CN113240574A - 确定动物体重的方法、装置、设备及存储介质 - Google Patents
确定动物体重的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113240574A CN113240574A CN202110439402.1A CN202110439402A CN113240574A CN 113240574 A CN113240574 A CN 113240574A CN 202110439402 A CN202110439402 A CN 202110439402A CN 113240574 A CN113240574 A CN 113240574A
- Authority
- CN
- China
- Prior art keywords
- area
- animal
- weight
- determining
- designated
- 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
- 241001465754 Metazoa Species 0.000 title claims abstract description 199
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 239000012805 animal sample Substances 0.000 claims description 38
- 239000000523 sample Substances 0.000 claims description 27
- 230000037396 body weight Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 10
- 238000012937 correction Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000009313 farming Methods 0.000 description 4
- 241000282887 Suidae Species 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000283086 Equidae Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003975 animal breeding Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
- G06T3/047—Fisheye or wide-angle transformations
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种确定动物体重的方法、装置、设备及存储介质，属于视频监控技术领域。所述方法包括：获取鱼眼图像，鱼眼图像包括待检测的动物，鱼眼图像包括多个指定区域，多个指定区域中的每个指定区域具有用于指示每个指定区域的像素权重的权重系数。确定目标区域，目标区域包括动物在多个指定区域中所处的指定区域。确定区域面积，区域面积为动物在鱼眼图像中所占区域的面积。基于目标区域对应的权重系数、以及区域面积，确定动物的体重。通过对待检测的目标进行拍摄，得到鱼眼图像，基于鱼眼图像即可确定动物的体重，避免需要用户手动操作，提高了确定动物体重的效率。
Description
技术领域
本申请涉及视频监控技术领域，特别涉及一种确定动物体重的方法、装置、设备及存储介质。
背景技术
在动物养殖过程中，为了能够有效的监控动物的成长情况，养殖人员通常有获知动物体重的需求。一般情况下，由养殖人员每隔一定时间通过体重秤之类的设备测量动物的体重，譬如将猪放置体重秤上以确定猪的体重。然而，该种确定动物体重的方式需要人工操作，且操作较为繁琐，使得确定动物体重的效率较低。
发明内容
本申请实施例提供了一种确定动物体重的方法、装置、设备及存储介质，可以解决现有技术中由于人工操作导致确定动物体重的效率较低的问题。所述技术方案如下：
第一方面，提供了一种确定动物体重的方法，所述方法包括：
获取鱼眼图像，所述鱼眼图像包括待检测的动物，所述鱼眼图像包括多个指定区域，所述多个指定区域中的每个指定区域具有用于指示所述每个指定区域的像素权重的权重系数；
确定目标区域，所述目标区域包括所述动物在所述多个指定区域中所处的指定区域；
确定区域面积，所述区域面积为所述动物在所述鱼眼图像中所占区域的面积；
基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
如此，通过对待检测的目标进行拍摄，得到鱼眼图像，基于鱼眼图像即可确定动物的体重，避免需要用户手动操作，提高了确定动物体重的效率。
另外，本申请实施例通过鱼眼摄像头拍摄得到鱼眼图像，然后鱼眼图像确定动物的体重。由于鱼眼图像具有360度水平视角和180度垂直视角全景监控无死角的特点，即视角范围大，所以可以使得该确定体重的方法广泛应用于大型养殖场中，从而可以提高该确定动物体重的方法的应用范围。
作为本申请的一个示例，所述多个指定区域分别是以所述鱼眼图像中的鱼眼圆的中心点为中心、以多个预设长度为半径在所述鱼眼图像中绘制圆后得到的环形区域，所述多个预设长度不相同。
如此，从鱼眼图像的中心点向边缘逐层划分区域，以将畸变程度相近的区域划分为同一区域，从而针对畸变程度相近的区域设置同一权重系数，可以提高计算的准确性。
作为本申请的一个示例，所述目标区域的数量为多个；
所述基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重，包括：
基于多个目标区域中的每个目标区域对应的权重系数、以及所述动物在所述每个目标区域内所占区域的面积，确定所述动物在所述每个目标区域内对应的部分体重；
将所确定的所述多个目标区域中每个目标区域内对应的部分体重相加，得到所述动物的体重。
如此，当动物处于多个指定区域时，分别在所处的每个指定区域内进行体重计算，并将所计算的结果相加，以确定动物的体重，可以保证计算的有效性和准确性。
作为本申请的一个示例，所述方法还包括：
获取多个鱼眼图像样本中每个鱼眼图像样本的第一指定区域对应的区域图像，所述每个鱼眼图像样本的第一指定区域对应的区域图像中包括已知动物样本体重的动物样本，且所述每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本体重不相同，所述第一指定区域为所述多个指定区域中的任意一个指定区域；
确定所述每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本所占的面积，得到所述第一指定区域对应的每个区域图像的动物样本面积；
将所述第一指定区域对应的每个区域图像的动物样本面积和动物样本体重作为一组数据对，得到多组数据对；
将所述多组数据对输入至指定拟合模型中，输出所述第一指定区域对应的权重系数。
预先通过已知实际体重的动物，以及动物在每个指定区域内所占的面积，确定每个指定区域的权重系数，从而使得体重系数能够有效地反应对应的指定区域的像素权重，以使得后续利用该权重系数可以准确地确定动物的体重。
作为本申请的一个示例，所述基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重，包括：
确定所述动物在所述鱼眼图像中的高度，得到第一高度；
基于所述第一高度、所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
在确定动物的体重的过程中考虑了动物的身高，如此可以使得最终确定的体重与动物的实际体重更为接近。
第二方面，提供了一种确定动物体重的装置，所述装置包括：
获取模块，用于获取鱼眼图像，所述鱼眼图像包括待检测的动物，所述鱼眼图像包括多个指定区域，所述多个指定区域中的每个指定区域具有用于指示所述每个指定区域的像素权重的权重系数；
第一确定模块，用于确定目标区域，所述目标区域包括所述动物在所述多个指定区域中所处的指定区域；
第二确定模块，用于确定区域面积，所述区域面积为所述动物在所述鱼眼图像中所占区域的面积；
第三确定模块，用于基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
作为本申请的一个示例，所述多个指定区域分别是以所述鱼眼图像中的鱼眼圆的中心点为中心、以多个预设长度为半径在所述鱼眼图像中绘制圆后得到的环形区域，所述多个预设长度不相同。
作为本申请的一个示例，所述目标区域的数量为多个；所述第三确定模块用于：
基于多个目标区域中的每个目标区域对应的权重系数、以及所述动物在所述每个目标区域内所占区域的面积，确定所述动物在所述每个目标区域内对应的部分体重；
将所确定的所述多个目标区域中每个目标区域内对应的部分体重相加，得到所述动物的体重。
作为本申请的一个示例，所述获取模块还用于：
获取多个鱼眼图像样本中每个鱼眼图像样本的第一指定区域对应的区域图像，所述每个鱼眼图像样本的第一指定区域对应的区域图像中包括已知动物样本体重的动物样本，且所述每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本体重不相同，所述第一指定区域为所述多个指定区域中的任意一个指定区域；
确定所述每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本所占的面积，得到所述第一指定区域对应的每个区域图像的动物样本面积；
将所述第一指定区域对应的每个区域图像的动物样本面积和动物样本体重作为一组数据对，得到多组数据对；
将所述多组数据对输入至指定拟合模型中，输出所述第一指定区域对应的权重系数。
作为本申请的一个示例，所述第三确定模块用于：
确定所述动物在所述鱼眼图像中的高度，得到第一高度；
基于所述第一高度、所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述第一方面任一项所述的方法。
第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
本申请实施例提供的技术方案带来的有益效果是：
获取包括待检测的动物的鱼眼图像，鱼眼图像中包括多个指定区域，多个指定区域中的每个指定区域具有用于指示每个指定区域的像素权重的权重系数。确定目标区域，目标区域包括动物在多个指定区域中所处的指定区域。确定动物在鱼眼图像中所占区域的区域面积。基于目标区域对应的权重系数、以及区域面积确定动物的体重。如此，通过对待检测的目标进行拍摄，得到鱼眼图像，基于鱼眼图像即可确定动物的体重，避免需要用户手动操作，提高了确定动物体重的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种确定动物体重的方法流程图；
图2是根据一示例性实施例示出的一种鱼眼图像的示意图；
图3是根据一示例性实施例示出的一种鱼眼图像包括的多个指定区域的示意图；
图4是根据一示例性实施例示出的一种确定动物体重的装置的结构示意图；
图5是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
应当理解的是，本申请提及的“多个”是指两个或两个以上。在本申请的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，为了便于清楚描述本申请的技术方案，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
在对本申请实施例提供的确定动物体重的方法进行详细介绍之前，先对本申请实施例涉及的执行主体进行简单介绍。
本申请实施例提供的确定动物体重的方法可以由电子设备来执行。电子设备可以配置或者连接有鱼眼摄像头，以通过鱼眼摄像头对待检测的动物进行拍摄，得到包括待检测的动物的鱼眼图像，从而基于鱼眼图像确定动物的体重，其具体实现可以参见下文。作为一种示例，电子设备可以为鱼眼摄像机、平板电脑、笔记本电脑、台式计算机、便携式计算机等，本申请实施例对此不做限定。
在介绍完本申请实施例涉及的执行主体后，接下来将结合附图对本申请实施例提供的确定动物体重的方法进行详细介绍。
请参考图1，图1是根据一示例性实施例示出的一种确定动物体重的方法流程图，该方法可以应用于上述电子设备中，该方法可以包括如下几个实现步骤：
步骤101：获取鱼眼图像，鱼眼图像包括待检测的动物，鱼眼图像包括多个指定区域，多个指定区域中的每个指定区域具有用于指示每个指定区域的像素权重的权重系数。
作为一种示例，待检测的动物可以包括但不限于猪、羊、牛、马、兔、猫。
本申请实施例提供的方法通常可以应用于诸如圈舍之类的养殖区域内。作为一个示例，养殖人员可以在养殖区域的适当位置安装鱼眼摄像头，以使得电子设备通过所安装的鱼眼摄像头能够拍摄到养殖区域内饲养的动物，譬如可以将鱼眼摄像头安装在养殖区域的中央区域的正上方，使得拍摄得到的鱼眼图像中的鱼眼圆尽可能地覆盖整个养殖区域。请参考图2，图2是根据一示例性实施例示出的一种鱼眼摄像头拍摄得到的鱼眼图像，鱼眼图像中的鱼眼圆如图2中的21所示。
在一个实施例中，电子设备可以每隔预设时长控制鱼眼摄像头执行拍摄操作，已得到鱼眼图像。其中，预设时长可以根据实际需求进行设置，譬如，每隔一天或一个月执行一次拍摄操作。
在另一实施例中，电子设备也可以在检测到用户的拍摄触发操作的情况下执行拍摄操作，譬如，电子设备上可以配置有拍摄选项，该拍摄选项可以为物理按钮或者也可以为虚拟按键，当用户想要确定动物的体重时可以触发该拍摄选项，响应于用户对拍摄选项的触发操作，电子设备控制鱼眼摄像头执行拍摄操作，以得到鱼眼图像。
鱼眼图像中可能包括一个或者多个动物，也即养殖区域内饲养的动物可以为一个，也可以为多个。当动物为多个时，针对多个动物中的任意一个动物均可以采用本申请实施例提供的方法来确定体重。
进一步地，在拍摄鱼眼图像时，养殖区域内的某个动物可能正好被遮挡住了，譬如，某动物A被养殖区域内的某个物体遮挡了，或者，当鱼眼图像中的动物为多个时，某个动物A被动物B遮挡了一部分。在该种情况下，为了能够有效地确定被遮挡的动物的体重，在一种可能的实现方式中，可以对多个动物进行实时监控，并当监控到多个动物中没有被遮挡的动物时获取当前时刻的鱼眼图像，后续基于该鱼眼图像确定动物的体重。
譬如，假设电子设备是每隔预设时长执行拍摄操作，若在到达拍摄时间时通过拍摄得到的鱼眼图像中存在被遮挡的动物，则电子设备可以对多个动物实时监控，以确定是否存在被遮挡的动物，一旦检测到没有被遮挡的动物时，获取鱼眼图像，以基于该鱼眼图像进行后续操作。
在另一种可能的实现方式中，当某动物被遮挡时，还可以对被遮挡动物进行跟踪，并在跟踪过程中一旦检测到被遮挡的动物不再被遮挡时，获取此时的鱼眼图像，并基于此时的鱼眼图像确定曾被遮挡的动物的体重。
在一个实施例中，鱼眼图像包括的多个指定区域分别是以鱼眼图像中的鱼眼圆的中心点为中心、以多个预设长度为半径在鱼眼图像中绘制圆后得到的环形区域，多个预设长度不相同。
其中，多个预设长度可以根据实际需求进行设置。示例性地，多个预设长度包括r1，r2和r3，其中，r1小于r2，且r2小于r3。
也即，多个指定区域是对鱼眼图像按照预置的划分策略进行区域划分后得到。示例性地，在获取到鱼眼图像后，在鱼眼图像中绘制圆，得到多个环形区域，将每个环形区域作为指定区域，从而得到多个指定区域。请参考图3，图3是根据一示例性实施例示出的一种经绘制后得到的鱼眼图像，其中包括多个指定区域，分别为指定区域1、指定区域2和指定区域3。
由于鱼眼图像存在畸变的现象，所以不难理解，对于同一个动物来说，当该动物处于鱼眼摄像头视角的中央区域内时，该动物在鱼眼图像中的占用面积较大，而当该动物处于鱼眼摄像头视角的边缘区域内时，该动物在鱼眼图像中的占用面积较小。由此可见，鱼眼图像中不同区域对应的像素权重不相同，所以，在本申请实施例中可以预先确定多个指定区域中每个指定区域设置对应的权重系数。
作为一种示例，确定每个指定区域对应的权重系数的具体实现可以包括：获取多个鱼眼图像样本中每个鱼眼图像样本的第一指定区域对应的区域图像，每个鱼眼图像样本的第一指定区域对应的区域图像中包括已知动物样本体重的动物样本，且每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本体重不相同，第一指定区域为多个指定区域中的任意一个指定区域。确定每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本所占的面积，得到第一指定区域对应的每个区域图像的动物样本面积。将第一指定区域对应的每个区域图像的动物样本面积和动物样本体重作为一组数据对，得到多组数据对。将多组数据对输入至指定拟合模型中，输出第一指定区域对应的权重系数。
以一个指定区域为例对确定权重系数的过程进行介绍，可以将多个已知体重的动物样本依次控制在指定区域内，并依次通过鱼眼摄像头进行拍摄，得到多个鱼眼图像样本。示例性地，以动物样本为已知体重的猪为例，依次将不同体重的猪控制在指定区域内，并依次通过鱼眼摄像头进行拍摄，得到不同体重的猪的鱼眼图像样本。然后确定每个鱼眼图像样本中的动物样本在每个鱼眼图像样本中所占区域的面积，将基于每个鱼眼图像样本确定的面积和对应的动物的实际体重作为一组数据，如此可以得到多组数据。之后，可以基于多组数据通过指定拟合模型进行数据拟合，得到该指定区域对应的权重系数。
其中，指定拟合模型可以根据实际需求进行设置，譬如，指定拟合模型可以为曲线回归方差模型、线性模型等，本申请实施例对此不作限定。
按照上述方式可以确定多个指定区域中的每个指定区域对应的权重系数。确定多个指定区域中每个指定区域对应的权重系数后，将多个指定区域中每个指定区域对应的权重系数进行存储，以便于后续在确定动物体重的过程中可以直接获取使用。
需要说明的是，上述是以多个指定区域为环形区域为例进行说明，在另一实施例中，多个指定区域还可以采用其他方式划分得到，譬如，多个指定区域还可以是通过划分后得到的椭圆形区域等，本申请实施例对此不作限定。
步骤102：确定目标区域，目标区域包括动物在多个指定区域中所处的指定区域。
作为一种示例，可以通过目标检测模型对鱼眼图像进行目标检测，以确定鱼眼图像中的待检测的动物所在的区域框，从而根据该区域框确定动物在多个指定区域中所处的指定区域。
示例性地，请参考图3，假设多个指定区域包括指定区域1、指定区域2和指定区域3。若待检测的动物为动物A，则可以确定动物A在多个指定区域中所处的指定区域为指定区域3，从而可以确定目标区域包括指定区域3；若待检测的动物为动物B，则可以确定动物B在多个指定区域中所处的指定区域为指定区域1，从而可以确定目标区域包括指定区域1；若待检测的动物为动物C，则可以确定动物C在多个指定区域中所处的指定区域包括指定区域1和指定区域2，从而可以确定目标区域包括指定区域1和指定区域2。
步骤103：确定区域面积，区域面积为动物在鱼眼图像中所占区域的面积。
作为本申请一种可能的实现方式，可以采用预先训练好的深度学习神经网络模型来确定动物的区域面积。示例性地，作为一种示例，可以通过目标实例分割模型对鱼眼图像进行实例分割，以确定鱼眼图像中的待检测的动物所在的区域框，之后可以基于该区域框将动物在鱼眼图像中所在区域进行裁剪，得到动物区域轮廓二值图像，对动物区域轮廓二值图像进行统计，以确定该动物的区域面积。
在一个实施例中，目标实例分割模型可以是基于多个训练样本数据对待训练的神经网络模型进行训练后得到的。多个训练样本数据中的每个训练样本数据包括训练样本图像和轮廓指示信息，轮廓指示信息用于指示对应的训练样本图像中的目标在训练样本图像中的轮廓。
需要说明的是，上述是以通过预先训练好的深度学习神经网络模型来确定区域面积为例进行说明。在另一实施例中，还可以通过其他方式来确定。示例性地，可以用传统的计算机视觉方法统计动物的区域面积，其中，传统的计算机视觉方法可以包括但不限于阈值分割，形态学变化、blob分析等方法。
需要说明的是，上述步骤102和步骤103之间没有严格的先后执行顺序，也即步骤102可以在步骤103之前执行，也可以在步骤103之后执行，再或者，步骤102和步骤103还可以并行执行。
步骤104：基于目标区域对应的权重系数、以及区域面积，确定动物的体重。
作为一种示例，可以目标区域对应的权重系数与区域面积相乘，将相乘后得到的数值确定为动物的体重。
作为另一种示例，当目标区域的数量为多个时，基于目标区域对应的权重系数、以及区域面积，确定动物的体重的具体实现可以包括：基于多个目标区域中的每个目标区域对应的权重系数、以及动物在每个目标区域内所占区域的面积，确定动物在每个目标区域内对应的部分体重。将所确定的多个目标区域中每个目标区域内对应的部分体重相加，得到动物的体重。
示例性地，将第一目标区域对应的权重系数与动物在第一目标区域内所占区域的面积相乘，动物在第一目标区域内对应的体重。第一目标区域为多个目标区域中的任意一个目标区域。按照该种方式可以确定动物在每个目标区域内的对应的体重，将多个部分体重相加后得到的数值确定为动物的体重。
譬如请参考图3，假设待检测的动物为动物C，则确定动物C在指定区域1内所占区域的面积S1，以及确定动物C在指定区域2内所占区域的面积S2。之后，将指定区域1对应的权重系数与S1相乘，得到第一数值，以及将指定区域2对应的权重系数与S2相乘，得到第二数值。将第一数值与第二数值相加，得到动物C的体重。
作为本申请的一个示例，基于目标区域对应的权重系数、以及区域面积，确定动物的体重的实现方式还可以包括：确定动物在鱼眼图像中的高度，得到第一高度，基于第一高度、目标区域对应的权重系数、以及区域面积，确定动物的体重。
由于一些动物在站立的情况下存在一定的高度，譬如牛等，所以在确定动物体重的过程中还可以进一步考虑动物的高度。为此，可以通过图像检测确定动物在鱼眼图像中的高度，以便于在确定动物的体重时结合动物在鱼眼图像中的高度进行计算。
示例性地，基于第一高度、目标区域对应的权重系数、以及区域面积，确定动物的体重的具体实现可以包括：将第一高度、目标区域对应的权重系数、以及区域面积三者相乘，将三者相乘后得到的数值确定为动物的体重。
作为本申请的另一个示例，在确定动物的体重的过程中除了考虑动物在鱼眼图像中的高度之外，还可以进一步考虑鱼眼图像分辨率和校正信息，其中鱼眼图像分辨率是指鱼眼图像的图像分辨率，校正信息包括第二高度和校正图像分辨率，第二高度是指该鱼眼摄像头拍摄校正图像时距离地面的高度，校正图像分辨率是通过该鱼眼摄像头拍摄得到的校正图像的图像分辨率。
示例性地，基于校正图像分辨率、区域面积和鱼眼图像分辨率，通过如下公式(1)确定区域校正面积：
其中，s1表示区域校正面积，s表示区域面积，s2表示校正图像分辨率，s3表示鱼眼图像分辨率。
之后，基于区域校正面积、第一高度、第二高度、以及目标区域对应的权重系数，通过如下公式(2)确定动物的体重：
其中，s1表示区域校正面积，h表示第一高度，H表示第二高度，k表示目标区域对应的权重系数。
作为一种示例，第二高度可以通过距离传感器探测得到。示例性地，鱼眼摄像头上可以安装有距离传感器，该距离传感器由电子设备控制，电子设备在检测到距离测量触发操作的情况下通过距离传感器确定第二高度。
作为本申请的一个示例，在确定动物的体重后，可以将动物的体重与历史体重进行比较，譬如可以与上一次确定的体重进行比较，以确定体重差值。当体重差值小于体重差值阈值时，说明动物的增值速度较慢，或者当本次确定的体重与历史体重之间的体重差值为负值时，说明动物的体重减轻了，此时可以进行预警提示，以便于用户及时调整养殖策略等。
其中，体重差值阈值可以根据实际需求进行设置，本申请实施例对此不作限定。
另外，预警提示的方式可以包括多种，示例性地，可以包括但不限于响铃方式、文字提示方式。譬如，当采用文字提示的方式进行预警提示时，可以在电子设备的显示界面中显示“动物A的体重增值速度较慢”的字样。
进一步地，在拍摄鱼眼图像时可以获取拍摄时间，并将拍摄时间以时间戳的方式打印在鱼眼图像上，当体重差值小于体重差值阈值时，或者当本次确定的体重与历史体重之间的体重差值为负值时，可以在预警提示的同时在屏幕中显示确定体重的时间点，以便于用户可以获知体重是何时确定的。
在本申请实施例中，获取包括待检测的动物的鱼眼图像，鱼眼图像中包括多个指定区域，多个指定区域中的每个指定区域具有用于指示每个指定区域的像素权重的权重系数。确定目标区域，目标区域包括动物在多个指定区域中所处的指定区域。确定动物在鱼眼图像中所占区域的区域面积。基于目标区域对应的权重系数、以及区域面积确定动物的体重。如此，通过对待检测的目标进行拍摄，得到鱼眼图像，基于鱼眼图像即可确定动物的体重，避免需要用户手动操作，提高了确定动物体重的效率。
另外，本申请实施例通过鱼眼摄像头拍摄得到鱼眼图像，然后鱼眼图像确定动物的体重。由于鱼眼图像具有360度水平视角和180度垂直视角全景监控无死角的特点，即视角范围大，所以可以使得该确定体重的方法广泛应用于大型养殖场中，从而可以提高该确定动物体重的方法的应用范围。
应理解，上述实施例中各步骤的序号并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图4是根据一示例性实施例示出的一种确定动物的体重装置的结构示意图，该装置可以由软件、硬件或者两者的结合实现，该装置可以配置于电子设备中。该装置可以包括：
获取模块410，用于获取鱼眼图像，所述鱼眼图像包括待检测的动物，所述鱼眼图像包括多个指定区域，所述多个指定区域中的每个指定区域具有用于指示所述每个指定区域的像素权重的权重系数；
第一确定模块420，用于确定目标区域，所述目标区域包括所述动物在所述多个指定区域中所处的指定区域；
第二确定模块430，用于确定区域面积，所述区域面积为所述动物在所述鱼眼图像中所占区域的面积；
第三确定模块440，用于基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
作为本申请的一个示例，所述多个指定区域分别是以所述鱼眼图像中的鱼眼圆的中心点为中心、以多个预设长度为半径在所述鱼眼图像中绘制圆后得到的环形区域，所述多个预设长度不相同。
作为本申请的一个示例，所述目标区域的数量为多个；所述第三确定模块440用于：
基于多个目标区域中的每个目标区域对应的权重系数、以及所述动物在所述每个目标区域内所占区域的面积，确定所述动物在所述每个目标区域内对应的部分体重；
将所确定的所述多个目标区域中每个目标区域内对应的部分体重相加，得到所述动物的体重。
作为本申请的一个示例，所述获取模块410还用于：
获取多个鱼眼图像样本中每个鱼眼图像样本的第一指定区域对应的区域图像，所述每个鱼眼图像样本的第一指定区域对应的区域图像中包括已知动物样本体重的动物样本，且所述每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本体重不相同，所述第一指定区域为所述多个指定区域中的任意一个指定区域；
确定所述每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本所占的面积，得到所述第一指定区域对应的每个区域图像的动物样本面积；
将所述第一指定区域对应的每个区域图像的动物样本面积和动物样本体重作为一组数据对，得到多组数据对；
将所述多组数据对输入至指定拟合模型中，输出所述第一指定区域对应的权重系数。
作为本申请的一个示例，所述基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重，包括：
确定所述动物在所述鱼眼图像中的高度，得到第一高度；
基于所述第一高度、所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
在本申请实施例中，获取包括待检测的动物的鱼眼图像，鱼眼图像中包括多个指定区域，多个指定区域中的每个指定区域具有用于指示每个指定区域的像素权重的权重系数。确定目标区域，目标区域包括动物在多个指定区域中所处的指定区域。确定动物在鱼眼图像中所占区域的区域面积。基于目标区域对应的权重系数、以及区域面积确定动物的体重。如此，通过对待检测的目标进行拍摄，得到鱼眼图像，基于鱼眼图像即可确定动物的体重，避免需要用户手动操作，提高了确定动物体重的效率。
图5为本申请一实施例提供的电子设备的结构示意图。如图5所示，该实施例的电子设备5包括：至少一个处理器50(图5中仅示出一个)、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52，所述处理器50执行所述计算机程序52时实现上述任意各个方法实施例中的步骤。
所述电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该电子设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是电子设备5的举例，并不构成对电子设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是CPU(Central Processing Unit，中央处理单元)，该处理器50还可以是其他通用处理器、DSP(Digital Signal Processor，数字信号处理器)、ASIC(Application Specific Integrated Circuit，专用集成电路)、FPGA(Field-Programmable Gate Array，现成可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述电子设备5的内部存储单元，例如电子设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述电子设备5的外部存储设备，例如所述电子设备5上配备的插接式硬盘，SMC(Smart Media Card,智能存储卡)，SD(Secure Digital,安全数字)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述电子设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种确定动物体重的方法，其特征在于，所述方法包括：
获取鱼眼图像，所述鱼眼图像包括待检测的动物，所述鱼眼图像包括多个指定区域，所述多个指定区域中的每个指定区域具有用于指示所述每个指定区域的像素权重的权重系数；
确定目标区域，所述目标区域包括所述动物在所述多个指定区域中所处的指定区域；
确定区域面积，所述区域面积为所述动物在所述鱼眼图像中所占区域的面积；
基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
2.如权利要求1所述的方法，其特征在于，所述多个指定区域分别是以所述鱼眼图像中的鱼眼圆的中心点为中心、以多个预设长度为半径在所述鱼眼图像中绘制圆后得到的环形区域，所述多个预设长度不相同。
3.如权利要求1或2所述的方法，其特征在于，所述目标区域的数量为多个；
所述基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重，包括：
基于多个目标区域中的每个目标区域对应的权重系数、以及所述动物在所述每个目标区域内所占区域的面积，确定所述动物在所述每个目标区域内对应的部分体重；
将所确定的所述多个目标区域中每个目标区域内对应的部分体重相加，得到所述动物的体重。
4.如权利要求1或2所述的方法，其特征在于，所述方法还包括：
获取多个鱼眼图像样本中每个鱼眼图像样本的第一指定区域对应的区域图像，所述每个鱼眼图像样本的第一指定区域对应的区域图像中包括已知动物样本体重的动物样本，且所述每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本体重不相同，所述第一指定区域为所述多个指定区域中的任意一个指定区域；
确定所述每个鱼眼图像样本的第一指定区域对应的区域图像中的动物样本所占的面积，得到所述第一指定区域对应的每个区域图像的动物样本面积；
将所述第一指定区域对应的每个区域图像的动物样本面积和动物样本体重作为一组数据对，得到多组数据对；
将所述多组数据对输入至指定拟合模型中，输出所述第一指定区域对应的权重系数。
5.如权利要求1或2所述的方法，其特征在于，所述基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重，包括：
确定所述动物在所述鱼眼图像中的高度，得到第一高度；
基于所述第一高度、所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
6.一种确定动物体重的装置，其特征在于，所述装置包括：
获取模块，用于获取鱼眼图像，所述鱼眼图像包括待检测的动物，所述鱼眼图像包括多个指定区域，所述多个指定区域中的每个指定区域具有用于指示所述每个指定区域的像素权重的权重系数；
第一确定模块，用于确定目标区域，所述目标区域包括所述动物在所述多个指定区域中所处的指定区域；
第二确定模块，用于确定区域面积，所述区域面积为所述动物在所述鱼眼图像中所占区域的面积；
第三确定模块，用于基于所述目标区域对应的权重系数、以及所述区域面积，确定所述动物的体重。
7.如权利要求6所述的装置，其特征在于，所述多个指定区域分别是以所述鱼眼图像中的鱼眼圆的中心点为中心、以多个预设长度为半径在所述鱼眼图像中绘制圆后得到的环形区域，所述多个预设长度不相同。
8.如权利要求6或7所述的装置，其特征在于，所述目标区域的数量为多个；所述第三确定模块用于：
基于多个目标区域中的每个目标区域对应的权重系数、以及所述动物在所述每个目标区域内所占区域的面积，确定所述动物在所述每个目标区域内对应的部分体重；
将所确定的所述多个目标区域中每个目标区域内对应的部分体重相加，得到所述动物的体重。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现权利要求1至5中所述的任一项方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110439402.1A CN113240574A (zh) | 2021-04-22 | 2021-04-22 | 确定动物体重的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110439402.1A CN113240574A (zh) | 2021-04-22 | 2021-04-22 | 确定动物体重的方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113240574A true CN113240574A (zh) | 2021-08-10 |
Family
ID=77128887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110439402.1A Pending CN113240574A (zh) | 2021-04-22 | 2021-04-22 | 确定动物体重的方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240574A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008048443A (ja) * | 2007-09-21 | 2008-02-28 | Fujitsu Ltd | 魚眼レンズカメラ装置及びその画像抽出方法 |
| CN111121932A (zh) * | 2019-12-24 | 2020-05-08 | 秒针信息技术有限公司 | 测量牲畜体重的方法和装置 |
| CN112150498A (zh) * | 2020-11-09 | 2020-12-29 | 浙江大华技术股份有限公司 | 体态信息的确定方法、装置、存储介质及电子装置 |
| US20220394956A1 (en) * | 2019-07-25 | 2022-12-15 | Panasonic Intellectual Property Management Co., Ltd. | Weight estimation system, weight estimation method, and recording medium |
-
2021
- 2021-04-22 CN CN202110439402.1A patent/CN113240574A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008048443A (ja) * | 2007-09-21 | 2008-02-28 | Fujitsu Ltd | 魚眼レンズカメラ装置及びその画像抽出方法 |
| US20220394956A1 (en) * | 2019-07-25 | 2022-12-15 | Panasonic Intellectual Property Management Co., Ltd. | Weight estimation system, weight estimation method, and recording medium |
| CN111121932A (zh) * | 2019-12-24 | 2020-05-08 | 秒针信息技术有限公司 | 测量牲畜体重的方法和装置 |
| CN112150498A (zh) * | 2020-11-09 | 2020-12-29 | 浙江大华技术股份有限公司 | 体态信息的确定方法、装置、存储介质及电子装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111680551B (zh) | 监控牲畜数量的方法、装置、计算机设备及存储介质 | |
| CN111310775B (zh) | 数据训练方法、装置、终端设备及计算机可读存储介质 | |
| CN111696132B (zh) | 目标跟踪方法、装置、计算机可读存储介质及机器人 | |
| CN107680080B (zh) | 牲畜的样本库建立方法和清点方法、存储介质和电子设备 | |
| CN108229351B (zh) | 一种动物养殖方法、动物养殖装置及电子设备 | |
| CN113393487B (zh) | 运动目标检测方法、装置、电子设备及介质 | |
| CN111325217B (zh) | 数据处理方法、装置、系统和介质 | |
| CN109086696B (zh) | 一种异常行为检测方法、装置、电子设备及存储介质 | |
| CN108764139B (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
| CN112328822B (zh) | 图片预标注方法、装置及终端设备 | |
| CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
| CN111325181B (zh) | 一种状态监测方法、装置、电子设备及存储介质 | |
| CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
| CN110298239B (zh) | 目标监控方法、装置、计算机设备及存储介质 | |
| CN110598732B (zh) | 一种基于图像识别的植物健康检测方法及装置 | |
| CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
| CN113240574A (zh) | 确定动物体重的方法、装置、设备及存储介质 | |
| CN110991235B (zh) | 一种状态监测方法、装置、电子设备及存储介质 | |
| Li et al. | Detection of attack behaviour of pig based on deep learning | |
| CN114724067A (zh) | 一种养殖场饲料监控方法、装置、电子设备及存储介质 | |
| CN114764833A (zh) | 植物生长曲线确定方法、装置、电子设备及介质 | |
| CN110934565B (zh) | 一种瞳孔直径的测量方法、装置及计算机可读存储介质 | |
| CN113743261A (zh) | 一种猪体外伤的检测方法、装置和可读存储介质 | |
| CN112270257A (zh) | 一种运动轨迹确定方法、装置及计算机可读存储介质 | |
| CN116189018A (zh) | 野外航拍牛群计数方法、设备、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 |