组成的，包括分别为128神经元和64神经元的2个双向循环层，有32个循环神经元的单向层，经过编码器的前两层会分别输出具有128个维度的特征、64个维度的特征，然后经最后一层输出一个32维的特征序列。编码器的所输出的32维特征序列作为解码器层的输入。
解码器层由一个单独的循环层构成，它具有64个长短时记忆(LSTM)单元，64个长短时记忆单元对输入的32维特征序列进行线性变换和激活，得到每个语音帧序列所对应的只有一个维度的局部特征。
全连接层具有256个使用ReLU激活函数的神经元,将解码器层输出的每个语音帧序列的局部特征进行整合和变换，得到针对该语音数据的全局特征。
最后的分类层使用softmax分类器，该分类器为声音分类器，对输入的全局特征进行预测分类，得到动物的声音标签。
值得一提的是，进行声音识别的模型的识别准确度取决于该模型的模型参数，在实际应用中，为了保证声音识别的准确度，模型在训练之后才用于声音识别，即在模型训练完成后，确定了该模型的模型参数，从而可以保证模型进行声音识别的准确度。
在一示例性实施例中，图6所示的循环神经网络模型训练的过程可以如下：
a.获取携带声音标签的样本语音数据，并对样本语音数据进行分段得到样本语音帧序列。
样本语音数据即为从样本动物视频中提取出的语音数据，声音标签是针对动物声音状态的标签，比如声音微弱无力、声音沙哑、声音高亢等标签。声音标签是人工针对样本语音数据对应的动物的状态进行标注得到的。
b.对样本语音帧序列进行局部特征提取。
在样本语音帧序列输入到模型的输入序列层后，在模型的编码器层和解码器层提取样本语音帧序列的局部特征。
c.将局部特征进行全连接得到全局特征。
在全连接层对各帧语音序列的局部特征进行全连接，得到针对该段样本语音数据的全局特征。
d.在分类层利用全局特征和声音标签训练循环神经网络模型的模型参数，当模型参数达到最优时，完成该模型的训练。
在训练过程中，针对输入的样本语音帧序列经分类层得到一声音标签，将该声音标签与该段样本语音帧序列进行人工标注的声音标签进行对比，如果不一致，则该模型的模型参数。待循环神经网络模型训练完成后，获得了最优的模型参数，可利用该模型参数进行动物声音识别。
值得一提的是，该训练过程仅是针对循环神经网络训练过程的一个示例性实施例，并不能认为是对本发明的使用条件的限制。
在一示例性实施例中，如图7所示，步骤S120’可以包括：
步骤S121’，对图片帧数据进行动物的肢体特征提取。
步骤S122’，将提取到的肢体特征输入到递归神经网络，学习得到图片帧数据对应的全局特征。
步骤S123’，将图片帧数据对应的全局特征输入动作分类器进行动作标签预测，得到动物的动作标签。
其中，可以通过图8所示的模型来完成步骤S121’、步骤S122’以及步骤S123’的动作识别过程。需要说明的是，图8仅是只是一个适配于本发明的示例，不能认为是提供了对本发明的使用范围的任何限制。
如图8所示，用于动作识别的模型包括：卷积神经网络(CNN)层、全连接(FC)层、递归神经网络(LSTM)层、分类(SOFTMAX)层。
在图8所示的模型中，可以通过卷积神经网络(CNN)层和全连接(FC)层从输入的图片帧数据提取到动物的肢体特征。在卷积神经网络(CNN)层完成图片中动物各肢体的识别，其中需要识别肢体可以是动物的四肢、尾巴、耳朵、嘴、头部等肢体。在卷积神经网络(CNN)层具体的识别过程可以是：构建动物的肢体特征向量，并该特征向量与保存在样本库中的特征向量进行比对，对动物肢体的识别，然后得到关于动物动作的一个向量，然后将该向量输入到全连接层(FC)进行全连接，完成动物肢体特征的提取。其中样本库是在对该模型训练时根据样本图片数据创建的。
得到肢体特征后，将肢体特征按照时序输入到的递归神经网络层，融合学习得到该图片帧数据对应的一个全局特征。比如图片帧数据中动物用前肢抓挠腹部，模型在识别动物包括前肢和腹部的基础上，经在递归网络层学习和融合分析后，会得到动物用前肢抓挠腹部的全局特征。
在一示例性实施例中，动作分类器可以使用softmax分类器进行分类，在该动作识别模型进行训练之后，根据图片帧数据对应的全局特征动作分类器可以进行动作标签预测，并得到动物的动作标签。动作标签是图片帧数据中动物的各种肢体动作的标签，比如“四肢无力”、“脚步不稳”、“频繁摇头”、“频繁抓挠身体”等动作标签。
值得一提的是，进行动作识别的模型识别准确度取决于模型的模型参数，在实际应用中，为了保证动作识别的准确度，模型在训练之后才用于动作识别，即在模型训练完成后，确定了该模型的模型参数，从而可以保证模型动作识别的准确度。
在一示例性实施例中，图8所示模型的训练过程可以包括：
1)获取带有动作标签的图片帧样本数据。
其中图片样本帧数据是从动物的视频中提取的，动作标签是对视频中动物的肢体动作进行人工标注得到的。
2)提取图片帧样本数据的全局特征。
将图片样本数据输入到模型中，通过模型的卷积神经网络(CNN)层、全连接(FC)层和递归神经网络(LSTM)层构建针对输入的图片帧样本数据的全局特征。
3)利用全局特征和动作标签，训练模型的模型参数，当参数达到最优时，完成模型的训练。
在训练的过程中，根据全局特征对应输出的动作标签与实际针对该图片样本数据进行标注的动作标签进行对比，如果两者不一致，调整模型的模型参数。经过多次调整，可以使动作识别模型的模型参数达到最优，进而完成模型的训练。
在一示例性实施例中，如图9所示，步骤S140之后还可以包括：
步骤S150’，如果健康监测结果指示动物患病，则获取用户设备上报的定位消息。
其中，用户设备上报的定位消息可以是基于用户设备所配置的GPS系统的自动定位而生成的。
步骤S160’，根据定位消息指示的用户所在位置向用户设备推送宠物医院消息，宠物医院消息用于指示用户所在位置附近的宠物医院。
对于用户设备而言，即可接收到此宠物医院消息，以使用户获知附近的宠物医院，便于用户就近将动物送医。
在一示例性实施例中，如图10所示，步骤S140之后还可以包括：
步骤S150，如果健康监测结果指示动物患病，则判断动物是否已投保。
步骤S160，如果已投保，则向用户设备发送提示信息，提示信息用于提醒用户上传动物的治疗清单。
步骤S170，待接收到用户上传的动物的治疗清单后，根据治疗清单请求对动物进行理赔。
其中，动物的治疗清单可以是诊断结果、治疗费用请单、发票等可以用于理赔的文件。在判断动物已投保且已经获取动物的治疗清单后，向理赔部门请求对动物进行理赔，从而实现自动快速理赔。
在一示例性实施例中，如图11所示，步骤S150中判断动物是否已投保，可以包括：
步骤S151，对图片帧数据进行脸部识别，通过脸部识别判断图片帧数据所对应图片中是否包含动物脸部。
步骤S152，如果包含，则从图片帧数据所对应的图片中截取识别得到的动物脸部，生成动物脸部图片。
步骤S153，根据动物脸部图片构建动物的脸部特征向量。
其中，动物的脸部特征向量可以通过卷积神经网络模型来构建，通过卷积神经网络模型的卷积层、池化层来进行脸部特征提取、并构建脸部特征向量。
步骤S154，根据脸部特征向量在参保信息数据库所保存的目标脸部特征向量中进行匹配查找。
该参保信息数据库可以是利用动物在参保时所提交的照片等来构建。
步骤S155，如果查找到存在与脸部特征向量相匹配的目标脸部特征向量，则判定动物已投保。
下述为本发明装置实施例，可以用于执行本发明上述动物健康监测服务端200执行的动物健康监测方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明健康监测方法实施例。
图12是根据一示例性实施例示出的动物健康监测装置的框图，如图12所示，该装置包括：
接收和提取模块110，用于接收为动物拍摄的动物视频，并从动物视频中提取语音数据和图片帧数据。
识别模块120，该模块与与接收和提取模块110连接，用于对语音数据进行动物声音识别，得到动物的声音标签；以及对图片帧数据进行动物动作识别，得到动物的动作标签。
预测模块130，该模块与识别模块120连接，用于将动物的声音标签和动作标签输入健康分类器，预测得到动物的患病概率。
输出模块140，该模块与预测模块130连接，用于根据动物的患病概率输出动物的健康监测结果。
在一示例性实施例中，动物健康监测装置还包括：视频判断模块，用于判断所接收的动物视频是否合格；如果不合格，则通知信息生成模块；信息生成模块，用于生成告警信息以提示用户重新上传动物视频。
在一示例性实施例中，识别模块120可以包括：语音分段单元，用于按照指定长度对语音数据进行分段，得到语音数据中的若干语音帧序列；遍历单元，用于遍历语音数据中的若干语音帧序列，从遍历到的语音帧序列中提取得到语音数据对应的一个局部特征向量；全连接单元，用于待完成遍历，对语音数据对应的若干局部特征向量进行全连接，得到语音数据对应的全局特征；第一预测单元，用于将语音数据对应的全局特征输入到声音分类器进行声音标签预测，得到动物的声音标签。
在一示例性实施例中，识别模块还可以包括：肢体特征提取单元，用于对图片帧数据进行动物的肢体特征提取；全局特征获得单元，用于将提取到的肢体特征输入到递归神经网络，学习得到图片帧数据对应的全局特征；第二预测单元，用于将图片帧数据对应的全局特征输入动作分类器进行动作标签预测，得到动物的动作标签。
在一示例性实施例中，动物健康监测装置还包括：定位消息上报模块，用于如果健康监测结果指示动物患病，则获取用户设备上报的定位消息；推送模块，用于根据定位消息指示的用户所在位置向用户设备推送宠物医院消息，宠物医院消息用于指示用户所在位置附近的宠物医院。
在一示例性实施例中，动物健康监测装置还包括：投保判断模块，用于如果健康监测结果指示动物患病，则判断动物是否已投保；提示信息发送模块，用于如果已投保，则向用户设备发送提示信息，提示信息用于提醒用户上传动物的治疗清单；理赔请求模块，用于待接收到用户上传的动物的治疗清单后，根据治疗清单请求对动物进行理赔。
在一示例性实施例中，投保判断模块可以包括：脸部识别单元，用于对图片帧数据进行脸部识别，通过脸部识别判断图片帧数据所对应图片中是否包含动物脸部；动物脸部图片生成单元，用于从图片帧数据所对应的图片中截取识别得到的动物脸部，生成动物脸部图片；脸部特征向量构建单元，用于根据动物脸部图片构建动物的脸部特征向量；匹配查找模块，用于根据脸部特征向量在参保信息数据库所保存的目标脸部特征向量中进行匹配查找；投保判断单元，用于如果查找到存在与脸部特征向量相匹配的目标脸部特征向量，则判定动物已投保。
以上实施例中的装置的处理器执行操作的具体方式已经在有关该动物健康监测方法的实施例中执行了详细描述，此处将不做详细阐述说明。
可选的，本发明还提供一种动物健康监测装置，该动物健康监测装置可以用于图2所示动物健康监测服务端200中，执行图3至图11任一所示的动物健康监测方法的全部或者部分步骤。该装置包括：处理器；以及用于存储处理器可执行指令的存储器；其中，处理器被配置以上任一方法实施例所对应的动物健康监测方法。
该实施例中的装置的处理器执行操作的具体方式已经在有关该动物健康监测方法的实施例中执行了详细描述，此处将不做详细阐述说明。
在示例性实施例中，还提供了一种存储介质，该存储介质为计算机可读存储介质，例如可以为包括指令的临时性和非临时性计算机可读存储介质。该存储介质可以是包括指令的存储器230，上述指令可由动物健康监测服务端200的处理器210执行上述动物健康监测方法。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种动物健康监测方法，其特征在于，包括：
接收为动物拍摄的动物视频，并从所述动物视频中提取语音数据和图片帧数据；
对所述语音数据进行动物声音识别，得到所述动物的声音标签；以及
对所述图片帧数据进行动物动作识别，得到所述动物的动作标签；
将所述动物的声音标签和动作标签输入健康分类器，预测得到所述动物的患病概率；
根据所述动物的患病概率输出所述动物的健康监测结果。
2.根据权利要求1所述的方法，其特征在于，所述从所述动物视频中提取语音数据和图片帧数据之前，所述方法还包括：
判断所接收的所述动物视频是否合格；
如果不合格，则生成告警信息以提示用户重新上传动物视频。
3.根据权利要求1所述的方法，其特征在于，所述对所述语音数据进行动物声音识别，得到所述动物的声音标签，包括：
按照指定长度对所述语音数据进行分段，得到所述语音数据中的若干语音帧序列；
遍历所述语音数据中的若干语音帧序列，从遍历到的语音帧序列中提取得到所述语音数据对应的一个局部特征向量；
待完成所述遍历，对所述语音数据对应的若干局部特征向量进行全连接，得到所述语音数据对应的全局特征；
将所述语音数据对应的全局特征输入到声音分类器进行声音标签预测，得到所述动物的声音标签。
4.根据权利要求1所述的方法，其特征在于，所述对所述图片帧数据进行动物动作识别，得到所述动物的动作标签，包括：
对所述图片帧数据进行所述动物的肢体特征提取；
将提取到的肢体特征输入到递归神经网络，学习得到所述图片帧数据对应的全局特征；
将所述图片帧数据对应的全局特征输入动作分类器进行动作标签预测，得到所述动物的动作标签。
5.根据权利要求1所述的方法，其特征在于，所述根据所述动物的患病概率输出所述动物的健康监测结果之后，所述方法还包括：
如果所述健康监测结果指示所述动物患病，则获取用户设备上报的定位消息；
根据所述定位消息指示的用户所在位置向用户设备推送宠物医院消息，所述宠物医院消息用于指示用户所在位置附近的宠物医院。
6.根据权利要求1所述的方法，其特征在于，所述根据所述动物的患病概率输出所述动物的健康监测结果之后，所述方法还包括：
如果所述健康监测结果指示所述动物患病，则判断所述动物是否已投保；
如果已投保，则向用户设备发送提示信息，所述提示信息用于提醒用户上传所述动物的治疗清单；
待接收到用户上传的所述动物的治疗清单后，根据所述治疗清单请求对所述动物进行理赔。
7.根据权利要求6所述的方法，其特征在于，所述判断所述动物是否已投保，包括：
对所述图片帧数据进行脸部识别，通过所述脸部识别判断所述图片帧数据所对应图片中是否包含动物脸部；
如果包含，则从所述图片帧数据所对应的图片中截取识别得到的动物脸部，生成动物脸部图片；
根据所述动物脸部图片构建所述动物的脸部特征向量；
根据所述脸部特征向量在参保信息数据库所保存的目标脸部特征向量中进行匹配查找；
如果查找到存在与所述脸部特征向量相匹配的目标脸部特征向量，则判定所述动物已投保。
8.一种动物健康监测装置，其特征在于，所述装置包括：
接收和提取模块，用于接收为动物拍摄的动物视频，并从所述动物视频中提取语音数据和图片帧数据；
识别模块，用于对所述语音数据进行动物声音识别，得到所述动物的声音标签；以及对所述图片帧数据进行动物动作识别，得到所述动物的动作标签；
预测模块，用于将所述动物的声音标签和动作标签输入健康分类器，预测得到所述动物的患病概率；
输出模块，用于根据所述动物的患病概率输出所述动物的健康监测结果。
9.一种动物健康监测装置，其特征在于，所述装置包括：
处理器；以及
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1至7中任一项所述的动物健康监测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的动物健康监测方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810750850.1A CN108922622B (zh) | 2018-07-10 | 2018-07-10 | 一种动物健康监测方法、装置及计算机可读存储介质 |
| PCT/CN2018/106269 WO2020010694A1 (zh) | 2018-07-10 | 2018-09-18 | 动物健康监测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810750850.1A CN108922622B (zh) | 2018-07-10 | 2018-07-10 | 一种动物健康监测方法、装置及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108922622A true CN108922622A (zh) | 2018-11-30 |
| CN108922622B CN108922622B (zh) | 2023-10-31 |
Family
ID=64410642
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810750850.1A Active CN108922622B (zh) | 2018-07-10 | 2018-07-10 | 一种动物健康监测方法、装置及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108922622B (zh) |
| WO (1) | WO2020010694A1 (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109602421A (zh) * | 2019-01-04 | 2019-04-12 | 平安科技（深圳）有限公司 | 健康监测方法、装置及计算机可读存储介质 |
| CN109620154A (zh) * | 2018-12-21 | 2019-04-16 | 平安科技（深圳）有限公司 | 基于深度学习的肠鸣音识别方法及相关装置 |
| CN109887526A (zh) * | 2019-01-04 | 2019-06-14 | 平安科技（深圳）有限公司 | 对母羊的生理状态检测方法、装置、设备及存储介质 |
| CN109886145A (zh) * | 2019-01-29 | 2019-06-14 | 浙江泽曦科技有限公司 | 宠物脸部识别方法及系统 |
| CN110288573A (zh) * | 2019-06-13 | 2019-09-27 | 天津大学 | 一种哺乳类家畜患病自动检测方法 |
| CN110364259A (zh) * | 2019-05-30 | 2019-10-22 | 中国人民解放军总医院 | 一种高原疾病预测方法、系统、介质及电子设备 |
| CN110728244A (zh) * | 2019-10-16 | 2020-01-24 | 支付宝(杭州)信息技术有限公司 | 豢养物身份信息采集的引导方法以及装置 |
| CN111109124A (zh) * | 2019-12-31 | 2020-05-08 | 昆明英奈特信息技术有限公司 | 动物行为智能分析装置 |
| CN111243624A (zh) * | 2020-01-02 | 2020-06-05 | 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） | 人员状态评估的方法和系统 |
| CN111297367A (zh) * | 2019-11-26 | 2020-06-19 | 北京海益同展信息科技有限公司 | 一种动物状态监测方法、装置、电子设备及存储介质 |
| JP6734457B1 (ja) * | 2019-10-28 | 2020-08-05 | アニコム ホールディングス株式会社 | 疾患予測システム、保険料算出システム及び疾患予測方法 |
| CN111914792A (zh) * | 2020-08-14 | 2020-11-10 | 广东申义实业投资有限公司 | 视频监控与处理的方法、装置、电子设备与存储介质 |
| CN112016527A (zh) * | 2020-10-19 | 2020-12-01 | 成都大熊猫繁育研究基地 | 基于深度学习的大熊猫行为识别方法、系统、终端及介质 |
| CN112236830A (zh) * | 2019-09-12 | 2021-01-15 | 钟杰东 | 一种植物和动物健康监控管理系统及其方法 |
| CN112257608A (zh) * | 2020-10-23 | 2021-01-22 | 成都希盟泰克科技发展有限公司 | 一种牦牛养殖健康状态监测方法 |
| CN112866370A (zh) * | 2020-09-24 | 2021-05-28 | 汉桑（南京）科技有限公司 | 一种基于宠物球的宠物互动方法、系统、装置及存储介质 |
| WO2022126574A1 (zh) * | 2020-12-18 | 2022-06-23 | 钟杰东 | 动物和植物的ai环境监控和ai诊疗算法系统及其装置 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3992986A1 (en) | 2020-10-29 | 2022-05-04 | Ibrahim Mahmoud M. Babelli | Cloud-based diagnostic system for providing an assessment of a health status |
| CN115860972A (zh) * | 2022-11-18 | 2023-03-28 | 四川云泷生态科技有限公司 | 一种动物健康监控管理方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030135096A1 (en) * | 1999-10-15 | 2003-07-17 | Dodds W. Jean | Animal genetic and health profile database management |
| CN102078183A (zh) * | 2009-11-26 | 2011-06-01 | 孙久建 | 家禽疾病诊疗系统 |
| CN105739688A (zh) * | 2016-01-21 | 2016-07-06 | 北京光年无限科技有限公司 | 一种基于情感体系的人机交互方法、装置和交互系统 |
| CN105975981A (zh) * | 2016-04-27 | 2016-09-28 | 北京小米移动软件有限公司 | 疫情监测方法及装置 |
| CN105976821A (zh) * | 2016-06-17 | 2016-09-28 | 北京小米移动软件有限公司 | 动物语言识别方法和装置 |
| CN106847309A (zh) * | 2017-01-09 | 2017-06-13 | 华南理工大学 | 一种语音情感识别方法 |
| CN108052964A (zh) * | 2017-12-05 | 2018-05-18 | 翔创科技（北京）有限公司 | 牲畜状态检测方法、计算机程序、存储介质及电子设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521400B (zh) * | 2011-12-23 | 2013-06-05 | 中国农业大学 | 畜禽养殖过程海量数据自动处理方法及系统 |
| CN103856742B (zh) * | 2012-12-07 | 2018-05-11 | 华为技术有限公司 | 视音频信息的处理方法、装置和系统 |
| CN206042229U (zh) * | 2016-08-30 | 2017-03-22 | 四川宏罡网络科技有限公司 | 一种计算机远程监控装置 |
| CN106531173A (zh) * | 2016-11-11 | 2017-03-22 | 努比亚技术有限公司 | 一种基于终端的动物数据处理方法和终端 |
-
2018
- 2018-07-10 CN CN201810750850.1A patent/CN108922622B/zh active Active
- 2018-09-18 WO PCT/CN2018/106269 patent/WO2020010694A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030135096A1 (en) * | 1999-10-15 | 2003-07-17 | Dodds W. Jean | Animal genetic and health profile database management |
| CN102078183A (zh) * | 2009-11-26 | 2011-06-01 | 孙久建 | 家禽疾病诊疗系统 |
| CN105739688A (zh) * | 2016-01-21 | 2016-07-06 | 北京光年无限科技有限公司 | 一种基于情感体系的人机交互方法、装置和交互系统 |
| CN105975981A (zh) * | 2016-04-27 | 2016-09-28 | 北京小米移动软件有限公司 | 疫情监测方法及装置 |
| CN105976821A (zh) * | 2016-06-17 | 2016-09-28 | 北京小米移动软件有限公司 | 动物语言识别方法和装置 |
| CN106847309A (zh) * | 2017-01-09 | 2017-06-13 | 华南理工大学 | 一种语音情感识别方法 |
| CN108052964A (zh) * | 2017-12-05 | 2018-05-18 | 翔创科技（北京）有限公司 | 牲畜状态检测方法、计算机程序、存储介质及电子设备 |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109620154A (zh) * | 2018-12-21 | 2019-04-16 | 平安科技（深圳）有限公司 | 基于深度学习的肠鸣音识别方法及相关装置 |
| CN109887526A (zh) * | 2019-01-04 | 2019-06-14 | 平安科技（深圳）有限公司 | 对母羊的生理状态检测方法、装置、设备及存储介质 |
| CN109887526B (zh) * | 2019-01-04 | 2023-10-17 | 平安科技（深圳）有限公司 | 对母羊的生理状态检测方法、装置、设备及存储介质 |
| CN109602421A (zh) * | 2019-01-04 | 2019-04-12 | 平安科技（深圳）有限公司 | 健康监测方法、装置及计算机可读存储介质 |
| CN109886145A (zh) * | 2019-01-29 | 2019-06-14 | 浙江泽曦科技有限公司 | 宠物脸部识别方法及系统 |
| CN109886145B (zh) * | 2019-01-29 | 2021-09-03 | 浙江泽曦科技有限公司 | 宠物脸部识别方法及系统 |
| CN110364259A (zh) * | 2019-05-30 | 2019-10-22 | 中国人民解放军总医院 | 一种高原疾病预测方法、系统、介质及电子设备 |
| CN110364259B (zh) * | 2019-05-30 | 2022-05-31 | 中国人民解放军总医院 | 一种高原疾病预测方法、系统、介质及电子设备 |
| CN110288573A (zh) * | 2019-06-13 | 2019-09-27 | 天津大学 | 一种哺乳类家畜患病自动检测方法 |
| CN112236830A (zh) * | 2019-09-12 | 2021-01-15 | 钟杰东 | 一种植物和动物健康监控管理系统及其方法 |
| CN110728244A (zh) * | 2019-10-16 | 2020-01-24 | 支付宝(杭州)信息技术有限公司 | 豢养物身份信息采集的引导方法以及装置 |
| CN110728244B (zh) * | 2019-10-16 | 2022-06-14 | 蚂蚁胜信(上海)信息技术有限公司 | 豢养物身份信息采集的引导方法以及装置 |
| JP6734457B1 (ja) * | 2019-10-28 | 2020-08-05 | アニコム ホールディングス株式会社 | 疾患予測システム、保険料算出システム及び疾患予測方法 |
| JP2021068382A (ja) * | 2019-10-28 | 2021-04-30 | アニコム ホールディングス株式会社 | 疾患予測システム、保険料算出システム及び疾患予測方法 |
| CN111297367A (zh) * | 2019-11-26 | 2020-06-19 | 北京海益同展信息科技有限公司 | 一种动物状态监测方法、装置、电子设备及存储介质 |
| CN111109124A (zh) * | 2019-12-31 | 2020-05-08 | 昆明英奈特信息技术有限公司 | 动物行为智能分析装置 |
| CN111243624A (zh) * | 2020-01-02 | 2020-06-05 | 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） | 人员状态评估的方法和系统 |
| CN111914792A (zh) * | 2020-08-14 | 2020-11-10 | 广东申义实业投资有限公司 | 视频监控与处理的方法、装置、电子设备与存储介质 |
| CN112866370A (zh) * | 2020-09-24 | 2021-05-28 | 汉桑（南京）科技有限公司 | 一种基于宠物球的宠物互动方法、系统、装置及存储介质 |
| CN112016527A (zh) * | 2020-10-19 | 2020-12-01 | 成都大熊猫繁育研究基地 | 基于深度学习的大熊猫行为识别方法、系统、终端及介质 |
| CN112257608A (zh) * | 2020-10-23 | 2021-01-22 | 成都希盟泰克科技发展有限公司 | 一种牦牛养殖健康状态监测方法 |
| WO2022126574A1 (zh) * | 2020-12-18 | 2022-06-23 | 钟杰东 | 动物和植物的ai环境监控和ai诊疗算法系统及其装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020010694A1 (zh) | 2020-01-16 |
| CN108922622B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108922622A (zh) | 一种动物健康监测方法、装置及计算机可读存储介质 | |
| US11645571B2 (en) | Scheduling in a dataset management system | |
| CN111814854B (zh) | 一种无监督域适应的目标重识别方法 | |
| US11210595B2 (en) | System and method for selective use of examples | |
| CN109104620B (zh) | 一种短视频推荐方法、装置和可读介质 | |
| WO2020087974A1 (zh) | 生成模型的方法和装置 | |
| CN112889108B (zh) | 使用视听数据进行说话分类 | |
| CN108228705B (zh) | 直播视频反馈中的自动对象和活动跟踪设备、方法及介质 | |
| WO2020000876A1 (zh) | 用于生成模型的方法和装置 | |
| Shuai et al. | Toward achieving robust low-level and high-level scene parsing | |
| US11048917B2 (en) | Method, electronic device, and computer readable medium for image identification | |
| Voulodimos et al. | Improving multi-camera activity recognition by employing neural network based readjustment | |
| CN110489578A (zh) | 图片处理方法、装置及计算机设备 | |
| CN114550053A (zh) | 一种交通事故定责方法、装置、计算机设备及存储介质 | |
| CN115293348A (zh) | 一种多模态特征提取网络的预训练方法及装置 | |
| KR20200044173A (ko) | 전자 장치 및 그의 제어 방법 | |
| CN111291695B (zh) | 人员违章行为识别模型训练方法、识别方法及计算机设备 | |
| CN116955730A (zh) | 一种特征提取模型的训练方法、内容推荐的方法及装置 | |
| CN114898266A (zh) | 训练方法、图像处理方法、装置、电子设备以及存储介质 | |
| CN112861696B (zh) | 一种异常行为识别方法、装置、电子设备及存储介质 | |
| US11354936B1 (en) | Incremental clustering for face recognition systems | |
| CN117095460A (zh) | 基于长短时关系预测编码的自监督群体行为识别方法及其识别系统 | |
| CN110674342A (zh) | 查询目标图像的方法和装置 | |
| WO2019212407A1 (en) | A system and method for image retrieval | |
| CN116501176B (zh) | 基于人工智能的用户动作识别方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |