CN110728708A - 基于机器视觉的牛体尺测量方法 - Google Patents

基于机器视觉的牛体尺测量方法 Download PDF

Info

Publication number
CN110728708A
CN110728708A CN201911313433.1A CN201911313433A CN110728708A CN 110728708 A CN110728708 A CN 110728708A CN 201911313433 A CN201911313433 A CN 201911313433A CN 110728708 A CN110728708 A CN 110728708A
Authority
CN
China
Prior art keywords
cattle
data
chignon
cow
image
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
Application number
CN201911313433.1A
Other languages
English (en)
Other versions
CN110728708B (zh
Inventor
滕峰
张嘉森
王思嘉
杨晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Aibo Communication Co.,Ltd.
Original Assignee
Albert Information Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Albert Information Shenzhen Co Ltd filed Critical Albert Information Shenzhen Co Ltd
Priority to CN201911313433.1A priority Critical patent/CN110728708B/zh
Publication of CN110728708A publication Critical patent/CN110728708A/zh
Application granted granted Critical
Publication of CN110728708B publication Critical patent/CN110728708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种基于机器视觉的牛体尺测量方法，包括：步骤1：使用固定长度的标签贴于牛体侧身；步骤2：拍摄贴有标签的牛侧身图像，计算标签的像素长度，通过标签真实长度与像素比例，算出图像上单位像素对应的实际距离；步骤3：提取图像中的牛图像以及牛轮廓的数据；步骤4：对牛轮廓数据分析；步骤5：定位牛体的特征点；步骤6：根据特征点计算牛体尺。本发明使用机器视觉的方式，对牛的体尺信息进行测量，极大的减少了人工成本，且该方式属于无接触式，不会对牛造成任何应激反应，并具有较高的准确率；且无设备部署需求，只需利用随身携带的手机与标签纸，即可方便的完成对牛只的体尺测量。

Description

基于机器视觉的牛体尺测量方法
技术领域
本发明涉及牛体尺测量技术领域，尤其涉及一种基于机器视觉的牛体尺测量方法。
背景技术
传统测量牛体尺的方法需要工作人员使用软尺、卷尺等测量工具对牛的体高、体斜长、体直长等多个指标进行测量，这种手工测量的方式存在一定测量难度，成本高，速度慢，且会造成牛的应激反应。
发明内容
本发明实施例所要解决的技术问题在于，提供一种基于机器视觉的牛体尺测量方法，以使降低测量难度。
为了解决上述技术问题，本发明实施例提出了一种基于机器视觉的牛体尺测量方法，包括：
步骤1：使用固定长度的标签贴于牛体侧身；
步骤2：拍摄贴有标签的一侧的牛侧身图像，使用匹配算法匹配牛身上的标签，计算标签的像素长度，通过标签真实长度与像素比例，算出图像上单位像素对应的实际距离，记其比例为ruler；
步骤3：去掉图像中与牛无关部分，提取图像中的牛图像以及牛轮廓的数据；
步骤4：对牛轮廓数据分析，计算得到切面数据和牛背到牛腹的距离数据；
步骤5：根据所计算得到的数据定位牛体的特征点；
步骤6：根据特征点计算牛体尺。
进一步地，所述步骤3包括：
提取牛图像子步骤：使用牛提取算法将图像中的牛提取出来，去除掉与牛无关的部分；
获取牛轮廓子步骤：使用边缘检测算法获得图像中的若干个轮廓数据，将若干个轮廓数据按从外往里的顺序排序，轮廓最外层为需要获取的牛轮廓数据，该牛轮廓数据包含若干个坐标；
,n为轮廓点的总数。
进一步地，所述步骤4包括：
归一化轮廓数据子步骤：将轮廓数据在上x轴上的数值范围缩放至
Figure 613169DEST_PATH_IMAGE002
之间，
Figure 241727DEST_PATH_IMAGE003
为超参数，记归一化轮廓数据为
Figure 998462DEST_PATH_IMAGE004
；
归一化公式：；
其中
Figure 880147DEST_PATH_IMAGE006
为原始值，
Figure 414028DEST_PATH_IMAGE007
为缩放后的值，R为包含若干个实数的集合；
计算切面数据子步骤：对牛的轮廓数据，从x轴左侧向右侧扫描，对于x轴的轮廓坐标，用最上边缘的坐标y值减去最下边缘的坐标y值，得到切面数据
Figure 658059DEST_PATH_IMAGE008
；
；
Figure 197941DEST_PATH_IMAGE010
；
定位牛髻甲子步骤：使用机器学习方法分析牛髻甲在归一化轮廓数据
Figure 914442DEST_PATH_IMAGE004
上的位置，得到髻甲所在x轴位置
Figure 645769DEST_PATH_IMAGE011
髻甲；
定位牛尻子步骤：使用机器学习方法分析得到牛尻在在归一化轮廓数据
Figure 343467DEST_PATH_IMAGE004
上的位置，得到牛尻所在x轴位置
Figure 109428DEST_PATH_IMAGE011
牛尻；
拟合牛背方程子步骤：截取
Figure 985112DEST_PATH_IMAGE012
髻甲和
Figure 938155DEST_PATH_IMAGE012
牛尻之间的归一化轮廓数据
Figure 705123DEST_PATH_IMAGE004
，并只取最上边缘的轮廓数据，拟合数据满足以下关系：
Figure 60012DEST_PATH_IMAGE013
；
对该数据使用最小二乘法拟合，得到牛背拟合直线方程
Figure 106597DEST_PATH_IMAGE014
back；
yback=kx+b，其中,；
计算牛背到牛腹的距离子步骤：计算整体切面数据平均值
Figure 320857DEST_PATH_IMAGE016
，牛腹位于
Figure 795832DEST_PATH_IMAGE017
和
Figure 13318DEST_PATH_IMAGE018
所在垂线之间，截取这之间的切面数据，并取在整体切面数据平均值
Figure 924642DEST_PATH_IMAGE019
sec阈值σ以内的切面数据，计算其平均值，得到牛背到牛腹的距离
Figure 252986DEST_PATH_IMAGE020
abdominal；
；
Figure 220122DEST_PATH_IMAGE022
。
进一步地，所述步骤5包括：
髻甲定位子步骤： 髻甲所在x轴直线与牛背拟合直线方程
Figure 750778DEST_PATH_IMAGE023
相交点为髻甲，得到髻甲坐标（x髻甲，y髻甲）；
背部定位子步骤：截取
Figure 934766DEST_PATH_IMAGE012
髻甲和
Figure 494054DEST_PATH_IMAGE012
牛尻之间的切面数据
Figure 114391DEST_PATH_IMAGE024
，寻找所截取切面数据中的最大值所在坐标
Figure 50117DEST_PATH_IMAGE025
，将
Figure 76893DEST_PATH_IMAGE011
max代入牛背拟合直线方程 back，得到背部坐标（x背部，y背部）；
牛尻定位子步骤：x牛尻所在x轴直线与牛背所在y横轴直线相交点为牛尻，得到牛尻坐标（x牛尻，y牛尻）；
肩胛前端定位子步骤：在髻甲坐标基础上将y值正向偏移牛背到牛腹的长，即为肩胛前端坐标（x肩胛前端，y肩胛前端）；
腹部定位子步骤：在背部上的纵轴坐标上偏移得到腹部（x腹部，y腹部）；
前蹄定位子步骤：在左侧髻甲部分寻找切面的最大值坐标，定义为前蹄（x前蹄，y前蹄）。
进一步地，所述步骤6中，
体长为髻甲到牛尻的距离：
Figure 919712DEST_PATH_IMAGE027
；
体斜长为牛尻到肩胛前端的距离：
；
腹深为背部到腹部的距离：
Figure 494230DEST_PATH_IMAGE029
；
体高为髻甲到前蹄的距离：
Figure 839892DEST_PATH_IMAGE030
。
本发明的有益效果为：本发明使用机器视觉的方式，对牛的体尺信息进行测量，极大的减少了人工成本，且该方式属于无接触式，不会对牛造成任何应激反应，并具有较高的准确率；且无设备部署需求，只需利用随身携带的手机与标签纸，即可方便的完成对牛只的体尺测量。
附图说明
图1是本发明实施例的基于机器视觉的牛体尺测量方法的流程图。
图2是本发明实施例的提取的牛图像示意图。
图3是本发明实施例的牛轮廓示意图。
图4是本发明实施例的牛关键点与牛体尺测量示意图。
附图标号说明
髻甲1
背部2
牛尻3
肩胛前端4
腹部5
前蹄6。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本发明作进一步详细说明。
本发明实施例中若有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中若涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
请参照图1，本发明实施例的基于机器视觉的牛体尺测量方法包括步骤1～步骤6。
步骤1：布置参照物，使用固定长度的标签贴于牛体侧身。例如，使用8cm蓝色边框标签贴于牛体的侧身。
步骤2：拍摄贴有标签的一侧的牛侧身图像，使用匹配算法匹配牛身上的标签，计算标签的像素长度，通过标签真实长度与像素比例，算出图像上单位像素对应的实际距离，记其比例为ruler。
步骤3：去掉图像中与牛无关部分，提取图像中的牛图像（牛图像如图2所示）以及牛轮廓的数据（牛轮廓如图3所示）。
步骤4：对牛轮廓数据分析，计算得到切面数据和牛背到牛腹的距离数据。
步骤5：根据所计算得到的数据定位牛体的特征点。定位的牛关键点如图4所示。
步骤6：根据特征点计算牛体尺。
作为一种实施方式，假设牛面部朝向左侧，即牛的头部在牛尾的左侧。对于牛面部朝右侧的情况，则翻转图像，使牛面部朝向左侧。所述步骤3包括：
提取牛图像子步骤：使用牛提取算法将图像中的牛提取出来，去除掉与牛无关的部分，如图2所示；
获取牛轮廓子步骤：使用边缘检测算法获得图像中的若干个轮廓数据，将若干个轮廓数据按从外往里的顺序排序，轮廓最外层为需要获取的牛轮廓数据，该牛轮廓数据contour包含若干个坐标，如图3所示和下式所示；
Figure 117421DEST_PATH_IMAGE031
,n为轮廓点的总数。
作为一种实施方式，所述步骤4包括：
归一化轮廓数据子步骤：将轮廓数据在x轴上的数值范围缩放至
Figure 114196DEST_PATH_IMAGE032
之间，
Figure 717346DEST_PATH_IMAGE033
为超参数，记归一化轮廓数据为；
归一化公式：
Figure 615212DEST_PATH_IMAGE035
；
其中为原始值，为缩放后的值，R为包含若干个实数的集合；
计算切面数据子步骤：对牛的轮廓数据，从x轴左侧向右侧扫描，对于x轴的轮廓坐标，用最上边缘的坐标
Figure 295220DEST_PATH_IMAGE038
值减去最下边缘的坐标值，得到切面数据
Figure 636651DEST_PATH_IMAGE024
；
Figure 565293DEST_PATH_IMAGE039
；
Figure 372843DEST_PATH_IMAGE040
；
定位牛髻甲子步骤：使用机器学习方法分析牛髻甲在归一化轮廓数据
Figure 795865DEST_PATH_IMAGE034
上的位置，得到髻甲所在x轴位置
Figure 887318DEST_PATH_IMAGE012
髻甲；
定位牛尻子步骤：使用机器学习方法分析得到牛尻在在归一化轮廓数据
Figure 206435DEST_PATH_IMAGE034
上的位置，得到牛尻所在x轴位置 牛尻；
拟合牛背方程子步骤：截取
Figure 242841DEST_PATH_IMAGE012
髻甲和
Figure 951252DEST_PATH_IMAGE012
牛尻之间的归一化轮廓数据
Figure 706849DEST_PATH_IMAGE034
，并只取最上边缘的轮廓数据，拟合数据满足以下关系：
Figure 551308DEST_PATH_IMAGE041
；
对该数据使用最小二乘法拟合，得到牛背拟合直线方程
Figure 112871DEST_PATH_IMAGE042
；
Figure 664069DEST_PATH_IMAGE043
，其中,
Figure 105415DEST_PATH_IMAGE044
；
计算牛背到牛腹的距离子步骤：计算整体切面数据平均值
Figure 109274DEST_PATH_IMAGE016
，牛腹位于 髻甲和 牛尻所在垂线之间，截取这之间的切面数据，并取在整体切面数据平均值阈值σ以内的切面数据，计算其平均值，得到牛背到牛腹的距离dabdominal；
Figure 186897DEST_PATH_IMAGE046
；
Figure 559103DEST_PATH_IMAGE047
。
作为一种实施方式，所述步骤5包括：
髻甲1定位子步骤：
Figure 334161DEST_PATH_IMAGE012
髻甲所在x轴直线与牛背拟合直线方程
Figure 133621DEST_PATH_IMAGE023
相交点为髻甲1，得到髻甲1坐标（x髻甲，y髻甲）；
背部2定位子步骤：截取
Figure 908810DEST_PATH_IMAGE012
髻甲和
Figure 84708DEST_PATH_IMAGE012
牛尻之间的切面数据
Figure 465005DEST_PATH_IMAGE024
，寻找所截取切面数据中的最大值所在坐标
Figure 684633DEST_PATH_IMAGE048
，将
Figure 884802DEST_PATH_IMAGE011
max代入牛背拟合直线方程
Figure 333232DEST_PATH_IMAGE023
，得到背部2坐标（x背部，y背部）；
牛尻3定位子步骤：x牛尻所在x轴直线与牛背所在y横轴直线相交点为牛尻3，得到牛尻3坐标（x牛尻，y牛尻）；
肩胛前端4定位子步骤：在髻甲1坐标基础上将y值正向偏移牛背到牛腹的长，即为肩胛前端4坐标（x肩胛前端，y肩胛前端）；
腹部5定位子步骤：在背部2上的纵轴坐标上偏移dabdominal得到腹部5坐标（x腹部，y腹部）；
前蹄6定位子步骤：在左侧髻甲1部分寻找切面的最大值坐标，定义为前蹄6（x前蹄，y前蹄）。
作为一种实施方式，图4直观展示了体尺与关键点的关系。所述步骤6中，
体长为髻甲1到牛尻3的距离：
Figure 82882DEST_PATH_IMAGE049
；
体斜长为牛尻3到肩胛前端4的距离：
Figure 946846DEST_PATH_IMAGE050
；
腹深为背部2到腹部5的距离：
Figure 634311DEST_PATH_IMAGE051
；
体高为髻甲1到前蹄6的距离：
Figure 135699DEST_PATH_IMAGE052
。
本发明是使用机器视觉的方式，对牛的体尺信息进行测量，极大的减少了人工成本，且该方式属于无接触式，不会对牛造成任何应激反应，并具有较高的准确率。本发明方法无设备部署需求，可用于手机等智能设备的系统中，用户只需利用随身携带的手机与标签纸，即可方便、快速的完成对牛只的体尺测量。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。

Claims (5)

1.一种基于机器视觉的牛体尺测量方法，其特征在于，包括：
步骤1：使用固定长度的标签贴于牛体侧身；
步骤2：拍摄贴有标签的一侧的牛侧身图像，使用匹配算法匹配牛身上的标签，计算标签的像素长度，通过标签真实长度与像素比例，算出图像上单位像素对应的实际距离，记其比例为ruler；
步骤3：去掉图像中与牛无关部分，提取图像中的牛图像以及牛轮廓的数据；
步骤4：对牛轮廓数据分析，计算得到切面数据和牛背到牛腹的距离数据；
步骤5：根据所计算得到的数据定位牛体的特征点；
步骤6：根据特征点计算牛体尺。
2.如权利要求1所述的基于机器视觉的牛体尺测量方法，其特征在于，所述步骤3包括：
提取牛图像子步骤：使用牛提取算法将图像中的牛提取出来，去除掉与牛无关的部分；
获取牛轮廓子步骤：使用边缘检测算法获得图像中的若干个轮廓数据，将若干个轮廓数据按从外往里的顺序排序，轮廓最外层为需要获取的牛轮廓数据，该牛轮廓数据包含若干个坐标；
,n为轮廓点的总数。
3.如权利要求2所述的基于机器视觉的牛体尺测量方法，其特征在于，所述步骤4包括：
归一化轮廓数据子步骤：将轮廓数据在x轴上的数值范围缩放至
Figure 376762DEST_PATH_IMAGE002
之间，为超参数，记归一化轮廓数据为
Figure 891368DEST_PATH_IMAGE004
；
归一化公式：
Figure 306300DEST_PATH_IMAGE005
；
其中为原始值，
Figure 606011DEST_PATH_IMAGE007
为缩放后的值，R为包含实数的集合；
计算切面数据子步骤：对牛的轮廓数据，从x轴左侧向右侧扫描，对于x轴的轮廓坐标，用最上边缘的坐标y值减去最下边缘的坐标y值，得到切面数据
Figure 430879DEST_PATH_IMAGE008
；
Figure 51216DEST_PATH_IMAGE009
；
Figure 986942DEST_PATH_IMAGE010
；
定位牛髻甲子步骤：使用机器学习方法分析牛髻甲在归一化轮廓数据
Figure 25437DEST_PATH_IMAGE004
上的位置，得到髻甲所在x轴位置
Figure 4894DEST_PATH_IMAGE011
髻甲；
定位牛尻子步骤：使用机器学习方法分析得到牛尻在在归一化轮廓数据
Figure 128839DEST_PATH_IMAGE004
上的位置，得到牛尻所在x轴位置
Figure 856537DEST_PATH_IMAGE011
牛尻；
拟合牛背方程子步骤：截取
Figure 998805DEST_PATH_IMAGE011
髻甲和
Figure 165476DEST_PATH_IMAGE011
牛尻之间的归一化轮廓数据
Figure 511138DEST_PATH_IMAGE004
，并只取最上边缘的轮廓数据，拟合数据满足以下关系：
Figure 319825DEST_PATH_IMAGE012
；
对该数据使用最小二乘法拟合，得到牛背拟合直线方程
Figure 316600DEST_PATH_IMAGE013
back；
yback=kx+b，其中；
计算牛背到牛腹的距离子步骤：计算整体切面数据平均值
Figure 752708DEST_PATH_IMAGE015
，牛腹位于
Figure 817616DEST_PATH_IMAGE011
髻甲和 牛尻所在垂线之间，截取这之间的切面数据，并取在整体切面数据平均值
Figure 193682DEST_PATH_IMAGE016
sec阈值σ以内的切面数据，计算其平均值，得到牛背到牛腹的距离
Figure 763204DEST_PATH_IMAGE017
abdominal；
Figure 382535DEST_PATH_IMAGE018
；
Figure 104634DEST_PATH_IMAGE019
。
4.如权利要求3所述的基于机器视觉的牛体尺测量方法，其特征在于，所述步骤5包括：
髻甲定位子步骤：
Figure 767697DEST_PATH_IMAGE011
髻甲所在x轴直线与牛背拟合直线方程
Figure 840826DEST_PATH_IMAGE020
相交点为髻甲，得到髻甲坐标（x髻甲，y髻甲）；
背部定位子步骤：截取
Figure 998269DEST_PATH_IMAGE011
髻甲和
Figure 89722DEST_PATH_IMAGE011
牛尻之间的切面数据
Figure 674418DEST_PATH_IMAGE008
髻甲-牛尻，寻找所截取切面数据中的最大值所在坐标
Figure 969265DEST_PATH_IMAGE021
，将
Figure 445245DEST_PATH_IMAGE011
max代入牛背拟合直线方程
Figure 876358DEST_PATH_IMAGE020
，得到背部坐标（x背部，y背部）；
牛尻定位子步骤：
Figure 428693DEST_PATH_IMAGE011
牛尻在x轴直线与牛背所在y横轴相交点为牛尻，得到牛尻坐标（x牛尻，y牛尻）；
肩胛前端定位子步骤：在髻甲坐标基础上将y值正向偏移牛背到牛腹的长，即为肩胛前端坐标（x肩胛前端，y肩胛前端）；
腹部定位子步骤：在背部上的纵轴坐标上偏移
Figure 956975DEST_PATH_IMAGE022
得到腹部（x腹部，y腹部）；
前蹄定位子步骤：在左侧髻甲部分寻找切面的最大值坐标，定义为前蹄（x前蹄，y前蹄）。
5.如权利要求4所述的基于机器视觉的牛体尺测量方法，其特征在于，所述步骤6中，
体长为髻甲到牛尻的距离：
Figure 971067DEST_PATH_IMAGE023
；
体斜长为牛尻到肩胛前端的距离：
Figure 787845DEST_PATH_IMAGE024
；
腹深为背部到腹部的距离：
Figure 714343DEST_PATH_IMAGE025
；
体高为髻甲到前蹄的距离：
Figure 233049DEST_PATH_IMAGE026
。
CN201911313433.1A 2019-12-19 2019-12-19 基于机器视觉的牛体尺测量方法 Active CN110728708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911313433.1A CN110728708B (zh) 2019-12-19 2019-12-19 基于机器视觉的牛体尺测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911313433.1A CN110728708B (zh) 2019-12-19 2019-12-19 基于机器视觉的牛体尺测量方法

Publications (2)

Publication Number Publication Date
CN110728708A true CN110728708A (zh) 2020-01-24
CN110728708B CN110728708B (zh) 2020-06-26

Family

ID=69226449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911313433.1A Active CN110728708B (zh) 2019-12-19 2019-12-19 基于机器视觉的牛体尺测量方法

Country Status (1)

Country Link
CN (1) CN110728708B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033351A (zh) * 2020-08-05 2020-12-04 青岛聚好联科技有限公司 基于单目摄像头的距离测定方法及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639349A (zh) * 2009-08-25 2010-02-03 东华大学 三维人体模型的全自动测量方法
CN107292283A (zh) * 2017-07-12 2017-10-24 深圳奥比中光科技有限公司 混合人脸识别方法
KR20180032488A (ko) * 2016-09-22 2018-03-30 주식회사 아토즈소프트 이미지를 이용한 어류 종류 및 체장 측정 방법
CN108961330A (zh) * 2018-06-22 2018-12-07 深源恒际科技有限公司 基于图像的猪体长测算方法及系统
CN108986159A (zh) * 2018-04-25 2018-12-11 浙江森马服饰股份有限公司 一种三维人体模型重建与测量的方法和设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639349A (zh) * 2009-08-25 2010-02-03 东华大学 三维人体模型的全自动测量方法
KR20180032488A (ko) * 2016-09-22 2018-03-30 주식회사 아토즈소프트 이미지를 이용한 어류 종류 및 체장 측정 방법
CN107292283A (zh) * 2017-07-12 2017-10-24 深圳奥比中光科技有限公司 混合人脸识别方法
CN108986159A (zh) * 2018-04-25 2018-12-11 浙江森马服饰股份有限公司 一种三维人体模型重建与测量的方法和设备
CN108961330A (zh) * 2018-06-22 2018-12-07 深源恒际科技有限公司 基于图像的猪体长测算方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033351A (zh) * 2020-08-05 2020-12-04 青岛聚好联科技有限公司 基于单目摄像头的距离测定方法及电子设备

Also Published As

Publication number Publication date
CN110728708B (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN109858435B (zh) 一种基于脸部图像的小熊猫个体识别方法
US10682074B2 (en) Wound measurement on smart phones
CN107596578B (zh) 对准标记的识别和位置确定方法、成像设备及存储介质
WO2016131185A1 (zh) 三维成像数据的显示处理方法和三维超声成像方法及系统
CN107180438A (zh) 估计牦牛体尺、体重的方法和相应的便携式计算机装置
CN106890031B (zh) 一种标记物识别及标记点定位方法及手术导航系统
Liang et al. Improved detection of landmarks on 3D human face data
CN104240180B (zh) 一种实现图像自动调整的方法及装置
US20190164282A1 (en) Registration of a magnetic tracking system with an imaging device
CN107635509A (zh) 用于确定体况评分、体重和生育状态的改进方法和相关设备
CN109636779B (zh) 识别家禽体积体尺的方法、装置及存储介质
CN111368586B (zh) 超声成像方法及系统
CN111374712B (zh) 一种超声成像方法及超声成像设备
CN103263278A (zh) 一种从超声图像上自动测量胎儿颈背透明物厚度的图像处理方法
CN104408462A (zh) 面部特征点快速定位方法
CN104408398A (zh) 一种肝脏边界的识别方法及系统
CN109308462B (zh) 一种指静脉和指节纹感兴趣区域定位方法
CN105469064A (zh) 一种皮肤老化趋势的获取方法及装置
CN110728708B (zh) 基于机器视觉的牛体尺测量方法
US20150356346A1 (en) Feature point position detecting appararus, feature point position detecting method and feature point position detecting program
US10593057B2 (en) Touchless wound measurement, wound volume measurement, and other wound measurement
CN112288793A (zh) 畜类个体背膘检测方法、装置、电子设备及存储介质
CN111754461B (zh) 半导体芯片图像字符区域的定位方法、装置
CN113409275B (zh) 基于超声图像确定胎儿颈后透明层厚度的方法及相关装置
CN111166338B (zh) 一种基于tof深度数据的妊娠母猪体尺计算方法

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200124

Assignee: Shenzhen Aibo Communication Co.,Ltd.

Assignor: ABACUS INFO (SHENZHEN) Co.,Ltd.

Contract record no.: X2021980003640

Denomination of invention: Measurement method of cattle body size based on machine vision

Granted publication date: 20200626

License type: Common License

Record date: 20210514

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210723

Address after: 518000 4th floor, Tsinghua Ziguang science and Technology Park, No. 13, Langshan Road, songpingshan community, Xili street, Nanshan District, Shenzhen, Guangdong

Patentee after: Shenzhen Aibo Communication Co.,Ltd.

Address before: C401-c405, 4th floor, Tsinghua Ziguang science and Technology Park, No.13, Langshan Road, North District, high tech Zone, Nanshan District, Shenzhen, Guangdong 518000

Patentee before: ABACUS INFO (SHENZHEN) Co.,Ltd.