CN110222630A - 一种猪身份识别系统 - Google Patents
一种猪身份识别系统 Download PDFInfo
- Publication number
- CN110222630A CN110222630A CN201910476133.9A CN201910476133A CN110222630A CN 110222630 A CN110222630 A CN 110222630A CN 201910476133 A CN201910476133 A CN 201910476133A CN 110222630 A CN110222630 A CN 110222630A
- Authority
- CN
- China
- Prior art keywords
- module
- pig
- depth image
- data
- pig face
- 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.)
- Pending
Links
Classifications
-
- 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
Abstract
本发明涉及一种猪身份识别系统,其包括:身份录入模块、深度图像采集模块、图像预处理模块、特征提取模块以及特征匹配识别模块;身份录入模块,用于录入每头猪的猪脸部基本信息,并根据录入的基本信息建立特征数据库;深度图像采集模块,用于连续获取待识别的猪脸部深度图像数据;图像预处理模块,用于将采集到的猪脸部深度图像数据进行图像平滑、滤波处理,同时截取面部区域深度图像;特征提取模块,用于对截取的面部区域深度图像进行特征提取,得到待识别猪的面部特征;图像识别模块,用于将提取的面部特征与特征数据库中的样本特征数据进行匹配、对比,得到匹配相似度,并输出匹配结果。本发明可以广泛应用于猪身份识别领域。
Description
技术领域
本发明涉及图像识别及软件系统领域,特别是关于一种基于猪脸部深度图像的猪身份识别系统。
背景技术
随着精细化养殖的发展,对猪的身份进行识别具有越来越重要的意义,它有利于疫病的控制、提高养殖场的管理水平,同时也便于国家对猪肉产品的安全监管。目前对猪进行身份识别主要通过给每头猪打不同的电子耳标,然后根据RFID读卡器读取电子耳标数据来识别猪的身份。但是给猪打电子耳标过程中难免造成猪的应激,违背动物福利的要求,而且电子耳标也容易被其他猪啃咬破坏,同时RFID读卡器信号也容易被猪栏屏蔽而失效。
面部识别技术是随着计算机技术发展起来的一种新型身份识别方法,它利用计算机图像处理技术从视频中提取面部图像特征点,通过生物统计学的原理进行分析建立数学模型,具有广阔的发展前景。如果能将人脸识别技术运用于猪的身份识别,对提高动物福利、降低生产成本有重要的意义。
然而猪不同于人,在识别过程中不会主动配合图像的采集,且育肥猪生长迅速,之前建立的模型可能随着猪生长会无法适用;猪脸也不同于人脸,人脸眼睛、鼻子、嘴巴几乎位于同一平面,可以很容易从正面获取全脸图像,而猪脸器官分布于三维空间,难以从一个固定角度拍全猪脸全貌;同时猪脸也常常会沾有粪污、饲料而影响识别。
发明内容
针对上述问题,本发明的目的是提供一种猪身份识别系统,该系统可以快速、无应激地完成猪身份识别,同时避免因猪脸沾有粪污、饲料造成对识别精度的影响,并提高猪身份识别的效率。
为实现上述目的,本发明采取以下技术方案:一种猪身份识别系统,其包括:身份录入模块、深度图像采集模块、图像预处理模块、特征提取模块以及特征匹配识别模块;所述身份录入模块,用于录入每头猪的猪脸部基本信息,并根据录入的基本信息建立特征数据库;所述深度图像采集模块,用于连续获取待识别的猪脸部深度图像数据;所述图像预处理模块,用于将采集到的猪脸部深度图像数据进行图像平滑、滤波处理,同时截取面部区域深度图像;所述特征提取模块,用于对截取的面部区域深度图像进行特征提取,得到待识别猪的面部特征;所述特征匹配识别模块,用于将提取的面部特征与特征数据库中的样本特征数据进行匹配、对比,得到匹配相似度,并输出最佳匹配结果。
进一步的,所述身份录入模块包括数据获取模块、数据处理模块、模型训练模块以及特征数据库模块,其中,数据获取模块用于通过深度图像采集模块预先采集每头猪在不同角度、不同距离的猪脸部深度图像若干张;数据处理模块用于将采集的猪脸部深度图像进行图像平滑、滤波处理,得到猪脸部基本信息后发送到模型训练模块;模型训练模块用于根据猪脸部基本信息进行模型训练,得到每头猪的样本特征数据并存入特征数据库。
进一步的,模型训练模块根据预处理后的猪脸部深度图像数据进行训练时,采用卷积神经网络提取猪脸面部特征。
进一步的,所述卷积神经网络包括4个卷积层、4个池化层和3个全连接层。
进一步的,深度图像采集模块包括图像采集模块和图像判断模块,其中,图像采集模块设置于猪栏的饮水处上方,可在猪饮水时自动采集猪脸深度图像并发送到图像判断模块;图像判断模块用于根据预先训练的分类器对获取的猪脸深度图像数据进行判断,当获取的猪脸深度图像数据中不包含猪脸时,则继续等待,当获取的猪脸深度图像数据中包含猪脸时,则将采集的猪脸深度图像数据发送到图像预处理模块。
进一步的,所述特征匹配识别模块,采用孪生神经网络对得到的待识别猪的面部深度图像特征与提前存入特征数据库中的各特征数据进行匹配、对比,得到匹配相似度,将最佳匹配结果进行输出。
本发明由于采取以上技术方案,其具有以下优点:1、本发明提供的猪身份识别系统采用深度图像采集模块对猪脸部图像进行采集,由于深度图像采集模块设置在猪栏饮水处上方,可以采集猪脸正前方三维的图像,不但快速、无应激地完成猪身份识别,同时有效避免因猪脸沾有粪污、饲料造成对精度的影响,提高猪身份识别的效率,为养殖场管理、选种、疫病控制等提供福利。2、本发明身份录入模块中建立由特征数据库,通过深度图像采集模块采集的数据进行匹配,可以快速的对猪身份进行识别,同时,特征数据库可以实时的更新,进一步提高了身份识别的准确率。因此,本发明可以广泛的应用于猪身份识别领域,为养殖场管理、选种、疫病控制等提供福利。
附图说明
图1是本发明方法流程图;
图2为猪身份识别过程;
图3为深度相机安装位置。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1、2所示,本发明提供的一种猪身份识别系统,其包括:身份录入模块、深度图像采集模块、图像预处理模块、特征提取模块以及特征匹配识别模块。识别过程分为模型训练过程和猪身份识别过程:模型训练过程由身份录入模块完成,用于对每头猪的身份信息进行录入,并根据录入的基本信息建立特征数据库;猪身份识别过程由深度图像采集模块、图像预处理模块、特征提取模块以及特征匹配识别模块完成,用于对猪身份进行识别。深度图像采集模块,用于连续获取待识别的猪脸部深度图像数据;图像预处理模块,用于将采集到的猪脸部深度图像数据进行图像平滑、滤波处理,以消除由于相机误差带来的影响,同时截取面部区域深度图像;特征提取模块,用于对截取的面部区域深度图像进行特征提取,得到待识别猪的猪脸特征;特征匹配识别模块,用于将待识别猪的猪脸特征与身份录入模块建立的特征数据库中的样本数据进行匹配、对比,得到匹配相似度,并输出最佳匹配结果。
优选地,身份录入模块包括数据获取模块、数据处理模块、模型训练模块以及特征数据库模块,其中,数据获取模块用于通过深度图像采集模块预先采集每头猪在不同角度、不同距离的猪脸部深度图像若干张,并发送到数据处理模块;数据处理模块用于将采集的猪脸部深度图像进行图像平滑、滤波处理,得到猪脸部基本信息后发送到模型训练模块;模型训练模块用于根据猪脸部基本信息进行特征训练,得到每头猪的特征数据并存入特征数据库。
优选地,模型训练模块根据预处理后的猪脸部深度图像数据进行训练时,可以采用卷积神经网络,更为优选的,当卷积神经网络采用4个卷积层、4个池化层、3个全连接层可以很好的识别猪身份。
优选地,深度图像采集模块包括图像采集模块和图像判断模块,其中,图像采集模块设置于猪栏的饮水处上方,可在猪饮水时自动采集猪脸深度图像并发送到图像判断模块;图像判断模块用于根据预先存储的训练分类器对获取的猪脸深度图像数据进行判断,当获取的猪脸深度图像数据中不包含猪脸时,则继续等待,当获取的猪脸深度图像数据中包含猪脸时,则将采集的猪脸深度图像数据发送到图像预处理模块。其中,训练分类器的创建方法为:预先搜集两组深度图像集:包含猪脸深度图像数据集合和不包含猪脸深度图像数据集,根据搜集的两组深度图像集进行训练,得到训练分类器。其中,训练分类器的训练方法为已有技术,本发明在此不再赘述。
优选地,特征提取模块用于提取面部区域深度图像的特征,将预处理后的猪脸深度图像带入模型建立时训练好的卷积神经网络,得到该头猪的面部深度图像特征。
优选地,特征匹配模块采用孪生神经网络将得到的待识别猪的面部深度图像特征与提前存入特征数据库中的各特征数据模型进行匹配、对比,得到匹配相似度,将最佳匹配结果进行输出,从而对猪的身份信息进行识别。
优选地,由于猪在生长过程中(尤其育肥猪)猪脸不断变化,可每两周将每头猪的猪脸模型重新进行训练建模,以保证猪生长过程中识别的准确性。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明,任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变,因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (6)
1.一种猪身份识别系统,其特征在于其包括:身份录入模块、深度图像采集模块、图像预处理模块、特征提取模块以及特征匹配识别模块;所述身份录入模块,用于录入每头猪的猪脸部基本信息,并根据录入的基本信息建立特征数据库;所述深度图像采集模块,用于连续获取待识别的猪脸部深度图像数据;所述图像预处理模块,用于将采集到的猪脸部深度图像数据进行图像平滑、滤波处理,同时截取面部区域深度图像;所述特征提取模块,用于对截取的面部区域深度图像进行特征提取,得到待识别猪的面部特征;所述特征匹配识别模块,用于将提取的面部特征与特征数据库中的样本特征数据进行匹配、对比,得到匹配相似度,并输出最佳匹配结果。
2.如权利要求1所述的一种猪身份识别系统,其特征在于:所述身份录入模块包括数据获取模块、数据处理模块、模型训练模块以及特征数据库模块,其中,数据获取模块用于通过深度图像采集模块预先采集每头猪在不同角度、不同距离的猪脸部深度图像若干张;数据处理模块用于将采集的猪脸部深度图像进行图像平滑、滤波处理,得到猪脸部基本信息后发送到模型训练模块;模型训练模块用于根据猪脸部基本信息进行模型训练,得到每头猪的样本特征数据并存入特征数据库。
3.如权利要求2所述的一种猪身份识别系统,其特征在于:模型训练模块根据预处理后的猪脸部深度图像数据进行训练时,采用卷积神经网络提取猪脸面部特征。
4.如权利要求3所述的一种猪身份识别系统,其特征在于:所述卷积神经网络包括4个卷积层、4个池化层和3个全连接层。
5.如权利要求1所述的一种猪身份识别系统,其特征在于:所述深度图像采集模块包括图像采集模块和图像判断模块,其中,所述图像采集模块设置于猪栏的饮水处上方,在猪饮水时自动采集猪脸深度图像并发送到所述图像判断模块;所述图像判断模块用于根据预先训练的分类器对获取的猪脸深度图像数据进行判断,当获取的猪脸深度图像数据中不包含猪脸时,则继续等待,当获取的猪脸深度图像数据中包含猪脸时,则将采集的猪脸深度图像数据发送到所述图像预处理模块。
6.如权利要求1所述的一种猪身份识别系统,其特征在于:所述特征匹配识别模块采用孪生神经网络将得到的待识别猪的面部特征与特征数据库中的各样本特征数据进行匹配、对比,得到匹配相似度,将最佳匹配结果进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910476133.9A CN110222630A (zh) | 2019-06-03 | 2019-06-03 | 一种猪身份识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910476133.9A CN110222630A (zh) | 2019-06-03 | 2019-06-03 | 一种猪身份识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110222630A true CN110222630A (zh) | 2019-09-10 |
Family
ID=67819112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910476133.9A Pending CN110222630A (zh) | 2019-06-03 | 2019-06-03 | 一种猪身份识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222630A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理系统 |
CN111310703A (zh) * | 2020-02-26 | 2020-06-19 | 深圳市巨星网络技术有限公司 | 基于卷积神经网络的身份识别方法、装置、设备及介质 |
CN111481058A (zh) * | 2020-06-16 | 2020-08-04 | 江苏华丽智能科技股份有限公司 | 一种饮用水管控的方法和装置 |
CN113673472A (zh) * | 2021-08-31 | 2021-11-19 | 联通(广东)产业互联网有限公司 | 一种生猪信息智能采集系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423712A (zh) * | 2017-07-28 | 2017-12-01 | 南京华捷艾米软件科技有限公司 | 一种3d人脸识别方法 |
CN108363990A (zh) * | 2018-03-14 | 2018-08-03 | 广州影子控股股份有限公司 | 一种猪脸识别系统及方法 |
CN108389061A (zh) * | 2018-03-19 | 2018-08-10 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
AU2019100354A4 (en) * | 2019-04-04 | 2019-05-16 | Chen, Mingjie Mr | An animal image search system based on convolutional neural network |
-
2019
- 2019-06-03 CN CN201910476133.9A patent/CN110222630A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423712A (zh) * | 2017-07-28 | 2017-12-01 | 南京华捷艾米软件科技有限公司 | 一种3d人脸识别方法 |
CN108363990A (zh) * | 2018-03-14 | 2018-08-03 | 广州影子控股股份有限公司 | 一种猪脸识别系统及方法 |
CN108389061A (zh) * | 2018-03-19 | 2018-08-10 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
AU2019100354A4 (en) * | 2019-04-04 | 2019-05-16 | Chen, Mingjie Mr | An animal image search system based on convolutional neural network |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理系统 |
CN111198549B (zh) * | 2020-02-18 | 2020-11-06 | 湖南伟业动物营养集团股份有限公司 | 一种基于大数据的家禽养殖监测管理系统 |
CN111310703A (zh) * | 2020-02-26 | 2020-06-19 | 深圳市巨星网络技术有限公司 | 基于卷积神经网络的身份识别方法、装置、设备及介质 |
CN111310703B (zh) * | 2020-02-26 | 2022-06-03 | 深圳市巨星网络技术有限公司 | 基于卷积神经网络的身份识别方法、装置、设备及介质 |
CN111481058A (zh) * | 2020-06-16 | 2020-08-04 | 江苏华丽智能科技股份有限公司 | 一种饮用水管控的方法和装置 |
CN113673472A (zh) * | 2021-08-31 | 2021-11-19 | 联通(广东)产业互联网有限公司 | 一种生猪信息智能采集系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222630A (zh) | 一种猪身份识别系统 | |
CN110298291B (zh) | 基于Mask-RCNN的牛脸及牛脸关键点检测方法 | |
CN106778902B (zh) | 基于深度卷积神经网络的奶牛个体识别方法 | |
CN109241894A (zh) | 一种基于表格定位和深度学习的针对性票据内容识别系统和方法 | |
CN108875647A (zh) | 一种基于牲畜身份的移动轨迹监测方法和系统 | |
CN106570491A (zh) | 一种机器人智能互动的方法及智能机器人 | |
CN111294565A (zh) | 一种智能化养猪监测方法和管理端 | |
CN108985170A (zh) | 基于三帧差分法及深度学习的输电线路悬挂物识别方法 | |
CN107256398B (zh) | 基于特征融合的奶牛个体识别方法 | |
CN111476883B (zh) | 多视角无标记动物的三维姿态轨迹重建方法及装置 | |
CN109377517A (zh) | 一种基于视频追踪技术的动物个体识别系统 | |
CN110245625A (zh) | 一种基于孪生神经网络的野外大熊猫识别方法及系统 | |
CN112528823B (zh) | 一种基于关键帧检测和语义部件分割的条斑鲨运动行为分析方法及系统 | |
CN114067351A (zh) | 一种基于图像的牛只唯一性识别方法、装置及管理系统 | |
CN114550212A (zh) | 一种基于轻量级模型的羊脸检测与识别方法 | |
CN108830222A (zh) | 一种基于信息性和代表性主动学习的微表情识别方法 | |
CN114581948A (zh) | 一种畜脸识别方法 | |
CN115294651A (zh) | 一种基于农事场景的行为分析方法及服务器 | |
CN110263753B (zh) | 一种对象统计方法和装置 | |
CN115830078A (zh) | 生猪多目标跟踪及行为识别方法、计算机设备与存储介质 | |
CN115019162A (zh) | 一种基于深度学习的桑蚕检测方法 | |
CN114529898A (zh) | 一种基于人工智能的大数据类器官图像识别的方法 | |
CN114758356A (zh) | 一种基于局部不变特征的牛唇纹识别方法及系统 | |
CN206236111U (zh) | 一种基于语音交互的叶片图像植物自动识别装置 | |
CN116612191B (zh) | 一种车载式采摘机器人自动定位方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |