CN110795987B - 猪脸识别方法和装置 - Google Patents
猪脸识别方法和装置 Download PDFInfo
- Publication number
- CN110795987B CN110795987B CN201910693132.XA CN201910693132A CN110795987B CN 110795987 B CN110795987 B CN 110795987B CN 201910693132 A CN201910693132 A CN 201910693132A CN 110795987 B CN110795987 B CN 110795987B
- Authority
- CN
- China
- Prior art keywords
- pig
- litter
- auxiliary
- same
- 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.)
- Active
Links
- 235000005809 Carpobrotus aequilaterus Nutrition 0.000 title claims abstract description 89
- 235000004550 Disphyma australe Nutrition 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 43
- 241000200554 Disphyma crassifolium Species 0.000 title description 2
- 244000187801 Carpobrotus edulis Species 0.000 claims abstract description 78
- 241000282887 Suidae Species 0.000 claims abstract description 49
- 244000174315 Disphyma australe Species 0.000 claims abstract description 9
- 239000003550 marker Substances 0.000 claims description 38
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 210000005069 ears Anatomy 0.000 description 10
- 239000003086 colorant Substances 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Abstract
本发明的实施方式涉及猪脸识别方法和装置，该猪脸识别装置包括：猪视频获取装置，获得猪视频；猪脸和同窝猪辅助标记图像获取装置，从所述猪视频中获得包含猪脸的图像和包含同窝猪辅助标记的图像，所述同窝猪辅助标记是用于区分同一窝猪中不同猪的标记；猪只识别装置，根据包含猪脸的图像和包含同窝猪辅助标记的图像两者确定该猪的身份。
Description
技术领域
本发明涉及一种猪脸识别技术。
背景技术
采用戴耳标、植入芯片等方法识别猪只，会给猪带来了身体伤害，目前猪脸识别技术正在兴起。猪脸识别技术是生物识别技术的一种，可以采用神经网络学习的方法对训练数据进行深度学习而获得每头猪的特征，然后利用该深度学习的模型，针对要判断的猪，根据其为某头猪的概率，来判别是哪头猪。
这些方面还具有一些缺点，比较突出的是对于同一窝猪的识别效果有待加强。
猪是多胎生动物，一般一窝12头左右，也有超过20头的，但是比较少。一方面一窝里的猪长相十分相似，另一方面数据采集以及图像获取时，猪也不会很配合，而且有时候猪可能很脏，这些都给目前的识别技术带来了困难。
发明内容
本发明鉴于现有技术存在的以上的问题作出，提供了一种猪脸识别方法和装置，用于缓解或克服现有技术的以上缺点，至少提供一种有益的选择。
根据本发明的一个方面，提供了一种猪脸识别装置，其特征在于，包括：猪视频获取装置，获得猪视频；猪脸和同窝猪辅助标记图像获取装置，从所述猪视频中获得包含猪脸的图像和包含同窝猪辅助标记的图像，所述同窝猪辅助标记是用于区分同一窝猪中不同猪的标记；猪只识别装置，根据包含猪脸的图像和包含同窝猪辅助标记的图像两者确定该猪的身份。
根据一种实施方式，所述猪只识别装置包括：猪脸识别单元，根据包含猪脸的图像，确认可能的猪只；标记识别单元，根据包含同窝猪辅助标记的图像，确定所识别的是同窝猪中的哪只猪；综合识别单元，根据所述猪脸识别单元的识别结果和所述标记识别单元的识别结果，确定所识别的猪只的身份。
根据一种实施方式，所述标记识别单元首先对包含同窝猪辅助标记的图像进行二维高斯模糊，然后根据尺度不变特征转换法来找出关键点特征，并利用这些特征进行同窝猪辅助标记的识别。
根据一种实施方式，在进行二维高斯模糊时，首先可以利用以下的公式进行高斯模板矩阵的值，然后将高斯模板矩阵与原图像做卷积，
其中(x，y)是模板上的元素，二维模板大小为m*n，σ是预设的正态分布的标准差，所述预设的正态分布的标准差σ根据所有预设的辅助标记之间的欧式距离的标准差而确定，并使其在0到1之间。
根据一种实施方式，所述包含猪脸的图像中也包含同窝猪辅助标记，所述猪脸识别单元利用神经网络学习法对所述包含猪脸的图像中的包含同窝猪辅助标记的猪脸进行识别，其中所述同窝猪辅助标记为图形和颜色的组合，数目少于同窝猪预想数目，设置在耸耳猪的耳朵内侧，或设置在耷耳猪的耳部的外侧，不同同窝猪辅助标记的图形之间的识别距离大于预定值，并且和同窝猪辅助标记的颜色之间的识别距离大于预定值，各所述颜色和猪的颜色之间的识别距离大于预定值。
根据本发明的另一方面，提供了一种猪脸识别方法，包括：猪视频获取步骤，获得猪视频；猪脸和同窝猪辅助标记图像获取步骤，从所述猪视频中获得包含猪脸的图像和包含同窝猪辅助标记的图像，所述同窝猪辅助标记是用于区分同一窝猪中不同猪的标记；猪只识别步骤，根据包含猪脸的图像和包含同窝猪辅助标记的图像两者确定该猪的身份。
根据一种实施方式，所述猪只识别装置包括：猪脸识别步骤，根据包含猪脸的图像，确认可能的猪只；标记识别步骤，根据包含同窝猪辅助标记的图像，确定所识别的是同窝猪中的哪只猪；综合识别步骤，根据所述猪脸识别步骤的识别结果和所述标记识别步骤的识别结果，确定所识别的猪只的身份。
根据一种实施方式，所述标记识别步骤首先对包含同窝猪辅助标记的图像进行二维高斯模糊，然后根据尺度不变特征转换法来找出关键点特征，并利用这些特征进行同窝猪辅助标记的识别。
根据一种实施方式，在进行二维高斯模糊时，首先可以利用以下的公式进行高斯模板矩阵的值，然后将高斯模板矩阵与原图像做卷积，
其中(x，y)是模板上的元素，二维模板大小为m*n，σ是预设的正态分布的标准差，所述预设的正态分布的标准差σ根据所有预设的同窝猪辅助标记之间的欧式距离的标准差而确定，并使其在0到1之间。
根据一种实施方式，所述包含猪脸的图像中也包含同窝猪辅助标记，猪脸识别步骤利用神经网络学习法对所述包含猪脸的图像中的包含同窝猪辅助标记的猪脸进行识别，其中所述同窝猪辅助标记为图形和颜色的组合，数目少于25，设置在耸耳猪的耳朵内侧，或设置在耷耳猪的耳部的外侧，不同同窝猪辅助标记的图形之间的识别距离大于预定值，并且和同窝猪辅助标记的颜色之间的识别距离大于预定值，各所述颜色和猪的颜色之间的识别距离大于预定值。
根据本发明的实施方式，可以利用数量较少、容易区分的同窝猪辅助标记来帮助进行同窝猪的辅助识别，增加的运算量少，精度提高多。
附图说明
附图只是示例性的，不是对本发明的保护范围的限制。
图1是示出了依据本发明一种实施方式的猪脸识别方法的示意性流程图；
图2是示出了依据本发明的一种猪脸识别装置的示意性框图；以及
图3是示出了依据本发明的一种实施方式的猪只识别装置的示意性方框图。
具体实施方式
下面结合附图对本发明的实施方式进行详细的说明，这些说明都是示意性的，不是对本发明的保护范围的限制。
根据本发明的一种实施方式，在同一窝的猪的头部进行标记，即增加同窝猪辅助标记(以下简称辅助标记)。根据一种实施方式，该辅助标记是图形和颜色的组合。根据一种实施方式，辅助标记在预定数目内重复，各辅助标记之间的图形识别距离大于预定值。例如矩形、三角形、圆形这三者之间区分比较明显(距离大)，即便猪在不断成长，这些标记的主要特征也容易相对区分，因而较容易识别。颜色也采用彼此容易相符区分的颜色，例如红色、黄色和绿色。进一步，应避免与猪本身的颜色相近，例如排除白色和黑色，以及一定的灰色。
根据一种实施方式，同同窝猪辅助标记的图形之间的识别距离大于预定值，并且和同窝猪辅助标记的颜色之间的识别距离大于预定值，各所述颜色和猪的颜色之间的识别距离大于预定值。
可以将这些颜色分别与上述的图形相组合，并且这些颜色可以两两组合，然后在与以上的图形进行组合，这样就可以容易地获得相互之间可以容易区分的颜色和图形的组合。这些组合一般情况下20种就足够，为了防备某一窝的猪仔特别多的情况，可以多预备出一些，但一般25种(同窝猪预想最大数目的示例，会根据猪生殖养育技术的发展而改变)就足够了。本发明的实施方式采用同窝猪辅助标记进行识别，比对所有猪均设置识别标记的方法具有很多优点。一个猪场会有成百上千头猪，如果设置成百上千的标记，这些标记和标记之间很难进行准确的区分，如果进一步考虑猪的成长和标记的污染，识别精度会进一步的下降。而在本发明中，使用同窝猪识别标记，标记数量少，标记之间区别大，有充分的距离，因而易于识别。进一步来说，本发明的同窝猪识别标记还采用了颜色和图案的组合，进一步的增大了标记之间的距离，并可使猪成长造成的影响减弱。
根据一种实施方式，可以设置好带有这些辅助标记的烙铁，采用液氮冷冻烙号法设置在猪仔上，一窝猪仔采用不同的辅助标记。采用这种方法，由于有了可以辅助识别一窝小猪的工具，因而可以更好地识别一窝的小猪。考虑到小猪的成长，这样的办法比烙印数字更加容易识别。有些数字及数字组合实际上在猪的成长中会变得不容易区分，但是在本发明的一些实施方式中，可以使用数字即数字组合作为辅助标记。
根据一种实施方式，这些辅助标记设置在猪的耳部。猪的耳部不断运动，相对来说，较少被弄脏，可以提高识别的精度。根据猪的耳朵的软硬程度，可以分耸耳猪和耷耳猪。耸耳猪是更容易耳朵内侧的猪，耸耳猪是更容易耳朵外侧的猪。辅助标记设置在耸耳猪的耳朵内侧，设置在耷耳猪的耳部的外侧。
图1是示出了依据本发明一种实施方式的猪脸识别方法的示意性流程图。根据本发明的一种实施方式，提供了一种猪脸识别方法，包括以下步骤：
S1：获取猪视频；可以通过包含摄像头的摄像设备来获得猪视频，也可以直接从外部接收视频。摄像设备可以设置在喂猪的食槽或主塘洗澡的入口/出口处，可以根据实际需要设置，设置在能够较好捕捉猪的图像的位置。
S2：从猪视频图像中获得包含猪脸的图像和包含同窝猪辅助标记的图像；可以采用本领域现在所知悉的或未来知悉的各种方法来获得包含猪脸和包含同窝猪辅助标记的图像。例如根据猪的轮廓获得猪头部的位置，从获得包含猪脸的图像。类似地，可以获得猪耳的位置，从而获得包含设置在猪耳上的同窝猪辅助标记的图像。
S3：根据猪脸和同窝猪辅助标记两者确定该猪的身份，即是数据库中的哪只猪。
根据一种实施方式，在步骤S3中，分别对辅助标记和猪脸进行识别，然后进行综合判断；对辅助标记的识别采用距离法。即计算所识别出的辅助标记与预知的各种辅助标记之间的距离，从而确定是哪种辅助标记。采用距离法，其运算量非常少。当然也可以采用神经网络识别法进行识别。采用神经网络识别法，可以先用样本对神经网络进行训练，获得特征识别函数或分类器，根据该特征识别函数或分类器对输入的附图标记图像进行识别。神经网络识别的方法虽然运算量或大于距离法，但是因为辅助标记数量少，距离大，识别的运算量也不大。
根据一种实施方式，首先对所获取的带有辅助标记的图像进行二维高斯模糊。根据一种实施方式，首先可以利用以下的公式进行高斯模板矩阵的值：
其中(x，y)是模板上的元素，二维模板大小为m*n，σ是预设的正态分布的标准差。
然后将高斯模板矩阵与原图像做卷积。可以对卷积结果进行归一化。
根据一种实施方式，首先确定所有预设的辅助标记之间的欧式距离的标准差。根据该标准差确定该预设的正态分布的标准差σ的值，并使其在0到1之间。根据这种实施方式，可以更有针对性，使整个算法的识别的效果更好。
然后可以利用尺度不变特征转换法(Scale-invariant feature transform或SIFT)来找出关键点特征，并利用这些特征进行辅助标记识别。
对于辅助标记的识别，有多种方法，可以采用目前已知的和将来知悉的任何方法来进行。
对于猪脸识别，可以采用已知的各种方法，例如基于迁移学习的神经网络学习方法等，例如可以采用以下妏中介绍的办法：http://web.cs.ucdavis.edu/～yjlee/projects/interspecies_cvpr2017.pdf
总之可以使用现在已经有的各种方法来进行猪脸识别，根据本发明的实施方式，不是要取代这些方法，而是弥补这些方法。
依据本发明的实施方式，辅助标记能够帮助区分同一窝的猪，虽然不同窝的猪可能会具有相同的辅助标记，但是不同窝的猪之间相对于同一窝的猪之间的差别更大，因而可以由对猪脸自身的识别来进行。这样的技术方案可以提高整体的识别精度。
根据一种实施方式，在对猪脸进行识别时，可以在建模和识别时同时使用辅助标记。
在实践中，首先构建用于自动提取猪只脸部特征的卷积神经网络，并设定卷积神经网络的训练参数；然后采集带有正脸和侧脸以及辅助标记的猪只识别图片集作为训练样本，利用建立的训练样本对卷积神经网络进行训练，直至达到设定的训练参数后停止训练，即生成猪只脸部特征码生成器或分类器；
然后，在识别时，获得的猪只的包含辅助标记的正脸及侧脸图片作为数据源输入猪只脸部特征码生成器或分类器中，确定所识别的猪是哪只猪。
根据这种方法，在进行猪脸识别时，利用了辅助标记的特征，一方面辅助标记自身的特征就有助于猪脸识别，另一方面，辅助标记与猪脸的其他特征之间的关联，例如当辅助标记设置在猪耳上时，辅助标记在猪耳上的位置，猪耳角度、辅助标记与猪嘴的位置函数关系等，均可有助于更好地进行猪脸识别。
下面对本发明的猪脸识别装置的实施例进行说明。前文对猪脸识别方法的说明可以用来理解本发明的猪脸识别装置。对本发明的猪脸识别装置的说明也可以用来理解本发明的猪脸识别方法。
图2是示出了依据本发明的一种猪脸识别装置的示意性框图。如图2所示，依据本发明的一种实施方式的猪脸识别装置包括：
猪视频获取装置21，其可以通过包含摄像头的摄像设备来获得猪视频，可以是接收外部视频的接收装置。
猪脸和同窝猪辅助标记图像获取装置22，从猪视频中获得包含猪脸的图像和包含同窝猪辅助标记的图像；
猪只识别装置23，根据包含猪脸的图像和包含同窝猪辅助标记的图像两者确定该猪的身份，即是数据库中的哪只猪。
图3是示出了依据本发明的一种实施方式的猪只识别装置的示意性方框图。如图3所示，根据一种实施方式，猪只识别装置23包括猪脸识别单元231、标记识别单元232以及综合识别单元233。猪脸识别单元231根据包含猪脸的图像，确认可能的猪只。标记识别单元232根据包含同窝猪辅助标记的图像，确定所识别的是同窝猪中的哪只猪。综合识别单元233根据猪脸识别单元231的识别结果和标记识别单元232的识别结果，确定所识别的猪只的身份。
根据一种实施方式，标记识别单元232根据前文的距离法或神经网络识别法对包含同窝猪辅助标记的图像进行识别，识别出其中的同窝猪辅助标记。
根据一种实施方式，标记识别单元232首先对包含辅助标记的图像进行二维高斯模糊，然后根据尺度不变特征转换法(Scale-invariant feature transform或SIFT)来找出关键点特征，并利用这些特征进行辅助标记的识别。根据一种实施方式，在进行二维高斯模糊时，首先可以利用以下的公式进行高斯模板矩阵的值，然后将高斯模板矩阵与原图像做卷积，
其中(x，y)是模板上的元素，二维模板大小为m*n，σ是预设的正态分布的标准差。
根据一种实施方式，该预设的正态分布的标准差σ根据所有预设的辅助标记之间的欧式距离的标准差而确定，并使其在0到1之间。
根据一种实施方式，猪脸识别单元231利用神经网络学习法对所述包含猪脸的图像中的猪脸进行识别。根据一种实施方式，所述包含猪脸的图像中也包含同窝猪辅助标记，猪脸识别单元231利用神经网络学习法对所述包含猪脸的图像中的包含同窝猪辅助标记的猪脸进行识别。
猪脸识别装置可以由包含存储装置和计算装置(CPU等)的计算机来实现。该计算机的存储中存储有计算机软件，当所述软件执行时(包含经过过编译后执行的情况)可以使该计算机实现本发明的猪脸识别装置，实现本发明的猪脸识别方法。
本发明的一个方面还包括该计算机软件。
应该注意，所描述的实施例仅仅是本发明的部分实施例，而不是全部的实施例。基于本发明的构思，在本发明的权利要求范围内的任何所有其他实施例，都属于本发明保护的范围。
Claims (4)
1.一种猪脸识别装置，其特征在于，包括：
猪视频获取装置，获得猪视频；
猪脸和同窝猪辅助标记图像获取装置，从所述猪视频中获得包含猪脸的图像和包含同窝猪辅助标记的图像，所述同窝猪辅助标记是用于区分同一窝猪中不同猪的标记；
猪只识别装置，根据包含猪脸的图像和包含同窝猪辅助标记的图像两者确定该猪的身份，
其中，所述同窝猪辅助标记为图形和颜色的组合，其中，所述同窝猪辅助标记设置在猪耳上，所述猪只识别装置根据所述同窝猪辅助标记在猪耳上的位置、猪耳角度、辅助标记与猪嘴的位置函数关系来确定该猪的身份，
其中，所述猪只识别装置包括：
猪脸识别单元，根据包含猪脸的图像，确认可能的猪只；
标记识别单元，根据包含同窝猪辅助标记的图像，确定所识别的是同窝猪中的哪只猪；
综合识别单元，根据所述猪脸识别单元的识别结果和所述标记识别单元的识别结果，确定所识别的猪只的身份，
其中，所述标记识别单元首先对包含同窝猪辅助标记的图像进行二维高斯模糊，然后根据尺度不变特征转换法来找出关键点特征，并利用这些特征进行同窝猪辅助标记的识别，
其中，在进行二维高斯模糊时，利用以下的公式进行高斯模板矩阵的值，然后将高斯模板矩阵与原图像做卷积，
其中（x，y）是模板上的元素，二维模板大小为m*n，是预设的正态分布的标准差，
所述预设的正态分布的标准差根据所有预设的辅助标记之间的欧式距离的标准差而确定，并使其在0到1之间。
2.根据权利要求1所述的猪脸识别装置，其特征在于，所述包含猪脸的图像中也包含同窝猪辅助标记，所述猪脸识别单元利用神经网络学习法对所述包含猪脸的图像中的包含同窝猪辅助标记的猪脸进行识别，其中所述同窝猪辅助标记为图形和颜色的组合设置在耸耳猪的耳朵内侧，或设置在耷耳猪的耳部的外侧。
3.一种猪脸识别方法，其特征在于，包括：
猪视频获取步骤，获得猪视频；
猪脸和同窝猪辅助标记图像获取步骤，从所述猪视频中获得包含猪脸的图像和包含同窝猪辅助标记的图像，所述同窝猪辅助标记是用于区分同一窝猪中不同猪的标记；
猪只识别步骤，根据包含猪脸的图像和包含同窝猪辅助标记的图像两者确定该猪的身份，
其中，所述同窝猪辅助标记为图形和颜色的组合，
其中，所述同窝猪辅助标记设置在猪耳上，在所述猪只识别步骤中，根据所述同窝猪辅助标记在猪耳上的位置、猪耳角度、辅助标记与猪嘴的位置函数关系来确定该猪的身份，
所述猪只识别装置包括：
猪脸识别步骤，根据包含猪脸的图像，确认可能的猪只；
标记识别步骤，根据包含同窝猪辅助标记的图像，确定所识别的是同窝猪中的哪只猪；
综合识别步骤，根据所述猪脸识别步骤的识别结果和所述标记识别步骤的识别结果，确定所识别的猪只的身份，
其中，所述标记识别步骤首先对包含同窝猪辅助标记的图像进行二维高斯模糊，然后根据尺度不变特征转换法来找出关键点特征，并利用这些特征进行同窝猪辅助标记的识别，
其中，在进行二维高斯模糊时，利用以下的公式进行高斯模板矩阵的值，然后将高斯模板矩阵与原图像做卷积，
其中（x，y）是模板上的元素，二维模板大小为m*n，是预设的正态分布的标准差，
所述预设的正态分布的标准差根据所有预设的同窝猪辅助标记之间的欧式距离的标准差而确定，并使其在0到1之间。
4.根据权利要求3所述的猪脸识别方法，其特征在于，所述包含猪脸的图像中也包含同窝猪辅助标记，猪脸识别步骤利用神经网络学习法对所述包含猪脸的图像中的包含同窝猪辅助标记的猪脸进行识别，其中所述同窝猪辅助标记为图形和颜色的组合，设置在耸耳猪的耳朵内侧，或设置在耷耳猪的耳部的外侧。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910693132.XA CN110795987B (zh) | 2019-07-30 | 2019-07-30 | 猪脸识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910693132.XA CN110795987B (zh) | 2019-07-30 | 2019-07-30 | 猪脸识别方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110795987A CN110795987A (zh) | 2020-02-14 |
| CN110795987B true CN110795987B (zh) | 2023-12-22 |
Family
ID=69426957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910693132.XA Active CN110795987B (zh) | 2019-07-30 | 2019-07-30 | 猪脸识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110795987B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115370934B (zh) * | 2022-08-16 | 2024-01-12 | 佛山职业技术学院 | 一种具有监测装置的家畜养殖智能管理系统 |
| CN115909403B (zh) * | 2022-11-25 | 2023-08-22 | 天津大学四川创新研究院 | 基于深度学习的低成本高精度猪脸识别方法 |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0821912A2 (en) * | 1996-07-25 | 1998-02-04 | Oki Electric Industry Co., Ltd. | Animal body identifying device and body identifying system |
| DE19726938A1 (de) * | 1997-06-25 | 1999-01-07 | Bernhard Bruene | Verfahren zur Identifikation von Tieren und Anlage |
| CN1867249A (zh) * | 2003-09-04 | 2006-11-22 | Mmi基因组公司 | 用于动物追踪的装置和方法 |
| WO2013145303A1 (ja) * | 2012-03-30 | 2013-10-03 | 富士通株式会社 | 設定方法、設定プログラム、および設定装置 |
| EP2698763A1 (de) * | 2012-08-14 | 2014-02-19 | Hölscher & Leuschner GmbH & Co. | Verfahren zur Analyse eines lebenden Nutztieres |
| CN103679181A (zh) * | 2013-11-25 | 2014-03-26 | 浙江大学 | 基于机器视觉的猪舍内猪只标记识别方法 |
| CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
| WO2014197631A1 (en) * | 2013-06-04 | 2014-12-11 | Clicrweight, LLC | Methods and systems for marking animals |
| KR20160044835A (ko) * | 2014-10-16 | 2016-04-26 | 렉스젠(주) | 가축 관리 시스템 및 그 방법 |
| CA2989258A1 (en) * | 2015-07-01 | 2017-01-05 | Viking Genetics Fmba | System and method for identification of individual animals based on images of the back |
| CN107427212A (zh) * | 2015-11-05 | 2017-12-01 | 松下知识产权经营株式会社 | 摄像头系统、喂食系统、拍摄方法以及拍摄装置 |
| JP2018007625A (ja) * | 2016-07-14 | 2018-01-18 | シャープ株式会社 | 生体情報処理装置 |
| CN107992903A (zh) * | 2017-09-20 | 2018-05-04 | 翔创科技（北京）有限公司 | 牲畜身份识别方法、装置、存储介质和电子设备 |
| CN108334881A (zh) * | 2018-03-12 | 2018-07-27 | 南京云创大数据科技股份有限公司 | 一种基于深度学习的车牌识别方法 |
| CN108388877A (zh) * | 2018-03-14 | 2018-08-10 | 广州影子控股股份有限公司 | 一种猪脸的识别方法 |
| CN108664878A (zh) * | 2018-03-14 | 2018-10-16 | 广州影子控股股份有限公司 | 基于卷积神经网络的猪只身份识别方法 |
| CN108875564A (zh) * | 2018-05-02 | 2018-11-23 | 浙江工业大学 | 一种宠物面部识别方法 |
| CN109255297A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术（北京）有限公司 | 动物状态监测方法、终端设备、存储介质及电子设备 |
| CN109380147A (zh) * | 2018-12-05 | 2019-02-26 | 成都牧云慧视科技有限公司 | 一种用于牲畜无干预识别的装置 |
| CN109618961A (zh) * | 2018-12-12 | 2019-04-16 | 北京京东金融科技控股有限公司 | 一种家畜的智能投喂系统和方法 |
| CN109856140A (zh) * | 2019-01-09 | 2019-06-07 | 满洲里国际旅行卫生保健中心 | 一种用于国际直通列车上的医学媒介生物监测系统及方法 |
| EP3494779A1 (en) * | 2017-12-06 | 2019-06-12 | Lely Patent N.V. | Cattle feeding system |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004044829A1 (en) * | 2002-11-08 | 2004-05-27 | Data Flow / Alaska, Inc. | System for uniquely identifying subjects from a target population |
| US9084411B1 (en) * | 2014-04-10 | 2015-07-21 | Animal Biotech Llc | Livestock identification system and method |
| EP3342280A4 (en) * | 2015-08-25 | 2019-04-17 | Sony Corporation | SYSTEM AND METHOD FOR RECORDING LIVESTOCK |
-
2019
- 2019-07-30 CN CN201910693132.XA patent/CN110795987B/zh active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0821912A2 (en) * | 1996-07-25 | 1998-02-04 | Oki Electric Industry Co., Ltd. | Animal body identifying device and body identifying system |
| DE19726938A1 (de) * | 1997-06-25 | 1999-01-07 | Bernhard Bruene | Verfahren zur Identifikation von Tieren und Anlage |
| CN1867249A (zh) * | 2003-09-04 | 2006-11-22 | Mmi基因组公司 | 用于动物追踪的装置和方法 |
| WO2013145303A1 (ja) * | 2012-03-30 | 2013-10-03 | 富士通株式会社 | 設定方法、設定プログラム、および設定装置 |
| EP2698763A1 (de) * | 2012-08-14 | 2014-02-19 | Hölscher & Leuschner GmbH & Co. | Verfahren zur Analyse eines lebenden Nutztieres |
| WO2014197631A1 (en) * | 2013-06-04 | 2014-12-11 | Clicrweight, LLC | Methods and systems for marking animals |
| CN103679181A (zh) * | 2013-11-25 | 2014-03-26 | 浙江大学 | 基于机器视觉的猪舍内猪只标记识别方法 |
| CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
| KR20160044835A (ko) * | 2014-10-16 | 2016-04-26 | 렉스젠(주) | 가축 관리 시스템 및 그 방법 |
| CN107820616A (zh) * | 2015-07-01 | 2018-03-20 | 维京遗传学Fmba | 用于基于背部图像来识别个体动物的系统和方法 |
| CA2989258A1 (en) * | 2015-07-01 | 2017-01-05 | Viking Genetics Fmba | System and method for identification of individual animals based on images of the back |
| CN107427212A (zh) * | 2015-11-05 | 2017-12-01 | 松下知识产权经营株式会社 | 摄像头系统、喂食系统、拍摄方法以及拍摄装置 |
| JP2018007625A (ja) * | 2016-07-14 | 2018-01-18 | シャープ株式会社 | 生体情報処理装置 |
| CN107992903A (zh) * | 2017-09-20 | 2018-05-04 | 翔创科技（北京）有限公司 | 牲畜身份识别方法、装置、存储介质和电子设备 |
| EP3494779A1 (en) * | 2017-12-06 | 2019-06-12 | Lely Patent N.V. | Cattle feeding system |
| CN108334881A (zh) * | 2018-03-12 | 2018-07-27 | 南京云创大数据科技股份有限公司 | 一种基于深度学习的车牌识别方法 |
| CN108388877A (zh) * | 2018-03-14 | 2018-08-10 | 广州影子控股股份有限公司 | 一种猪脸的识别方法 |
| CN108664878A (zh) * | 2018-03-14 | 2018-10-16 | 广州影子控股股份有限公司 | 基于卷积神经网络的猪只身份识别方法 |
| CN108875564A (zh) * | 2018-05-02 | 2018-11-23 | 浙江工业大学 | 一种宠物面部识别方法 |
| CN109255297A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术（北京）有限公司 | 动物状态监测方法、终端设备、存储介质及电子设备 |
| CN109380147A (zh) * | 2018-12-05 | 2019-02-26 | 成都牧云慧视科技有限公司 | 一种用于牲畜无干预识别的装置 |
| CN109618961A (zh) * | 2018-12-12 | 2019-04-16 | 北京京东金融科技控股有限公司 | 一种家畜的智能投喂系统和方法 |
| CN109856140A (zh) * | 2019-01-09 | 2019-06-07 | 满洲里国际旅行卫生保健中心 | 一种用于国际直通列车上的医学媒介生物监测系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 农业物联网技术研究进展与发展趋势分析;李道亮;杨昊;;中国农业文摘-农业工程(02);5-14 * |
| 准确定位模板在种植义齿治疗中的应用;张世周;陈占伟;张东升;王智强;马泉生;;国际口腔医学杂志(05);14-16 * |
| 科技前沿;北方牧业(10);1-2 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110795987A (zh) | 2020-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zin et al. | Image technology based cow identification system using deep learning | |
| CN109858435B (zh) | 一种基于脸部图像的小熊猫个体识别方法 | |
| CN110135231B (zh) | 动物面部识别方法、装置、计算机设备和存储介质 | |
| CA2949768C (en) | Non-invasive multimodal biometrical identification system of animals | |
| US11450130B2 (en) | Animal identification based on unique nose patterns | |
| CN110909618B (zh) | 一种宠物身份的识别方法及装置 | |
| CN105260750B (zh) | 一种奶牛识别方法及系统 | |
| CN111639629B (zh) | 一种基于图像处理的猪只体重测量方法、装置及存储介质 | |
| CN107256398B (zh) | 基于特征融合的奶牛个体识别方法 | |
| CN110795987B (zh) | 猪脸识别方法和装置 | |
| Sacchi et al. | Digital identification and analysis | |
| KR102325259B1 (ko) | 반려동물 생애 관리 시스템 및 그 방법 | |
| Phyo et al. | A hybrid rolling skew histogram-neural network approach to dairy cow identification system | |
| CN101996317B (zh) | 人体上标记物的识别方法及装置 | |
| CN114445879A (zh) | 一种高精度人脸识别方法及人脸识别设备 | |
| Kumar et al. | Animal Biometrics | |
| CN110414369B (zh) | 一种牛脸的训练方法及装置 | |
| CN113420709A (zh) | 牛脸特征提取模型训练方法、系统及牛的保险方法、系统 | |
| CN115713805A (zh) | 一种健身动作识别监控方法及系统 | |
| Bustamin et al. | A portable cattle tagging based on muzzle pattern | |
| CN114758356A (zh) | 一种基于局部不变特征的牛唇纹识别方法及系统 | |
| CN111079617B (zh) | 家禽识别方法、装置、可读存储介质及电子设备 | |
| JP2011192178A (ja) | 画像認識装置及び画像認識方法 | |
| CN111046848B (zh) | 一种基于动物跑台的步态监测方法及系统 | |
| CN113221704A (zh) | 基于深度学习的动物姿态识别方法、系统及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231120 Address after: 401121 27F, building B, Pisces, No. 55, middle section of Huangshan Avenue, Yubei District, Chongqing Applicant after: Chongqing Yutonghe Digital Technology Co.,Ltd. Address before: 400050 floor 24, Yulong Building, No. 26-4, Yangjiaping Main Street, Jiulongpo District, Chongqing Applicant before: CHONGQING XIAOFUNONGKANG AGRICULTURAL TECHNOLOGY SERVICES Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |