CN113781526A - 一种家畜计数识别系统 - Google Patents
一种家畜计数识别系统 Download PDFInfo
- Publication number
- CN113781526A CN113781526A CN202111111977.7A CN202111111977A CN113781526A CN 113781526 A CN113781526 A CN 113781526A CN 202111111977 A CN202111111977 A CN 202111111977A CN 113781526 A CN113781526 A CN 113781526A
- Authority
- CN
- China
- Prior art keywords
- livestock
- image
- video
- counting
- video stream
- 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 description 6
- 244000144972 livestock Species 0.000 claims abstract description 119
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000033001 locomotion Effects 0.000 claims description 32
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000009395 breeding Methods 0.000 claims description 5
- 230000001488 breeding effect Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 17
- 238000013461 design Methods 0.000 abstract description 3
- 241000283690 Bos taurus Species 0.000 description 32
- 235000015278 beef Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种家畜计数识别系统,包括:视频采集单元,用于对家畜轮廓进行采集,并得到原始视频流,原始视频流中包含待处理视频流;视频分割单元,用于将待处理视频流分割为多个按序列排放的图像帧;图像处理单元,用于对多个按序列排放的图像帧单独处理识别,并获得家畜体轮廓图像;运算单元,用于对家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数。本发明采用视频监控技术、视频分割技术与图像识别技术相结合,通过视频采集单元采集家畜的移动视频,并将该视频进行视频分割处理,运用目标跟踪算法及图像识别技术,实现家畜轮廓提取与计数,全程无人工参与,整体设计具备时效性、可操作性、自动化、高精度检测等优势。
Description
技术领域
本发明涉及机器视觉技术领域,特别是涉及一种家畜计数识别系统。
背景技术
传统的家畜计数主要采取人工或半人工的方式。人工标记和肉眼识别方式效率低、错误率高,很难全面准确地掌握家畜群体数量;半人工方式主要采用各种电子传感器设备获取家畜身份信息并实现计数功能。由于使用手工标记与设备检测会引起家畜应激反应,使得家畜群体计数费时费工效率低下,更不用说时效性、可操作性、自动化、高精度检测。
家畜人工计数最准确的方法是在通道中某个位置想象出来一条虚拟分界线,目光紧盯这条线附近区域,有家畜跨线计数就加一。自动计数原理与人工计数一致,计数算法也是假设出一条虚拟的分界线,当目标家畜穿过这条虚拟的分界线时,总计数加一。目标家畜经过跟踪算法处理后,会得到一个唯一目标标识和对应的运动轨迹坐标点集合,通过这两个数据可以判断某个目标家畜是否穿越某条直线。影响自动计数准确性的因素:
(1)检测算法准确性。目标如果还未跨越虚拟计数线时,检测算法就检测不到该目标了,那么计数肯定丢失;
(2)跟踪算法准确性。跟踪算法效果不好时,目标轨迹不连续,很可能刚好在虚拟计数线那里断掉;
(3)虚拟计数线的位置。虚拟计数线不能太远,很多检测算法对远处的小目标检测效果不理想;当然也不能太近,在计数时,为了过滤错误的检测目标,要求必须保证目标家畜轨迹点的数量要大于某个值,视频监控角度垂直向下,虚拟计数线设置在画面四分之三处,目标家畜在跨越计数线时,目标轨迹点集合中的量大于4,分别在画面四等分均存在时,计数加1。
目前,市场上圈舍家畜计数普遍采用人工计数,实际操作工程中,家畜处于动态运动过程中,随着家畜数量的增多、移动速度的增快,或者家畜之间出现拥挤、计数人员受到外界干扰,会导致漏数、误数,最终计数错误。
发明内容
本发明的目的是提供一种家畜计数识别系统,以解决上述现有技术存在的问题,实现家畜计数的全程无人工参与,实现计数自动化。
为实现上述目的,本发明提供了如下方案:本发明提供一种家畜计数识别系统,包括:视频采集单元,用于对家畜轮廓进行采集,并得到原始视频流,所述原始视频流中包含待处理视频流;视频分割单元,用于将所述待处理视频流分割为多个按序列排放的图像帧;图像处理单元,用于对多个按序列排放的所述图像帧单独处理识别,并获得家畜体轮廓图像;运算单元,用于对所述家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数。
优选的,所述图像处理单元包括:预处理模块,用于对所述图像帧进行背景差分、图像去噪、图像二值化处理;轮廓检测与提取模块,用于对所述预处理模块传递的所述图像帧进行形态学滤波处理,提取并识别单只家畜的俯视椭圆形轮廓。
优选的,所述运算单元包括:运动轨迹获取模块,用于检测单只家畜在每一帧的空间位置,从而得到单只家畜的运动轨迹;判断计数模块,用于根据单只家畜的运动轨迹进行计算,并判断单只家畜是否通过监控区域,从而进行数目统计。
优选的,所述家畜计数识别系统还包括:网络服务器,用于对所述视频采集单元采集的所述待处理视频流进行远程存储。
一种家畜计数识别方法,通过如下步骤实现:
步骤S10:搭建所述视频采集单元,并在所述视频采集单元的所在位置搭建遮光棚;
步骤S20:视频采集,结合家畜用牧场的养殖现状,对家畜轮廓进行采集,得到原始视频流,由所述原始视频流中提取待处理视频流,并将所述待处理视频流进行远程存储;
步骤S30:视频分割,将所述待处理视频流分割为多个按序列排放的图像帧;
步骤S40:家畜轮廓提取并计数,对多个按序列排放的所述图像帧单独处理识别,获得家畜体轮廓图像,对所述家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数。
优选的,所述步骤S40中,对多个按序列排放的所述图像帧单独处理识别的过程包括:步骤S41:背景差分,对于部分高度与家畜较接近的栏杆无法去除时,先使用背景差分的方法,背景减去前景深度去掉静态背景的深度数据;步骤S42:图像去噪;步骤S43:图像二值化处理。
优选的,所述步骤S40中,获得家畜体轮廓图像的过程包括:步骤S44:对单独处理识别后的所述图像帧进行形态学滤波处理,提取并识别单只家畜的俯视椭圆形轮廓。
优选的,所述步骤S40中,对所述家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数的过程包括:步骤S45:检测单只家畜在每一帧的空间位置,从而得到单只家畜的运动轨迹;步骤S46:根据单只家畜的运动轨迹进行计算,并判断单只家畜是否通过监控区域,从而进行数目统计。
优选的,步骤S46中,根据单只家畜的运动轨迹进行计算包括:根据单只家畜的运动轨迹计算出单只家畜的运动方向和位移。
优选的,所述待处理视频流为部署在家畜圈舍入口处的视频流。
本发明公开了以下技术效果:本发明采用视频监控技术、视频分割技术与图像识别技术相结合,通过视频采集单元采集家畜的移动视频,并将该视频进行视频分割处理,运用目标跟踪算法及图像识别技术,实现家畜轮廓提取与计数,该过程全程无人工参与,实现计数自动化,整体设计具备时效性、可操作性、自动化、高精度检测等优势。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明家畜计数识别系统的结构框图;
图2为本发明图像处理单元与运算单元的结构框图;
图3为本发明实施例中家畜计数识别方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
机器视觉技术能把计算机的快速性、可重复性与人类肉眼的视觉髙度智能化和抽象能力进行组合,是特征识别、精准定位领域至关重要不可或缺的技术之一。机器视觉技术与传统检测方法相比检测速度更快、准确率更高,同时与较为先进的无线射频检测技术相比操作更为简单,设备投资成本低,避免了家畜应激反应,因此利用机器视觉技术进行家畜个体特征信息检测,研发无接触、自动化、精准化的家畜计数方法具有广泛的应用价值。机器视觉技术的核心是智能图像处理,它要求图像处理算法准确、快捷和稳定,同时还要求系统的实现成本低、升级换代方便。
机器视觉系统的核心部分是图像的采集和图像的处理算法。所有信息均来源于图像,图像质量对整个视觉系统非常关键。获取高质量图片的途径是针对每个物体的应用实例,根据物体的特性和现场的环境,搭建合适的视频采集环境,从而得到一幅好的图像。一副好的图像应该具备如下条件:对比度明显,目标与背景的边界清晰;背景尽量淡化而且均匀,不干扰图像处理;与颜色有关的还需要颜色真实,亮度适中,不过度曝光得到高质量图片。
因此本发明利用机器视觉技术提供一种家畜计数识别系统,用以实现全自动化的家畜轮廓提取与计数系统,参照图1-3,该系统包括:
视频采集单元,视频采集单元优选为视频监控摄像机,通过其广角摄像头组成的图像采集系统对家畜轮廓进行采集,并得到原始视频流,原始视频流中包含待处理视频流,为保证后续计数准确,待处理视频流优选为部署在家畜圈舍入口处采集的视频流;视频流是由按序列排放的图像组成,即帧(Frame)。
网络服务器,用于对视频采集单元采集的待处理视频流进行远程存储。
视频分割单元,用于将待处理视频流分割为多个按序列排放的图像帧;本算法采用的监控视频流FPS25,后续针对连续的每帧图像单独处理识别。
图像处理单元,用于对多个按序列排放的图像帧单独处理识别(即预处理),并获得家畜体轮廓图像。
运算单元,用于对家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数。
进一步优化方案,图像处理单元包括:
预处理模块,用于对图像帧进行背景差分、图像去噪、图像二值化处理。
轮廓检测与提取模块,用于对预处理模块传递的图像帧进行形态学滤波处理,提取并识别单只家畜的俯视椭圆形轮廓。
进一步优化方案,运算单元包括:
运动轨迹获取模块,用于检测单只家畜在每一帧的空间位置,从而得到单只家畜的运动轨迹。
判断计数模块,用于根据单只家畜的运动轨迹进行计算,并判断单只家畜是否通过监控区域,从而进行数目统计。
一种家畜计数识别方法,通过如下步骤实现:
步骤S10:搭建视频采集单元,并在视频采集单元的所在位置搭建遮光棚;由于自然环境对视频图像质量的影响,为了保证视频质量搭建遮光棚,保证不同时间段采集视频都有高质量的图像。
步骤S20:视频采集,结合家畜用牧场的养殖现状,对家畜轮廓进行采集,得到原始视频流,由原始视频流中提取待处理视频流,并将待处理视频流进行远程存储。
步骤S30:视频分割,将待处理视频流分割为多个按序列排放的图像帧。
步骤S40:家畜轮廓提取并计数,对多个按序列排放的图像帧单独处理识别,获得家畜体轮廓图像,对家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数。
进一步优化方案,步骤S40中,对多个按序列排放的图像帧单独处理识别的过程包括:
步骤S41:背景差分,对于部分高度与家畜较接近的栏杆无法去除时,先使用背景差分的方法,背景减去前景深度去掉静态背景的深度数据;
步骤S42:图像去噪;
步骤S43:图像二值化处理。
进一步优化方案,步骤S40中,获得家畜体轮廓图像的过程包括:
步骤S44:对单独处理识别后的图像帧进行形态学滤波处理,提取并识别单只家畜的俯视椭圆形轮廓。
进一步优化方案,步骤S40中,对家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数的过程包括:
步骤S45:检测单只家畜在每一帧的空间位置,从而得到单只家畜的运动轨迹;
步骤S46:根据单只家畜的运动轨迹计算出单只家畜的运动方向和位移等,并判断单只家畜是否通过监控区域,从而进行数目统计。
根据本发明所述系统及方法,基于牛只计数提供一种实施方式,如下:
作为一个总的设计构思,为提供一种在肉牛实际养殖环境下,基于图像处理的非接触、低成本的肉牛个体计数方法。当肉牛进入圈舍时,在圈舍入口处架设视频采集单元,利用视频中图像序列样本量充足这一特点,首先从视频图像中识别一个家畜轮廓,当已识别的运动轮廓经过跟踪算法处理后,会得到一个唯一目标标识和对应的运动轨迹坐标点集合,通过这两个数据可以判断某个目标家畜是否穿越某条直线实现自动计数。需要说明的是,本实施例中牧场内通道宽度、长度,摄像机的位置和不同的牛的体型(如安格斯牛、西门塔尔牛,蒙古牛)有关。
基于此,本实施例采取以下流程进行牛只识别计数:
①视频监控->②视频处理->③图像识别->④牛只标记计数。
更具体的说,首先搭建视频采集单元,视频采集在肉牛圈舍入口处上方安装视频监控摄像机,可以拍到牛只的俯视图像(其目的是:在牛只运动范围上方安装监控摄像机,程序自动分析识别牛只轮廓,实现牛只计数),具体的,在牛只出入的上方3-5米安装监控摄像机,监控摄像机垂直向下,拍摄牛只的运动情况,获取牛只运动视频。由于自然环境对视频图像质量的影响,为了保证视频质量我们在监控摄像机所在位置搭建遮光棚,保证不同时间段采集视频都有高质量的图像。
其次,视频采集,结合牧场的养殖现状,通过广角摄像头组成的图像采集系统对牛体轮廓进行采集。视频采集单元启动后,采集的视频图像通过网络服务器对部署在肉牛圈舍入口处的视频进行远程存储。
再次,视频分割,传输的视频流是由按序列排放的图像组成,即帧(Frame)。本算法采用的监控视频流FPS25,针对连续的每帧图像单独处理识别,具体的,通过视频分割技术,将牛只运动视频进行分割处理。
最后,牛只轮廓提取并计数,对采集到的牛体图像进行图像预处理,经由背景差分、图像去噪、图像二值化、轮廓检测与提取后获得牛体轮廓图像。对于部分高度与牛体较接近的栏杆无法去除时,先使用背景差分的方法,背景减去前景深度去掉静态背景的深度数据,最终得到牛只体轮廓信息。再对轮廓图像根据目标跟踪算法检测与坐标提取,在此基础上实现计数。具体的,运用图像识别技术,对分割的视频进行智能识别牛只轮廓进行标记,实现计数功能。
牛只目标跟踪与计数算法如下:
对每帧图像通过形态学处理,提取识别牛只的俯视椭圆形轮廓;
通过CamShift算法检测目标在每一帧的空间位置,从而得到目标的运动轨迹;
根据目标的运动轨迹计算出目标的运动方向和位移等,判断目标通过监控区域,从而对目标进行数目统计。
上述计数识别系统中涉及算法如下:
二值化,一幅图像包括目标物体、背景还有噪声,要想从多值的数字图像中直接提取目标物体,最常用的方法就是设定一个阈值,用阈值将图像的数据分成两部分;大于阈值的像素群和小于阈值的像素群。这是研究灰度变换的最特殊方法,成为图像的二值化。把图像转换为只有黑白两种颜色的图像,会便于图像的后期分析和处理,也易于观察。
形态学滤波,在实际处理过程中,由于传感器本身的光学特性以及传输链路的影响,可能会在每一帧图像中产生一定的噪声,从而给目标监测带来困难。为提高目标监测的有效性和正确性,有必要对图像进行形态学处理一级消除噪声。其实现方法是对二值化后的图像进行膨胀、腐蚀等形态学滤波。
提取目标物体,通过对视频中运动牛只的提取,一般可以得到提取的目标物体,接下来就可以对系统进行牛只计数功能的设计。
目标轨迹跟踪及计数,采用CamShift算法,它是对Mean Shift算法的改进,能够自动调节搜索窗口大小来适应目标的大小,可以跟踪视频中尺寸变化的目标。基本思想是以视频图像中运动物体的颜色信息作为特征,对输入图像的每一帧分别作Mean-Shift运算,并将上一帧的目标中心和搜索窗口大小(核函数带宽)作为下一帧Mean shift算法的中心和搜索窗口大小的初始值,如此迭代下去,就可以实现对目标的跟踪。因为在每次搜索前将搜索窗口的位置和大小设置为运动目标当前中心的位置和大小,而运动目标通常在这区域附近,缩短了搜索时间;另外,在目标运动过程中,颜色变化不大,故该算法具有良好的鲁棒性。
根据提取到的目标物体(即牛只),存入目标物体集合,带入CamShift算法,针对每一帧图像进行计算处理,获取到牛只的运动轨迹从而防止多帧重复计数。首次发现的牛只且连续多帧出现计数加1,实现计数功能。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (10)
1.一种家畜计数识别系统,其特征在于,包括:
视频采集单元,用于对家畜轮廓进行采集,并得到原始视频流,所述原始视频流中包含待处理视频流;
视频分割单元,用于将所述待处理视频流分割为多个按序列排放的图像帧;
图像处理单元,用于对多个按序列排放的所述图像帧单独处理识别,并获得家畜体轮廓图像;
运算单元,用于对所述家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数。
2.根据权利要求1所述的家畜计数识别系统,其特征在于,所述图像处理单元包括:
预处理模块,用于对所述图像帧进行背景差分、图像去噪、图像二值化处理;
轮廓检测与提取模块,用于对所述预处理模块传递的所述图像帧进行形态学滤波处理,提取并识别单只家畜的俯视椭圆形轮廓。
3.根据权利要求1所述的家畜计数识别系统,其特征在于:所述运算单元包括:
运动轨迹获取模块,用于检测单只家畜在每一帧的空间位置,从而得到单只家畜的运动轨迹;
判断计数模块,用于根据单只家畜的运动轨迹进行计算,并判断单只家畜是否通过监控区域,从而进行数目统计。
4.根据权利要求1所述的家畜计数识别系统,其特征在于,还包括:网络服务器,用于对所述视频采集单元采集的所述待处理视频流进行远程存储。
5.一种家畜计数识别方法,基于权利要求1-4任一项所述的家畜计数识别系统,其特征是通过如下步骤实现的:
步骤S10:搭建所述视频采集单元,并在所述视频采集单元的所在位置搭建遮光棚;
步骤S20:视频采集,结合家畜用牧场的养殖现状,对家畜轮廓进行采集,得到原始视频流,由所述原始视频流中提取待处理视频流,并将所述待处理视频流进行远程存储;
步骤S30:视频分割,将所述待处理视频流分割为多个按序列排放的图像帧;
步骤S40:家畜轮廓提取并计数,对多个按序列排放的所述图像帧单独处理识别,获得家畜体轮廓图像,对所述家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数。
6.根据权利要求5所述的家畜计数识别方法,其特征在于:所述步骤S40中,对多个按序列排放的所述图像帧单独处理识别的过程包括:
步骤S41:背景差分,对于部分高度与家畜较接近的栏杆无法去除时,先使用背景差分的方法,背景减去前景深度去掉静态背景的深度数据;
步骤S42:图像去噪;
步骤S43:图像二值化处理。
7.根据权利要求5所述的家畜计数识别方法,其特征在于:所述步骤S40中,获得家畜体轮廓图像的过程包括:
步骤S44:对单独处理识别后的所述图像帧进行形态学滤波处理,提取并识别单只家畜的俯视椭圆形轮廓。
8.根据权利要求5所述的家畜计数识别方法,其特征在于:所述步骤S40中,对所述家畜体轮廓图像根据目标跟踪算法检测与坐标提取,并在此基础上实现计数的过程包括:
步骤S45:检测单只家畜在每一帧的空间位置,从而得到单只家畜的运动轨迹;
步骤S46:根据单只家畜的运动轨迹进行计算,并判断单只家畜是否通过监控区域,从而进行数目统计。
9.根据权利要求8所述的家畜计数识别方法,其特征在于:步骤S46中,根据单只家畜的运动轨迹进行计算包括:
根据单只家畜的运动轨迹计算出单只家畜的运动方向和位移。
10.根据权利要求5所述的家畜计数识别方法,其特征在于:所述待处理视频流为部署在家畜圈舍入口处的视频流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111111977.7A CN113781526A (zh) | 2021-09-23 | 2021-09-23 | 一种家畜计数识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111111977.7A CN113781526A (zh) | 2021-09-23 | 2021-09-23 | 一种家畜计数识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781526A true CN113781526A (zh) | 2021-12-10 |
Family
ID=78852688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111111977.7A Pending CN113781526A (zh) | 2021-09-23 | 2021-09-23 | 一种家畜计数识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781526A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114694186A (zh) * | 2022-06-01 | 2022-07-01 | 南京优牧大数据服务有限公司 | 牛脸识别数据处理方法及装置 |
CN117132948A (zh) * | 2023-10-27 | 2023-11-28 | 南昌理工学院 | 景区游客流量监控方法、系统、可读存储介质及计算机 |
CN117894041A (zh) * | 2024-03-14 | 2024-04-16 | 陕西微牧云信息科技有限公司 | 一种基于物联网的屠宰场智能管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646257A (zh) * | 2013-12-30 | 2014-03-19 | 中国科学院自动化研究所 | 一种基于视频监控图像的行人检测和计数方法 |
CN103986910A (zh) * | 2014-05-20 | 2014-08-13 | 中国科学院自动化研究所 | 一种基于智能分析摄像机的客流统计方法和系统 |
CN106204643A (zh) * | 2016-07-01 | 2016-12-07 | 湖南源信光电科技有限公司 | 基于多特征联合与Mean Shift算法的多目标跟踪方法 |
CN106650593A (zh) * | 2016-09-30 | 2017-05-10 | 王玲 | 客流统计方法和装置 |
CN107403137A (zh) * | 2017-06-29 | 2017-11-28 | 山东师范大学 | 基于视频的密集人群流量计算方法和装置 |
-
2021
- 2021-09-23 CN CN202111111977.7A patent/CN113781526A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646257A (zh) * | 2013-12-30 | 2014-03-19 | 中国科学院自动化研究所 | 一种基于视频监控图像的行人检测和计数方法 |
CN103986910A (zh) * | 2014-05-20 | 2014-08-13 | 中国科学院自动化研究所 | 一种基于智能分析摄像机的客流统计方法和系统 |
CN106204643A (zh) * | 2016-07-01 | 2016-12-07 | 湖南源信光电科技有限公司 | 基于多特征联合与Mean Shift算法的多目标跟踪方法 |
CN106650593A (zh) * | 2016-09-30 | 2017-05-10 | 王玲 | 客流统计方法和装置 |
CN107403137A (zh) * | 2017-06-29 | 2017-11-28 | 山东师范大学 | 基于视频的密集人群流量计算方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114694186A (zh) * | 2022-06-01 | 2022-07-01 | 南京优牧大数据服务有限公司 | 牛脸识别数据处理方法及装置 |
CN114694186B (zh) * | 2022-06-01 | 2022-08-26 | 南京优牧大数据服务有限公司 | 牛脸识别数据处理方法及装置 |
CN117132948A (zh) * | 2023-10-27 | 2023-11-28 | 南昌理工学院 | 景区游客流量监控方法、系统、可读存储介质及计算机 |
CN117132948B (zh) * | 2023-10-27 | 2024-01-30 | 南昌理工学院 | 景区游客流量监控方法、系统、可读存储介质及计算机 |
CN117894041A (zh) * | 2024-03-14 | 2024-04-16 | 陕西微牧云信息科技有限公司 | 一种基于物联网的屠宰场智能管理方法及系统 |
CN117894041B (zh) * | 2024-03-14 | 2024-06-04 | 陕西微牧云信息科技有限公司 | 一种基于物联网的屠宰场智能管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106707296B (zh) | 一种基于双孔径光电成像系统的无人机检测与识别方法 | |
CN113781526A (zh) | 一种家畜计数识别系统 | |
CN107886086B (zh) | 一种基于图像视频的目标动物检测方法及装置 | |
CN108648211B (zh) | 一种基于深度学习的小目标检测方法、装置、设备和介质 | |
CN107909081B (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
CN109685045B (zh) | 一种运动目标视频跟踪方法及系统 | |
CN103778645B (zh) | 一种基于图像的圆形目标实时跟踪方法 | |
CN107133969A (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
CN104318263A (zh) | 一种实时高精度人流计数方法 | |
CN112131927B (zh) | 基于妊娠后期姿态转化特性的母猪分娩时间预测系统 | |
CN105512618B (zh) | 视频跟踪方法 | |
CN102034240A (zh) | 一种静态前景检测和跟踪方法 | |
CN110287907A (zh) | 一种对象检测方法和装置 | |
CN105513053A (zh) | 一种用于视频分析中背景建模方法 | |
CN108471497A (zh) | 一种基于云台摄像机的船目标实时检测方法 | |
DE112020005223T5 (de) | Objektverfolgungseinrichtung und Objektverfolgungsverfahren | |
CN111028266B (zh) | 畜禽盘点方法、装置、电子设备和存储介质 | |
CN116824726A (zh) | 一种校园环境智能巡检方法及系统 | |
CN113180640B (zh) | 一种家畜养殖用尺寸测量方法及系统 | |
CN111950507B (zh) | 数据处理和模型训练方法、装置、设备及介质 | |
CN114155557A (zh) | 定位方法、装置、机器人及计算机可读存储介质 | |
CN113034544A (zh) | 一种基于深度相机的人流分析方法及装置 | |
CN108967246B (zh) | 虾苗定位方法 | |
CN114842393A (zh) | 一种人流量的统计方法和装置 | |
CN111046834B (zh) | 一种基于自动学习分析的监控视频人物比例矫正方法 |
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 |