CN111325217B - 数据处理方法、装置、系统和介质 - Google Patents

数据处理方法、装置、系统和介质 Download PDF

Info

Publication number
CN111325217B
CN111325217B CN201811538969.9A CN201811538969A CN111325217B CN 111325217 B CN111325217 B CN 111325217B CN 201811538969 A CN201811538969 A CN 201811538969A CN 111325217 B CN111325217 B CN 111325217B
Authority
CN
China
Prior art keywords
feature
target
data
target object
feature data
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
Application number
CN201811538969.9A
Other languages
English (en)
Other versions
CN111325217A (zh
Inventor
李俊玲
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.)
Jingdong Technology Information Technology Co Ltd
Original Assignee
Jingdong Technology Information Technology 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 Jingdong Technology Information Technology Co Ltd filed Critical Jingdong Technology Information Technology Co Ltd
Priority to CN201811538969.9A priority Critical patent/CN111325217B/zh
Priority to PCT/CN2019/101625 priority patent/WO2020119167A1/zh
Publication of CN111325217A publication Critical patent/CN111325217A/zh
Application granted granted Critical
Publication of CN111325217B publication Critical patent/CN111325217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • 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
    • 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]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations

Landscapes

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

Abstract

本公开提供了一种数据处理方法，包括：获取图像，所述图像中至少包括目标对象；基于所述图像，确定所述目标对象对应的多个特征的特征数据；获取模板对象数据，所述模板对象数据包括各模板对象对应的所述多个特征的特征数据以及各模板对象对应的目标特征的特征数据；基于所述目标对象和所述模板对象分别对应的第一特征的特征数据，从所述模板对象中确定与所述目标对象满足预设条件的相似对象；基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。

Description

数据处理方法、装置、系统和介质
技术领域
本公开涉及计算机技术领域，更具体地，涉及一种数据处理方法、装置、系统和介质。
背景技术
随着科学技术的快速发展，越来越多的工农畜牧业生产逐渐趋于自动化和智能化。例如，随着现代畜牧业的不断发展，一些企业已经开始将自动化控制、计算机视觉等技术应用在养猪领域中，以提高对猪场的管控能力，改善猪场生产环境，提高工作人员效率。通过自动化、智能化管理将会更科学的管控饲喂量、饮水量、用药量等，使猪只更加科学、健康生长。其中，在养殖过程中，通过检测猪只体重变化，进而调整栏位大小、喂食量等，对提高养殖效率有着重要意义。
在实现本公开构思的过程中，发明人发现现有技术中至少存在如下问题，即，现有技术通常借助磅称等工具接触式测量猪只的体重，然而在称量过程中猪只动态会导致仪器晃动，以及仪器可能会附着秽物从而引起测量误差，且在称量过程中还有可能引起猪的应激反应，对猪只成长和称重准确性造成不利影响，同时耗费时间和人力。
发明内容
有鉴于此，本公开提供了一种数据处理方法、装置、系统和介质。
本公开的一个方面提供了一种数据处理方法，包括：获取图像，所述图像中至少包括目标对象，基于所述图像，确定所述目标对象对应的多个特征的特征数据，获取模板对象数据，所述模板对象数据包括各模板对象对应的所述多个特征的特征数据以及各模板对象对应的目标特征的特征数据，基于所述目标对象和所述模板对象分别对应的第一特征的特征数据，从所述模板对象中确定与所述目标对象满足预设条件的相似对象，以及基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。
根据本公开的实施例，所述第一特征包括重心，所述满足预设条件包括所述模板对象的重心与所述目标对象的重心之间的距离满足第一预设条件，和/或所述第一特征包括图像中心距对象的直线距离，所述满足预设条件包括所述图像中心距模板对象的直线距离与所述图像中心距目标对象的直线距离满足第二预设条件，和/或所述第一特征包括对象轮廓交并比，所述满足预设条件包括所述模板对象与所述目标对象的轮廓的交并比满足第三预设条件。
根据本公开的实施例，所述基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据，包括：基于所述目标对象和所述相似对象分别对应的第二特征的特征数据确定第一比值，以及基于所述第一比值和所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。
根据本公开的实施例，所述第二特征包括多个特征，所述基于所述目标对象和所述相似对象分别对应的第二特征的特征数据确定第一比值，包括：基于所述目标对象和所述相似对象对应的多个特征的特征数据确定各特征的特征比，以及基于各特征的特征比以及各特征对应的模型参数确定所述第一比值。
根据本公开的实施例，所述第二特征包括：体长、体宽、轮廓面积、轮廓最小外接矩形长宽比。
根据本公开的实施例，在所述相似对象包括多个相似对象的情况下，所述方法还包括：基于所述多个相似对象确定的多个目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。
本公开的另一个方面提供了一种数据处理装置，包括第一获取模块、第一确定模块、第二获取模块、第二确定模块以及第三确定模块。第一获取模块获取图像，所述图像中至少包括目标对象。第一确定模块基于所述图像，确定所述目标对象对应的多个特征的特征数据。第二获取模块获取模板对象数据，所述模板对象数据包括各模板对象对应的所述多个特征的特征数据以及各模板对象对应的目标特征的特征数据。第二确定模块基于所述目标对象和所述模板对象分别对应的第一特征的特征数据，从所述模板对象中确定与所述目标对象满足预设条件的相似对象。第三确定模块基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。
根据本公开的实施例，所述第一特征包括重心，所述满足预设条件包括所述模板对象的重心与所述目标对象的重心之间的距离满足第一预设条件，和/或所述第一特征包括图像中心距对象的直线距离，所述满足预设条件包括所述图像中心距模板对象的直线距离与所述图像中心距目标对象的直线距离满足第二预设条件，和/或所述第一特征包括对象轮廓交并比，所述满足预设条件包括所述模板对象与所述目标对象的轮廓的交并比满足第三预设条件。
根据本公开的实施例，所述基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据，包括：基于所述目标对象和所述相似对象分别对应的第二特征的特征数据确定第一比值，以及基于所述第一比值和所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。
根据本公开的实施例，所述第二特征包括多个特征，所述基于所述目标对象和所述相似对象分别对应的第二特征的特征数据确定第一比值，包括：基于所述目标对象和所述相似对象对应的多个特征的特征数据确定各特征的特征比，以及基于各特征的特征比以及各特征对应的模型参数确定所述第一比值。
根据本公开的实施例，所述第二特征包括：体长、体宽、轮廓面积、轮廓最小外接矩形长宽比。
根据本公开的实施例，所述装置还包括：第四确定模块，在所述相似对象包括多个相似对象的情况下，基于所述多个相似对象确定的多个目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。
本公开的另一方面提供了一种数据处理系统，包括：一个或多个存储器，存储有可执行指令，以及一个或多个处理器，执行所述可执行指令，以实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例，可以至少部分地解决现有技术中借助磅称等工具接触式测量猪只的体重，导致的测量准确率低，且耗费时间和人力问题，并因此可以实现降低人力成本、提高测量准确率、降低猪只应激反应的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1A和1B示意性示出了根据本公开实施例的数据处理方法和装置的应用场景；
图2示意性示出了根据本公开实施例的数据处理方法的流程图；
图3A和3B示意性示出了根据本公开实施例的轮廓和分割掩膜的示意图；
图4A和4B示意性示出了根据本公开实施例的数据处理装置的框图；以及
图5示意性示出了根据本公开实施例的数据处理系统的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种数据处理方法，包括：获取图像，该图像中至少包括目标对象，基于图像确定目标对象对应的多个特征的特征数据，获取模板对象数据，模板对象数据包括各模板对象对应的多个特征的特征数据以及各模板对象对应的目标特征的特征数据，基于目标对象和模板对象分别对应的第一特征的特征数据，从模板对象中确定与目标对象满足预设条件的相似对象，以及基于目标对象和相似对象分别对应的第二特征的特征数据以及相似对象对应的目标特征的特征数据确定目标对象对应的目标特征的特征数据。
图1A和1B示意性示出了根据本公开实施例的数据处理方法和装置的应用场景100。
如图1A所示，根据本公开实施例的应用场景100可以包括图像获取装置101、102、103，网络104和服务器105。网络104用以在图像获取装置101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
图像获取装置101、102、103可以通过网络104与服务器105交互，例如，图像获取装置101、102、103可以将获取的图像通过网络104上传至服务器105。图像获取装置101、102、103例如可以是单目图像获取装置，例如，单目相机，单目摄像头等。
在本公开实施例中，猪舍可以包括多个围栏区域，图像获取装置101、102、103例如可以设置在每个围栏区域的上方，从而可以获取相应围栏区域内的图像。例如，图像获取装置101、102、103可以设置在每个围栏区域的中心的上方。图像获取装置101、102、103获取的相应围栏区域内的图像例如可以如图1B所示。
服务器105可以是具有处理功能的各种服务器，例如可以对图像获取装置101、102、103上传的图像进行处理。
需要说明的是，本公开实施例所提供的数据处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的数据处理装置一般可以设置于服务器105中。本公开实施例所提供的数据处理方法也可以由不同于服务器105且能够与图像获取装置101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的数据处理装置也可以设置于不同于服务器105且能够与图像获取装置101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1A中的图像获取装置、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的图像获取装置、网络和服务器。
需要注意的是，图1A和1B所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
图2示意性示出了根据本公开实施例的数据处理方法的流程图。
如图2所示，该方法包括操作S201～S205。
在操作S201，获取图像，该图像中至少包括目标对象。
在操作S202，基于图像，确定目标对象对应的多个特征的特征数据。
在操作S203，获取模板对象数据，模板对象数据包括各模板对象对应的多个特征的特征数据以及各模板对象对应的目标特征的特征数据。
在操作S204，基于目标对象和模板对象分别对应的第一特征的特征数据，从模板对象中确定与目标对象满足预设条件的相似对象。
在操作S205，基于目标对象和相似对象分别对应的第二特征的特征数据以及相似对象对应的目标特征的特征数据确定目标对象对应的目标特征的特征数据。
可以理解，在猪舍中，通常使用围栏将猪舍分割成多个区域，每个围栏区域内可以圈养相应数量的猪只，例如，每个围栏内包含10头猪。
根据本公开实施例，可以在每个围栏的相应位置设置摄像头，以获取该围栏区域的图像。在本公开实施例中，目标对象例如可以是某个围栏内的某个待估算体重的猪只。例如，可以通过围栏编号和猪背标记彩条信息确定目标对象。
在本公开实施例中，可以基于获取的图像，确定目标对象对应的多个特征的特征数据。例如，可以对图像进行处理获得目标对象对应的重心坐标、图像中心距猪身的直线距离、轮廓最小外接矩形掩膜图像、体长、体宽等。
例如，可以通过Mask R-CNN模型对图像进行处理，提取目标对象的轮廓图(例如，如图3A所示)以及对应的分割掩膜图(例如，如图3B所示)。根据提取的轮廓信息确定目标对象的重心坐标、图像中心距猪身的直线距离、轮廓最小外接矩形掩膜图像以及体长、体宽等体尺特征。
例如，可以在实际猪舍环境下采集样本，筛选出猪只体重涵盖20公斤到120公斤(仅为示例)的图像样本200(仅为示例)张，通过人工标注出各图像中出现的各头猪的轮廓信息。利用该200张人工打标的数据训练MaskR-CNN模型对猪体进行检测定位及猪体轮廓提取，选择在验证集上效果最好的模型参数作为最终的模型。
可以理解，Mask R-CNN是一种实例分割模型，它能够在有效检测目标的同时输出高质量的实例分割掩模，但本公开不限于此，例如，在本公开实施例中分割模型还可以使用MaskLab、PANet等其他实例分割模型。
根据本公开实施例，可以事先构建模板库，模板库中可以包括多个模板对象，模板库中的每个模板对象的多个特征的特征数据已知。例如，可以从上述200张图像样本中提取模板对象构建模板库。
例如，可以从200张图像样本中随机选择N张图像作为提取模板的训练图像，用Mask R-CNN模型对其提取轮廓信息，人工筛选处理结果，提取的轮廓信息比较贴合在猪身边缘认为为有效的轮廓，其他都认为是无效猪只轮廓，去除无效的猪只轮廓，对于剩余的有效猪只轮廓，进行人工标注体重信息。根据所在的栏位号和猪背标记彩条信息，对应到具体的模板猪的体重信息。对于一头具有有效轮廓的猪只，它的存储信息字典可以包含：所在图像文件名、轮廓点集合、体重。对筛选出的有效轮廓猪只遍历，进行特征提取，特征包含：重心坐标、图像中心距猪身的直线距离、轮廓最小外接矩形掩膜图像以及体长、体宽等体尺特征。这些特征都加入到该只猪的存储字典中，从而构建模板库。
根据本公开实施例，可以基于目标对象和模板对象分别对应的第一特征的特征数据，从模板对象中确定与目标对象满足预设条件的相似对象。
具体地，第一特征可以包括重心，满足预设条件可以包括模板对象的重心与目标对象的重心之间的距离满足第一预设条件，和/或第一特征也可以包括图像中心距对象的直线距离，满足预设条件可以包括图像中心距模板对象的直线距离与图像中心距目标对象的直线距离满足第二预设条件，和/或第一特征还可以包括对象轮廓交并比，满足预设条件可以包括模板对象与目标对象的轮廓的交并比满足第三预设条件。
可以理解，由于摄像头存在内在和外在的畸变，所以对于所在图像中的位置离的越近、角度越相似的猪，形变程度也约相近，以同一位置的猪体重为标准，同一位置的待估重猪的体重误差会降低很多。因此，本公开实施例可以先从众多模板对象中确定与目标对象满足预设条件的相似对象。
例如，在本公开实施例中，可以构建两个KNN最近邻距离选择器，一个是以猪只重心坐标为衡量指标来评价位置远近的m_KNN，一个是以图像中心距猪身的直线距离为衡量指标来评价猪身的角度相似程度的p_KNN。
判断条件例如可以是根据目标对象Msample的重心坐标，由m_KNN筛选出前top20且最远距离不超过30个像素的待选模板i∈[0，n)，n≤20，n为筛选出的备用相似对象。
根据目标对象Msample的图像中心距猪身的直线距离，将上述n个备用相似对象经过p_KNN筛选出前top10且最远距离不超过20像素的待选相似对象i∈[0，m)，m≤10。
然后遍历得到m个位置相似、猪身角度相似的待选相似对象，计算待选相似对象和Msample的轮廓最小外接矩形掩膜图像交并比IOU。当IOU大于0.8时，认为该待选相似对象与目标对象形态姿势信息相似，匹配成功，作为确定的相似对象，否则舍弃该待选相似对象。
可以理解，上述举例仅为帮助理解，本公开对此不做限定，本公开可以任意选择其中一个或多个判断标准作为筛选相似对象的条件。
根据本公开实施例，在确定相似对象后可以基于目标对象和相似对象分别对应的第二特征的特征数据以及相似对象对应的目标特征的特征数据确定目标对象对应的目标特征的特征数据。
具体地，可以基于目标对象和相似对象分别对应的第二特征的特征数据确定第一比值，基于第一比值和相似对象对应的目标特征的特征数据确定目标对象对应的目标特征的特征数据。
例如，第二特征可以包括多个特征，基于目标对象和相似对象分别对应的第二特征的特征数据确定第一比值，可以包括：基于目标对象和相似对象对应的多个特征的特征数据确定各特征的特征比，基于各特征的特征比以及各特征对应的模型参数确定第一比值。其中，第二特征可以包括：体长、体宽、轮廓面积、轮廓最小外接矩形长宽比等。
例如，基于模板对象构建回归模型，其中，第二特征的比值可以作为回归模型的特征向量，例如，可以构建如下回归模型：
例如，feature1可以是体长，feature2可以是体宽，feature3可以是轮廓面积，feature4可以是轮廓最小外接矩形长宽比，目标特征可以是体重，k1、k2、…、kn可以是模型参数。可以基于模板库中的各模板对象对应上述特征的特征数据训练该回归模型，确定模型参数k1、k2、…、kn的数值。例如，可以通过随机森林回归法或者岭回归法训练该回归模型，调节模型参数选出验证效果最好的模型，从而可以通过该模型估计目标对象的目标特征的特征数据。
在本公开实施例中，在确定的相似对象包括多个相似对象的情况下，可以基于多个相似对象确定的多个目标特征的特征数据确定目标对象对应的目标特征的特征数据。
例如，M1可以为目标对象，M2可以为第一相似对象，基于M1和M2对应的体宽、体长、轮廓面积、轮廓最小外接矩形长宽比、M2对应的体重以及模型参数确定M1对应的第一体重。然后再将M2替换为第二相似对象，根据第二相似对象的各特征的特征数据确定M1对应的第二体重，直至遍历所有相似对象，然后将获得的多个体重进行平均，得到M1的体重。
可以理解，将目标对象的特征数据和相似对象的特征数据代入上述回归模型中，只有目标对象的目标特征的特征数据是未知数，从而可以通过上述回归模型确定目标对象的目标特征的特征数据。
本公开实施例在模板对象中筛选出与目标对象位姿相似的相似对象，充分考虑了猪体在图像中所处位置、猪体姿势等因素对估重的影响，减少了摄像头本身的畸变所造成的影响，提高了估重准确度。
本公开实施例通过单目相机获取图像，仅需对图像进行处理便可对猪只进行估重，有效地降低了人力成本，避免了猪只的应激反应，并且单目相机成本低，对于光学环境的要求也低，能够更好地适应各种场景。
图4A和4B示意性示出了根据本公开实施例的数据处理装置400的框图。
如图4A所示，数据处理装置400包括第一获取模块410、第一确定模块420、第二获取模块430、第二确定模块440、第三确定模块450。
第一获取模块410获取图像，该图像中至少包括目标对象。
第一确定模块420基于图像，确定目标对象对应的多个特征的特征数据。
第二获取模块430获取模板对象数据，模板对象数据包括各模板对象对应的多个特征的特征数据以及各模板对象对应的目标特征的特征数据。
第二确定模块440，基于目标对象和模板对象分别对应的第一特征的特征数据，从模板对象中确定与目标对象满足预设条件的相似对象。
第三确定模块450基于目标对象和相似对象分别对应的第二特征的特征数据以及相似对象对应的目标特征的特征数据确定目标对象对应的目标特征的特征数据。
根据本公开实施例，第一特征可以包括重心，满足预设条件可以包括模板对象的重心与目标对象的重心之间的距离满足第一预设条件，和/或第一特征也可以包括图像中心距对象的直线距离，满足预设条件可以包括图像中心距模板对象的直线距离与图像中心距目标对象的直线距离满足第二预设条件，和/或第一特征还可以包括对象轮廓交并比，满足预设条件可以包括模板对象与目标对象的轮廓的交并比满足第三预设条件。
根据本公开实施例，基于目标对象和相似对象分别对应的第二特征的特征数据以及相似对象对应的目标特征的特征数据确定目标对象对应的目标特征的特征数据，可以包括：基于目标对象和相似对象分别对应的第二特征的特征数据确定第一比值，以及基于第一比值和相似对象对应的目标特征的特征数据确定目标对象对应的目标特征的特征数据。
根据本公开实施例，第二特征可以包括多个特征，基于目标对象和相似对象分别对应的第二特征的特征数据确定第一比值，可以包括：基于目标对象和相似对象对应的多个特征的特征数据确定各特征的特征比，以及基于各特征的特征比以及各特征对应的模型参数确定第一比值。
根据本公开实施例，第二特征可以包括：体长、体宽、轮廓面积、轮廓最小外接矩形长宽比。
如图4B所示，数据处理装置400还可以包括第四确定模块460。
第四确定模块460在相似对象包括多个相似对象的情况下，基于多个相似对象确定的多个目标特征的特征数据确定目标对象对应的目标特征的特征数据。
根据本公开实施例，如图4A和4B所示的数据处理模块400例如可以实现上文参考图2描述的方法，在此不再赘述。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，第一获取模块410、第一确定模块420、第二获取模块430、第二确定模块440、第三确定模块450以及第四确定模块460中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块410、第一确定模块420、第二获取模块430、第二确定模块440、第三确定模块450以及第四确定模块460中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块410、第一确定模块420、第二获取模块430、第二确定模块440、第三确定模块450以及第四确定模块460中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图5示意性示出了根据本公开实施例的适于实现上文描述的方法的数据处理系统的方框图。图5示出的数据处理系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，根据本公开实施例的数据处理系统500包括处理器501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 503中，存储有系统500操作所需的各种程序和数据。处理器501、ROM 502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 502和RAM 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，系统500还可以包括输入/输出(I/O)接口505，输入/输出(I/O)接口505也连接至总线504。系统500还可以包括连接至I/O接口505的以下部件中的一项或多项：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 502和/或RAM 503和/或ROM 502和RAM 503以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时电可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种数据处理方法，包括：
获取图像，所述图像中至少包括目标对象；
基于所述图像，确定所述目标对象对应的多个特征的特征数据；
获取模板对象数据，所述模板对象数据包括各模板对象对应的所述多个特征的特征数据以及各模板对象对应的目标特征的特征数据；
基于所述目标对象和所述模板对象分别对应的第一特征的特征数据，从所述模板对象中确定与所述目标对象满足预设条件的相似对象；
基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据；
其中，所述基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据，包括：
基于所述目标对象和所述相似对象分别对应的第二特征的特征数据确定第一比值；
基于所述第一比值和所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据；
所述第二特征包括多个特征；
所述基于所述目标对象和所述相似对象分别对应的第二特征的特征数据确定第一比值，包括：
基于所述目标对象和所述相似对象对应的多个特征的特征数据确定各特征的特征比；
基于各特征的特征比以及各特征对应的模型参数确定所述第一比值。
2.根据权利要求1所述的方法，其中：
所述第一特征包括重心，所述满足预设条件包括所述模板对象的重心与所述目标对象的重心之间的距离满足第一预设条件；和/或
所述第一特征包括图像中心距对象的直线距离，所述满足预设条件包括所述图像中心距模板对象的直线距离与所述图像中心距目标对象的直线距离满足第二预设条件；和/或
所述第一特征包括对象轮廓交并比，所述满足预设条件包括所述模板对象与所述目标对象的轮廓的交并比满足第三预设条件。
3.根据权利要求1所述的方法，其中，所述第二特征包括：体长、体宽、轮廓面积、轮廓最小外接矩形长宽比。
4.根据权利要求1所述的方法，其中，在所述相似对象包括多个相似对象的情况下，所述方法还包括：
基于所述多个相似对象确定的多个目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。
5.一种数据处理装置，包括：
第一获取模块，获取图像，所述图像中至少包括目标对象；
第一确定模块，基于所述图像，确定所述目标对象对应的多个特征的特征数据；
第二获取模块，获取模板对象数据，所述模板对象数据包括各模板对象对应的所述多个特征的特征数据以及各模板对象对应的目标特征的特征数据；
第二确定模块，基于所述目标对象和所述模板对象分别对应的第一特征的特征数据，从所述模板对象中确定与所述目标对象满足预设条件的相似对象；
第三确定模块，基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据；
所述基于所述目标对象和所述相似对象分别对应的第二特征的特征数据以及所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据，包括：
基于所述目标对象和所述相似对象分别对应的第二特征的特征数据确定第一比值；
基于所述第一比值和所述相似对象对应的目标特征的特征数据确定所述目标对象对应的目标特征的特征数据；
所述第二特征包括多个特征；
所述基于所述目标对象和所述相似对象分别对应的第二特征的特征数据确定第一比值，包括：
基于所述目标对象和所述相似对象对应的多个特征的特征数据确定各特征的特征比；
基于各特征的特征比以及各特征对应的模型参数确定所述第一比值。
6.根据权利要求5所述的装置，其中：
所述第一特征包括重心，所述满足预设条件包括所述模板对象的重心与所述目标对象的重心之间的距离满足第一预设条件；和/或
所述第一特征包括图像中心距对象的直线距离，所述满足预设条件包括所述图像中心距模板对象的直线距离与所述图像中心距目标对象的直线距离满足第二预设条件；和/或
所述第一特征包括对象轮廓交并比，所述满足预设条件包括所述模板对象与所述目标对象的轮廓的交并比满足第三预设条件。
7.根据权利要求5所述的装置，其中，所述第二特征包括：体长、体宽、轮廓面积、轮廓最小外接矩形长宽比。
8.根据权利要求5所述的装置，还包括：
第四确定模块，在所述相似对象包括多个相似对象的情况下，基于所述多个相似对象确定的多个目标特征的特征数据确定所述目标对象对应的目标特征的特征数据。
9.一种数据处理系统，包括：
一个或多个存储器，存储有可执行指令；以及
一个或多个处理器，执行所述可执行指令，以实现根据权利要求1~4中任一项所述的方法。
10.一种计算机可读介质，其上存储有可执行指令，所述指令在被处理器执行时实现根据权利要求1~4中任一项所述的方法。
CN201811538969.9A 2018-12-14 2018-12-14 数据处理方法、装置、系统和介质 Active CN111325217B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811538969.9A CN111325217B (zh) 2018-12-14 2018-12-14 数据处理方法、装置、系统和介质
PCT/CN2019/101625 WO2020119167A1 (zh) 2018-12-14 2019-08-20 数据处理方法、装置、系统和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811538969.9A CN111325217B (zh) 2018-12-14 2018-12-14 数据处理方法、装置、系统和介质

Publications (2)

Publication Number Publication Date
CN111325217A CN111325217A (zh) 2020-06-23
CN111325217B true CN111325217B (zh) 2024-02-06

Family

ID=71075609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811538969.9A Active CN111325217B (zh) 2018-12-14 2018-12-14 数据处理方法、装置、系统和介质

Country Status (2)

Country Link
CN (1) CN111325217B (zh)
WO (1) WO2020119167A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111907223A (zh) * 2020-08-06 2020-11-10 珠海格力智能装备有限公司 打标机的控制方法及装置、打标机
CN112784175B (zh) * 2020-12-24 2023-12-01 北京百度网讯科技有限公司 兴趣点数据处理方法、装置、设备及存储介质
CN113505799B (zh) * 2021-06-30 2022-12-23 深圳市慧鲤科技有限公司 显著性检测方法及其模型的训练方法和装置、设备、介质
CN113920324B (zh) * 2021-12-13 2022-04-01 广州思德医疗科技有限公司 图像识别方法、装置、电子设备及存储介质
CN116016524B (zh) * 2023-03-24 2023-07-07 湖南智芯微科技有限公司 一种应用于机动式指挥平台的数据处理方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106667A (zh) * 2013-02-01 2013-05-15 山东科技大学 一种面向遮挡和场景变换的运动对象追踪方法
CN104794733A (zh) * 2014-01-20 2015-07-22 株式会社理光 对象跟踪方法和装置
CN106666903A (zh) * 2015-11-09 2017-05-17 恒基伟业投资发展集团有限公司 一种利用图像测量人体体型参数的方法及装置
CN107665238A (zh) * 2017-08-24 2018-02-06 北京搜狗科技发展有限公司 图片处理方法和装置、用于图片处理的装置
CN108345624A (zh) * 2017-01-24 2018-07-31 阿里巴巴集团控股有限公司 生成页面的方法及装置
WO2018137623A1 (zh) * 2017-01-24 2018-08-02 深圳市商汤科技有限公司 图像处理方法、装置以及电子设备
CN108509466A (zh) * 2017-04-14 2018-09-07 腾讯科技（深圳）有限公司 一种信息推荐方法和装置
CN108564082A (zh) * 2018-04-28 2018-09-21 苏州赛腾精密电子股份有限公司 图像处理方法、装置、服务器和介质
CN108830293A (zh) * 2018-05-08 2018-11-16 北京佳格天地科技有限公司 动物体重的识别方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4756660B2 (ja) * 2008-03-14 2011-08-24 株式会社ソニー・コンピュータエンタテインメント 画像処理装置および画像処理方法
US9311556B2 (en) * 2010-05-19 2016-04-12 Plf Agritech Pty Ltd Image analysis for making animal measurements including 3-D image analysis
AU2010219406B2 (en) * 2010-05-19 2013-01-24 Plf Agritech Pty Ltd Image analysis for making animal measurements
CN104751163B (zh) * 2013-12-27 2018-06-19 同方威视技术股份有限公司 对货物进行自动分类识别的透视检查系统和方法
CN106920279B (zh) * 2017-03-07 2018-06-19 百度在线网络技术（北京）有限公司 三维地图构建方法和装置
CN107862712A (zh) * 2017-10-20 2018-03-30 陈宸 尺寸数据确定方法、装置、存储介质及处理器

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106667A (zh) * 2013-02-01 2013-05-15 山东科技大学 一种面向遮挡和场景变换的运动对象追踪方法
CN104794733A (zh) * 2014-01-20 2015-07-22 株式会社理光 对象跟踪方法和装置
CN106666903A (zh) * 2015-11-09 2017-05-17 恒基伟业投资发展集团有限公司 一种利用图像测量人体体型参数的方法及装置
CN108345624A (zh) * 2017-01-24 2018-07-31 阿里巴巴集团控股有限公司 生成页面的方法及装置
WO2018137623A1 (zh) * 2017-01-24 2018-08-02 深圳市商汤科技有限公司 图像处理方法、装置以及电子设备
CN108509466A (zh) * 2017-04-14 2018-09-07 腾讯科技（深圳）有限公司 一种信息推荐方法和装置
CN107665238A (zh) * 2017-08-24 2018-02-06 北京搜狗科技发展有限公司 图片处理方法和装置、用于图片处理的装置
CN108564082A (zh) * 2018-04-28 2018-09-21 苏州赛腾精密电子股份有限公司 图像处理方法、装置、服务器和介质
CN108830293A (zh) * 2018-05-08 2018-11-16 北京佳格天地科技有限公司 动物体重的识别方法及装置

Also Published As

Publication number Publication date
WO2020119167A1 (zh) 2020-06-18
CN111325217A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN111325217B (zh) 数据处理方法、装置、系统和介质
Burnett et al. Estimating morphometric attributes of baleen whales with photogrammetry from small UASs: A case study with blue and gray whales
US11627726B2 (en) System and method of estimating livestock weight
CN110426112B (zh) 一种生猪体重测量方法及装置
KR102062609B1 (ko) 3d 영상을 이용한 휴대형 가축 무게 측정시스템
CN107667903B (zh) 基于物联网的畜牧养殖活体体重监测方法
CN108921057B (zh) 基于卷积神经网络的对虾形态测量方法、介质、终端设备及装置
CN111666855B (zh) 基于无人机的动物三维参数提取方法、系统及电子设备
WO2020023467A1 (en) Unique identification of freely swimming fish in an aquaculture environment
JP7223880B2 (ja) 乳牛の乳首の検出畳み込みニューラルネットワークモデル及びその構築方法
CN111709421B (zh) 鸟类识别方法、装置、计算机设备及存储介质
Zhou et al. An integrated skeleton extraction and pruning method for spatial recognition of maize seedlings in MGV and UAV remote images
KR101974638B1 (ko) 식물 영상 처리 장치 및 방법
CN110991220B (zh) 禽蛋检测、图像处理方法，装置、电子设备及存储介质
Kollis et al. Weight estimation using image analysis and statistical modelling: A preliminary study
CN109559342B (zh) 动物体长的测量方法和装置
CN112861666A (zh) 一种基于深度学习的鸡群计数方法及应用
CN112861872A (zh) 一种南美白对虾表型数据测定方法、装置、计算机设备及存储介质
Xin et al. Three‐dimensional reconstruction of Vitis vinifera (L.) cvs Pinot Noir and Merlot grape bunch frameworks using a restricted reconstruction grammar based on the stochastic L‐system
CN110414369B (zh) 一种牛脸的训练方法及装置
WO2017164239A1 (ja) 個体計数装置、個体計数方法、およびコンピュータ読み取り可能な記録媒体
CN113706512A (zh) 一种基于深度学习和深度相机的生猪体重测量方法
CN116206342B (zh) 一种猪只体重检测方法、装置、设备及存储介质
JP2021063774A (ja) 体重推定装置
CN114764833A (zh) 植物生长曲线确定方法、装置、电子设备及介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Technology Information Technology Co.,Ltd.

Address before: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: BEIJING HAIYI TONGZHAN INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant