CN114120185B - 一种三鸟档清笼确定方法、电子设备和存储介质 - Google Patents
一种三鸟档清笼确定方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114120185B CN114120185B CN202111357839.7A CN202111357839A CN114120185B CN 114120185 B CN114120185 B CN 114120185B CN 202111357839 A CN202111357839 A CN 202111357839A CN 114120185 B CN114120185 B CN 114120185B
- Authority
- CN
- China
- Prior art keywords
- cage
- score
- bird
- determining
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 244000144977 poultry Species 0.000 claims abstract description 69
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 208000012661 Dyskinesia Diseases 0.000 claims abstract description 31
- 238000004140 cleaning Methods 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims description 13
- 241001314440 Triphora trianthophoros Species 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 4
- 235000013594 poultry meat Nutrition 0.000 description 50
- 238000010586 diagram Methods 0.000 description 9
- 241000272517 Anseriformes Species 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000287828 Gallus gallus Species 0.000 description 2
- 235000013330 chicken meat Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种三鸟档清笼确定方法、电子设备和存储介质，该方法包括：获取三鸟档区域的视频；根据三鸟档区域的视频确定笼子是否异常；在笼子没有异常的情况下，根据三鸟档区域的视频确定笼子状态得分、家禽得分以及异常移动得分；根据笼子状态得分、家禽得分、异常移动得分确定清笼检测得分；比较清笼检测得分与第一阈值得到比较结果；根据比较结果确定三鸟档为清笼或非清笼。本申请通过三鸟档区域的视频首先确定笼子是否异常，在笼子无异常的情况下，确定笼子状态得分、家禽得分以及异常移动得分，根据上述三个得分确定清笼检测得分，比较清笼检测得分与第一阈值确定三鸟档为清笼或非清笼，确定方法简单、快捷，准确率高，用户体验度高。
Description
技术领域
本申请涉及三鸟档技术领域，特别是涉及一种三鸟档清笼确定方法、电子设备和存储介质。
背景技术
目前，三鸟档清笼数据，通常是管理人员去现场进行人工查看，或者在三鸟档的关键区域安装摄像头，通过摄像头查看是否已经清笼，人工查看要去现场看，监管效率低，通过摄像头查看也要管理人员进行查看，查看效率低，管理人员体验差，并且摄像头不一定能够查看到三鸟档的每一个角落，准确率不够高。
发明内容
基于上述问题，本申请提供一种三鸟档清笼确定方法、电子设备和存储介质。
第一方面，本申请实施例提供一种三鸟档清笼确定方法，包括：
获取三鸟档区域的视频；
在笼子没有异常的情况下，根据三鸟档区域的视频确定笼子状态得分、家禽得分以及异常移动得分；
根据笼子状态得分、家禽得分、异常移动得分确定清笼检测得分；
比较清笼检测得分与第一阈值得到比较结果；
根据比较结果确定三鸟档为清笼或非清笼。
进一步地，上述一种三鸟档清笼确定方法，还包括：
在笼子异常的情况下，发送报警信息至管理人员。
进一步地，上述一种三鸟档清笼确定方法中，根据三鸟档区域的视频确定笼子是否异常，包括：
在不同时间段获取三鸟档在清笼状态下的笼子图像集合；
标注笼子图像集合中每个图像的笼子区域和笼门区域；
训练标注完的笼子图像集合得到不同时间段对应的标准清笼特征数据集以及不同时间段对应的三鸟档区域检测模型；
不同时间段对应的三鸟档区域检测模型根据对应时间段对应的三鸟档区域的视频确定笼子是否异常。
进一步地，上述一种三鸟档清笼确定方法中，根据三鸟档区域的视频确定笼子状态得分，包括：
获取三鸟档区域的视频的笼子区域图像特征及笼门区域图像特征；
根据不同时间段对应的标准清笼特征数据集确定对应时间段对应的三鸟档区域的视频的标准清笼特征数据集，提取标准清笼特征数据集得到笼子区域标准图像特征及笼门区域标准图像特征；
根据笼子区域图像特征及笼子区域标准图像特征得到笼子区域的相似度得分；根据笼门区域的图像特征及笼门区域标准图像特征得到笼门区域的相似度得分；
根据笼子区域的相似度得分、笼门区域的相似度得分、第一相似度得分阈值以及第二相似度得分阈值确定笼子状态得分。
进一步地，上述一种三鸟档清笼确定方法中，确定笼子状态得分还包括：
当笼子区域的相似度得分大于第一相似度得分阈值且笼门区域的相似度得分大于第二相似度得分阈值时，确定笼子状态得分等于第一得分1，确定笼子为疑似清笼状态；
其中，所述确定笼子状态得分为第二得分是通过如下公式确定的：
第二得分gl＝tsl+cdtsd-dl-cddd+1，
cd表示历史数据训练的修正常数，tsl表示第一相似度得分阈值，dl表示笼子区域的相似度得分，dd表示笼门区域的相似度得分，tsd表示第二相似度得分阈值；
当笼子区域的相似度得分小于等于第一相似度得分阈值或笼门区域的相似度得分小于等于第二相似度得分阈值时，确定笼子状态得分为第二得分，确定笼子为非疑似清笼状态。
进一步地，上述一种三鸟档清笼确定方法，还包括：
确定所述笼子为非疑似清笼状态时，根据对应时间段的标准清笼特征数据集提取区域差异物品图像。
进一步地，上述一种三鸟档清笼确定方法中，根据三鸟档区域的视频确定家禽得分包括：
获取三鸟档区域的家禽图像，标注家禽图像中的头部信息、翅膀信息和脚部信息，训练标注完的家禽图像得到家禽特征检测模型；
家禽特征检测模型根据区域差异物品图像获取笼子差异部分内家禽的头部信息、翅膀信息和脚部信息；
在笼子差异部分内家禽的头部信息、翅膀信息和脚部信息满足第一预设条件的情况下，确定三鸟档区域的视频存在疑似家禽图像，家禽得分为第三得分4；
其中，家禽的头部信息、翅膀信息和脚部信息分别表示为：(xh,yh,wh,hh)、(xw,yw,ww,hw)和(xf,yf,wf,hf)，
第一预设条件表示为如下三个公式：
(4xw+2ww-2xh-wh-2xf-wf)2+(4yw+2hw-2yh-hh-2yf-hf)2<cwwwhw
(2xh+wh-2xf-wf)2+(2yh+hh-2yf-hf)2<chfwwhw2yw+hw+2yh+hh>cf(2yf+hf)
cw、chf、cf表示历史数据训练得到的修正常数；
在笼子差异部分内家禽的头部信息、翅膀信息和脚部信息不满足第一预设条件的情况下，确定三鸟档区域的视频不存在疑似家禽图像，家禽得分为第四得分；
其中，家禽得分第四得分表示为ga＝gh+gw+gf，
进一步地，上述一种三鸟档清笼确定方法中，根据三鸟档区域的视频确定异常移动得分包括：
获取三鸟档区域的视频中的N帧图像；
确定第一帧图像，比较第一帧图像之前的任意两帧图像得到第一差异区域集合，比较第一帧图像之后的任意两帧图像得到第二差异区域集合；
当第一差异区域集合存在一个集合和第二差异区域集合存在一个集合满足第二预设条件时，确定对应的图像为异常移动图像；
确定异常移动的图像帧数M；
计算异常移动的图像帧数M与N帧图像的比值得到比值结果；
当比值结果大于第二阈值时，确定异常移动得分等于比值结果。
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项所述的所述一种三鸟档清笼确定方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上所述任一项所述的所述一种三鸟档清笼确定方法。
本申请实施例的优点在于：本申请通过三鸟档区域的视频首先确定笼子是否异常，在笼子没有异常的情况下，确定笼子状态得分、家禽得分以及异常移动得分，根据笼子状态得分、家禽得分以及异常移动得分确定清笼检测得分，比较清笼检测得分与第一阈值确定三鸟档为清笼或非清笼，确定方法简单、快捷，本申请确定三鸟档为清笼或非清笼，不仅结合笼子状态得分、家禽得分而且结合异常移动得分，得到的清笼检测得分准确率高，而且用户不需要去现场查看清笼数据，或者通过监控查看清笼数据，用户体验度高。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术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为本申请实施例提供的一种三鸟档清笼确定方法示意图一；
图2为本申请实施例提供的三鸟档笼子区域示意图；
图3为本申请实施例提供的一种三鸟档清笼确定方法示意图二；
图4为本申请实施例提供的一种三鸟档清笼确定方法示意图三；
图5为本申请实施例提供的三鸟档差异区域示意图；
图6为本申请实施例提供的一种三鸟档清笼确定方法示意图四；
图7为本申请实施例提供的三鸟档差异区域满足第一预设条件的头部信息、翅膀信息和脚步信息示意图；
图8为本申请实施例提供的一种三鸟档清笼确定方法示意图五；
图9是本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为本申请实施例提供的一种三鸟档清笼确定方法示意图一。
图2为本申请实施例提供的三鸟档笼子区域示意图。
第一方面，本申请实施例提供一种三鸟档清笼确定方法，结合图1，包括S101至S105五个步骤：
S101：获取三鸟档区域的视频。
具体的，本申请实施例中，三鸟档区域是指饲养鸡鸭鹅的区域，结合图2，图2中标识出来的笼子区域就是三鸟档部分区域的示意图，三鸟档区域的视频可以是通过摄像头获取的饲养鸡鸭鹅区域的视频。
S102：根据三鸟档区域的视频确定笼子是否异常，在笼子没有异常的情况下，根据三鸟档区域的视频确定笼子状态得分、家禽得分以及异常移动得分。
具体的，本申请实施例中，在获取三鸟档区域的视频后，首先确定三鸟当区域的笼子是否异常，在没有异常的情况下，确定笼子状态得分、家禽得分以及异常移动得分，确定笼子是否异常，在三鸟档区域的笼子没有异常的情况下，没有异常如笼子在三鸟档区域，根据三鸟档区域的视频笼子状态得分、家禽得分以及异常移动得分的步骤下文详细介绍。
S103：根据笼子状态得分、家禽得分、异常移动得分确定清笼检测得分。
具体的，本申请实施例中，根据笼子状态得分gl、家禽得分ga、异常移动得分gv确定清笼检测得分de，得到清笼检测得分de的公式如下：
de＝gl(ga+cgvgv)，其中，cgv为历史数据训练得到修正常数。
S104：比较清笼检测得分与第一阈值得到比较结果。
具体的，本申请实施例中，比较清笼检测得分与第一阈值得到比较结果有两种结果，第一种结果为清笼检测得分de小于第一阈值，第二种结果为清笼检测得分de大于等于第一阈值。
S105：根据比较结果确定三鸟档为清笼或非清笼。
具体的，本申请实施例中，在清笼检测得分de小于第一阈值时，确定三鸟档中的笼子为清笼，在清笼检测得分de大于等于第一阈值，确定三鸟档区域中的笼子为非清笼。
进一步地，上述一种三鸟档清笼确定方法，还包括：
在笼子异常的情况下，发送报警信息至管理人员。
具体的，本申请实施例中，在确定三鸟档区域中的笼子异常的情况下，如，笼子不在三鸟档区域，发送报警信息到管理人员，具体的可以是语音播报或者嘀嘀嘀等形式的报警信息，直到管理人员消除笼子异常后，报警信息自动关闭。
图3为本申请实施例提供的一种三鸟档清笼确定方法示意图二。
进一步地，上述一种三鸟档清笼确定方法中，根据三鸟档区域的视频确定笼子是否异常，结合图3，包括S201至S204四个步骤：
S201：在不同时间段获取三鸟档在清笼状态下的笼子图像集合。
具体的，本申请实施例中，不同时间段可以是将一天划分为24个时间区段，可以是三鸟档在清笼状态下将24个时间区段提取的图像集合分为24个笼子图像集合。
S202：标注笼子图像集合中每个图像的笼子区域和笼门区域。
具体的，本申请实施例中，示例性的可以是标注24个笼子图像集合中每个集合中每个图像的笼子区域和笼门区域。
S203：训练标注完的笼子图像集合得到不同时间段对应的标准清笼特征数据集以及不同时间段对应的三鸟档区域检测模型。
具体的，本申请实施例中，标注完笼子区域和笼门区域后，训练标注完的笼子图像集合得到24个时间区段对应的标准清笼特征数据集以及24个时间区段对应的三鸟档区域检测模型。
S204：不同时间段对应的三鸟档区域检测模型根据对应时间段对应的三鸟档区域的视频确定笼子是否异常。
具体的，本申请实施例中，对于某一时刻的三鸟档区域的视频，使用训练好的三鸟档区域检测模型获取图像内笼子的位置信息，当未检测到笼子时，判定场景内笼子异常。
图4为本申请实施例提供的一种三鸟档清笼确定方法示意图三。
进一步地，上述一种三鸟档清笼确定方法中，根据三鸟档区域的视频确定笼子状态得分，结合图4，包括S301至S305五个步骤：
S301：获取三鸟档区域的视频的笼子区域图像特征及笼门区域图像特征。
具体的，本申请实施例中，获取三鸟档区域的视频后，提取笼子区域的图像特征及笼门区域图像特征。
S302：根据不同时间段对应的标准清笼特征数据集确定对应时间段对应的三鸟档区域的视频的标准清笼特征数据集。
具体的，本申请实施例中，根据三鸟档区域的视频的检测时间从标准清笼特征数据集内提取检测时间段的标准清笼的图像特征数据，如当前检测时间为早上11点，则从标准清笼特征数据集内提取11点所在时间段的标准清笼的图像特征数据。
S303：提取标准清笼特征数据集得到笼子区域标准图像特征及笼门区域标准图像特征。
具体的，本申请实施例中，提取标准清笼的图像特征数据后，从标准清笼的图像特征数据中提取笼子区域标准图像特征及笼门区域标准图像特征。
S304：根据笼子区域图像特征及笼子区域标准图像特征得到笼子区域的相似度得分；根据笼门区域的图像特征及笼门区域标准图像特征得到笼门区域的相似度得分。
具体的，本申请实施例中，分别计算笼子区域及笼门区域的图像特征与标准图像特征的相似度得分，相似度计算方法为余弦相似度，得到笼子区域的相似度得分dl和笼门区域的相似度得分dd。
S305：根据笼子区域的相似度得分、笼门区域的相似度得分、第一相似度得分阈值以及第二相似度得分阈值确定笼子状态得分。
具体的，本申请实施例中，根据笼子区域的相似度得分dl、笼门区域的相似度得分dd、第一相似度得分阈值tsl以及第二相似度得分阈值tsd确定笼子状态得分，下文将介绍确定笼子状态得分的更具体的步骤。
进一步地，上述一种三鸟档清笼确定方法中，确定笼子状态得分还包括：
当笼子区域的相似度得分大于第一相似度得分阈值且笼门区域的相似度得分大于第二相似度得分阈值时，确定笼子状态得分等于第一得分1，确定笼子为疑似清笼状态；
具体的，本申请实施例中，得到笼子区域的相似度得分dl和笼门区域的相似度得分dd，当笼子区域的相似度得分dl>第一相似度得分阈值tsl且笼门区域的相似度得分dd>第二相似度得分阈值tsd，判定笼子为疑似清笼状态，笼子状态得分标记为gl＝1，即第一得分等于1。
当笼子区域的相似度得分小于等于第一相似度得分阈值或笼门区域的相似度得分小于等于第二相似度得分阈值时，确定笼子状态得分为第二得分，确定笼子为非疑似清笼状态。
具体的，本申请实施例中，得到笼子区域的相似度得分dl和笼门区域的相似度得分dd，当笼子区域的相似度得分dl小于等于第一相似度得分阈值tsl或笼门区域的相似度得分dd大于等于第二相似度得分阈值tsd，判定笼子为疑似清笼状态，笼子状态得分第二得分表示为gl＝tsl+cdtsd-dl-cddd+1，其中，cd为历史数据训练的修正常数。
图5为本申请实施例提供的三鸟档差异区域示意图.
进一步地，上述一种三鸟档清笼确定方法，还包括：
确定所述笼子为非疑似清笼状态时，根据对应时间段的标准清笼特征数据集提取区域差异物品图像。
具体的，本申请实施例中，当确定到笼子非疑似清笼状态时，调取标准清笼图像与当前图像，提取两者的差异部分，再根据差异部分的位置进行聚类，检测聚类结果，分类的元素个数大于设定阈值时，其中设定阈值取决于图像的尺寸，判定该类为差异物体区域，结合图5，可以看出标出来的差异区域为差异物品图像，从而提取区域差异物品图像。
图6为本申请实施例提供的一种三鸟档清笼确定方法示意图四。
进一步地，上述一种三鸟档清笼确定方法中，结合图6，根据三鸟档区域的视频确定家禽得分包括S401至S403三个步骤：
S401：获取三鸟档区域的家禽图像，标注家禽图像中的头部信息、翅膀信息和脚部信息，训练标注完的家禽图像得到家禽特征检测模型。
具体的，本申请实施例中，在获取三鸟档区域的视频后，提取三鸟档内的家禽图像，并对家禽图像中的的头部信息、翅膀信息、脚部信息进行标注，使用标注完的家禽图像训练得到家禽特征检测模型。
S402：家禽特征检测模型根据区域差异物品图像获取笼子差异部分内家禽的头部信息、翅膀信息和脚部信息。
具体的，本申请实施例中，在提取区域差异物品图像后，家禽特征检测模型从区域差异物品图像获取笼子差异部分内家禽的头部信息(xh,yh,wh,hh)、翅膀信息(xw,yw,ww,hw)和脚部信息(xf,yf,wf,hf)。
S403：在笼子差异部分内家禽的头部信息、翅膀信息和脚部信息满足第一预设条件的情况下，确定三鸟档区域的视频存在疑似家禽图像，家禽得分为第三得分。
具体的，本申请实施例中，当家禽的头部信息中存在一组家禽信息的头部信息(xh,yh,wh,hh)、翅膀信息(xw,yw,ww,hw)和脚部信息(xf,yf,wf,hf)满足第一预设条件：
(4xw+2ww-2xh-wh-2xf-wf)2+(4yw+2hw-2yh-hh-2yf-hf)2<cwwwhw
(2xh+wh-2xf-wf)2+(2yh+hh-2yf-hf)2<chfwwhw2yw+hw+2yh+hh>cf(2yf+hf)
其中cw、chf、cf为历史数据训练得到的修正常数。
确定差异区域存在疑似家禽图像，添加家禽得分第三得分ga＝4，
图7为本申请实施例提供的三鸟档差异区域满足第一预设条件的头部信息、翅膀信息和脚步信息示意图。
结合图7，图7中标识出来的一组满足第一预设条件的头部信息，一组满足第一预设条件的翅膀信息，一组满足第一预设条件的脚步信息。
在笼子差异部分内家禽的头部信息、翅膀信息和脚部信息不满足第一预设条件的情况下，确定三鸟档区域的视频不存在疑似家禽图像，家禽得分为第四得分。
具体的，本申请实施例中，当三鸟档区域的视频中不存在疑似家禽图像，家禽得分第四得分ga＝gh+gw+gf，其中
图8为本申请实施例提供的一种三鸟档清笼确定方法示意图五。
进一步地，上述一种三鸟档清笼确定方法中，结合图8，根据三鸟档区域的视频确定异常移动得分包括S501至S506六个步骤：
S501：获取三鸟档区域的视频中的N帧图像。
具体的，本申请实施例中，获取三鸟档区域的视频中的N帧图像可以是通过摄像头获取。
S502：确定第一帧图像，比较第一帧图像之前的任意两帧图像得到第一差异区域集合，比较第一帧图像之后的任意两帧图像得到第二差异区域集合。
具体的，本申请实施例中，第一帧图像可以是其中任意一帧，对其中任意一帧进行相邻两帧图像得差异比较，如比较一帧与前一帧图像的差异得到第一差异区域集合{(xv,yv,wv,hv)i}，其中wv,hv大于设定距离阈值，如比较一帧与后一帧图像的差异得到第二差异区域集合{(xu,yu,wu,hu)i}，其中wu,hu大于设定距离阈值。
S503：当第一差异区域集合存在一个集合和第二差异区域集合存在一个集合满足第二预设条件时，确定对应的图像为异常移动图像。
具体的，本申请实施例中，当第一差异区域集合中存在一组(xv,yv,wv,hv)和第二差异区域集合中存在一组(xu,yu,wu,hu)满足第二预设条件：
(xv+wv+xu+wu)2+(yv+hv+yu+hu)2<tslv
其中，tsvu，tslv为设定阈值时，确定对应的图像为异常移动图像。
S504：确定异常移动的图像帧数M。
具体的，本申请实施例中，统计N帧图像中异常移动的图像帧数M，给异常移动的图像添加移动标签。
S505：计算异常移动的图像帧数M与N帧图像的比值得到比值结果。
具体的，本申请实施例中，计算移动标签的数量M与N帧图像的比值得到比值结果M/N。
S506：当比值结果大于第二阈值时，确定异常移动得分等于比值结果。
具体的，本申请实施例中，当M/N大于第二阈值tsav时，确定异常移动得分等于M/N。
在一些实施例中，当M/N小于等于第二阈值tsav时，确定异常移动得分等于0。
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项所述的所述一种三鸟档清笼确定方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上所述任一项所述的所述一种三鸟档清笼确定方法。
图9是本公开实施例提供的一种电子设备的示意性框图。
如图9所示，电子设备包括：至少一个处理器601、至少一个存储器602和至少一个通信接口603。电子设备中的各个组件通过总线系统604耦合在一起。通信接口603，用于与外部设备之间的信息传输。可理解，总线系统604用于实现这些组件之间的连接通信。总线系统604除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图9中将各种总线都标为总线系统604。
可以理解，本实施例中的存储器602可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
在一些实施方式中，存储器602存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例提供的一种三鸟档清笼确定方法中任一方法的程序可以包含在应用程序中。
在本申请实施例中，处理器601通过调用存储器602存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器601用于执行本申请实施例提供的一种三鸟档清笼确定方法各实施例的步骤。
获取三鸟档区域的视频；
根据三鸟档区域的视频确定笼子是否异常、笼子状态得分、家禽得分以及异常移动得分；
在笼子没有异常的情况下，根据笼子状态得分、家禽得分、异常移动得分确定清笼检测得分；
比较清笼检测得分与第一阈值得到比较结果；
根据比较结果确定三鸟档为清笼或非清笼。
本申请实施例提供的一种三鸟档清笼确定方法中任一方法可以应用于处理器601中，或者由处理器601实现。处理器601可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)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。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。
本申请实施例提供的一种三鸟档清笼确定方法中任一方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602，处理器601读取存储器602中的信息，结合其硬件完成一种三鸟档清笼确定方法的步骤。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种三鸟档清笼确定方法，其特征在于，包括：
获取三鸟档区域的视频；
根据所述三鸟档区域的视频确定笼子是否异常；
在所述笼子没有异常的情况下，根据所述三鸟档区域的视频确定笼子状态得分、家禽得分以及异常移动得分；
根据所述笼子状态得分、所述家禽得分、所述异常移动得分确定清笼检测得分；
比较所述清笼检测得分与第一阈值得到比较结果；
根据所述比较结果确定所述三鸟档为清笼或非清笼；
所述根据所述三鸟档区域的视频确定笼子状态得分，包括：
获取三鸟档区域的视频的笼子区域图像特征及笼门区域图像特征；
根据不同时间段对应的标准清笼特征数据集确定对应时间段对应的三鸟档区域的视频的标准清笼特征数据集，提取所述标准清笼特征数据集得到笼子区域标准图像特征及笼门区域标准图像特征；
根据笼子区域图像特征及笼子区域标准图像特征得到笼子区域的相似度得分；根据笼门区域的图像特征及笼门区域标准图像特征得到笼门区域的相似度得分；
根据所述笼子区域的相似度得分、所述笼门区域的相似度得分、第一相似度得分阈值以及第二相似度得分阈值确定笼子状态得分；
所述确定笼子状态得分还包括：
当所述笼子区域的相似度得分大于所述第一相似度得分阈值且笼门区域的相似度得分大于所述第二相似度得分阈值时，确定笼子状态得分等于第一得分1，确定所述笼子为疑似清笼状态；
当所述笼子区域的相似度得分小于等于所述第一相似度得分阈值或笼门区域的相似度得分小于等于所述第二相似度得分阈值时，确定笼子状态得分为第二得分，确定所述笼子为非疑似清笼状态；
其中，所述确定笼子状态得分为第二得分是通过如下公式确定的：
第二得分gl＝tsl+cdtsd-dl-cddd+1，
cd表示历史数据训练的修正常数，tsl表示第一相似度得分阈值，dl表示笼子区域的相似度得分，dd表示笼门区域的相似度得分，tsd表示第二相似度得分阈值。
2.根据权利要求1所述的一种三鸟档清笼确定方法，其特征在于，所述方法还包括：
在所述笼子异常的情况下，发送报警信息至管理人员。
3.根据权利要求1所述的一种三鸟档清笼确定方法，其特征在于，所述根据所述三鸟档区域的视频确定笼子是否异常，包括：
在不同时间段获取三鸟档在清笼状态下的笼子图像集合；
标注所述笼子图像集合中每个图像的笼子区域和笼门区域；
训练标注完的笼子图像集合得到不同时间段对应的标准清笼特征数据集以及不同时间段对应的三鸟档区域检测模型；
所述不同时间段对应的三鸟档区域检测模型根据对应时间段对应的三鸟档区域的视频确定笼子是否异常。
4.根据权利要求1所述的一种三鸟档清笼确定方法，其特征在于，所述方法还包括：
确定所述笼子为非疑似清笼状态时，根据对应时间段的标准清笼特征数据集提取区域差异物品图像。
5.根据权利要求1所述的一种三鸟档清笼确定方法，其特征在于，所述根据所述三鸟档区域的视频确定家禽得分包括：
获取三鸟档区域的家禽图像，标注所述家禽图像中的头部信息、翅膀信息和脚部信息，训练标注完的家禽图像得到家禽特征检测模型；
所述家禽特征检测模型根据区域差异物品图像获取笼子差异部分内家禽的头部信息、翅膀信息和脚部信息；
在所述笼子差异部分内家禽的头部信息、翅膀信息和脚部信息满足第一预设条件的情况下，确定三鸟档区域的视频存在疑似家禽图像，家禽得分为第三得分4；
其中，家禽的头部信息、翅膀信息和脚部信息分别表示为：(xh，yh，wh，hh)、(xw，yw，ww，hw)和(xf，yf，wf，hf)，
第一预设条件表示为如下三个公式：
(4xw+2ww-2xh-wh-2xf-wf)2+(4yw+2hw-2yh-hh-2yf-hf)2＜cwwwhw
(2xh+wh-2xf-wf)2+(2yh+hh-2yf-hf)2＜chfwwhw2yw+hw+2yh+hh＞cf(2yf+hf)
其中，cw、chf、cf表示历史数据训练得到的修正常数；
在所述笼子差异部分内家禽的头部信息、翅膀信息和脚部信息不满足所述第一预设条件的情况下，确定三鸟档区域的视频不存在疑似家禽图像，家禽得分为第四得分，家禽得分第四得分表示为ga＝gh+gw+gf
其中，
6.根据权利要求1所述的一种三鸟档清笼确定方法，其特征在于，所述根据所述三鸟档区域的视频确定异常移动得分包括：
获取所述三鸟档区域的视频中的N帧图像；
确定第一帧图像，比较所述第一帧图像之前的任意两帧图像得到第一差异区域集合，比较所述第一帧图像之后的任意两帧图像得到第二差异区域集合；
当所述第一差异区域集合存在一个集合和所述第二差异区域集合存在一个集合满足第二预设条件时，确定对应的图像为异常移动图像；
确定异常移动的图像帧数M；
计算异常移动的图像帧数M与N帧图像的比值得到比值结果；
当所述比值结果大于第二阈值时，确定异常移动得分等于比值结果。
7.一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至6任一项所述一种三鸟档清笼确定方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至6任一项所述一种三鸟档清笼确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111357839.7A CN114120185B (zh) | 2021-11-16 | 2021-11-16 | 一种三鸟档清笼确定方法、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111357839.7A CN114120185B (zh) | 2021-11-16 | 2021-11-16 | 一种三鸟档清笼确定方法、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114120185A CN114120185A (zh) | 2022-03-01 |
| CN114120185B true CN114120185B (zh) | 2022-08-09 |
Family
ID=80396676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111357839.7A Active CN114120185B (zh) | 2021-11-16 | 2021-11-16 | 一种三鸟档清笼确定方法、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114120185B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108090841A (zh) * | 2017-12-18 | 2018-05-29 | 翔创科技（北京）有限公司 | 牲畜资产监管方法、计算机程序、存储介质及电子设备 |
| CN110378553A (zh) * | 2019-06-05 | 2019-10-25 | 平安科技（深圳）有限公司 | 智能养殖控制方法、装置、计算机装置及存储介质 |
| CN110650316A (zh) * | 2019-09-27 | 2020-01-03 | 万翼科技有限公司 | 智能巡逻及预警处理方法、装置、电子设备及存储介质 |
| CN111028266A (zh) * | 2019-12-16 | 2020-04-17 | 洛阳语音云创新研究院 | 畜禽盘点方法、装置、电子设备和存储介质 |
| CN111680551A (zh) * | 2020-04-28 | 2020-09-18 | 平安国际智慧城市科技股份有限公司 | 监控牲畜数量的方法、装置、计算机设备及存储介质 |
| CN111767794A (zh) * | 2020-05-28 | 2020-10-13 | 华南农业大学 | 基于机器视觉的笼养家禽异常行为检测方法及检测系统 |
| CN112598701A (zh) * | 2020-11-06 | 2021-04-02 | 太原理工大学 | 一种养殖场目标自动跟踪监测视频采集系统与方法 |
| CN113223035A (zh) * | 2021-06-07 | 2021-08-06 | 南京农业大学 | 笼养鸡智能巡检系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711346A (zh) * | 2018-12-27 | 2019-05-03 | 南京林业大学 | 一种禽类异常识别方法及装置 |
| CN110047134A (zh) * | 2019-04-18 | 2019-07-23 | 广州影子科技有限公司 | 养殖场的管理方法、管理装置、管理系统和可读存储介质 |
| CN110604071A (zh) * | 2019-09-12 | 2019-12-24 | 四川农业大学 | 基于人工智能的非接触式种猪体温异常监测系统 |
| CN111797831A (zh) * | 2020-07-13 | 2020-10-20 | 郑州市鼎晶信息技术有限公司 | 基于bim和人工智能的家禽进食并行异常检测方法 |
-
2021
- 2021-11-16 CN CN202111357839.7A patent/CN114120185B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108090841A (zh) * | 2017-12-18 | 2018-05-29 | 翔创科技（北京）有限公司 | 牲畜资产监管方法、计算机程序、存储介质及电子设备 |
| CN110378553A (zh) * | 2019-06-05 | 2019-10-25 | 平安科技（深圳）有限公司 | 智能养殖控制方法、装置、计算机装置及存储介质 |
| CN110650316A (zh) * | 2019-09-27 | 2020-01-03 | 万翼科技有限公司 | 智能巡逻及预警处理方法、装置、电子设备及存储介质 |
| CN111028266A (zh) * | 2019-12-16 | 2020-04-17 | 洛阳语音云创新研究院 | 畜禽盘点方法、装置、电子设备和存储介质 |
| CN111680551A (zh) * | 2020-04-28 | 2020-09-18 | 平安国际智慧城市科技股份有限公司 | 监控牲畜数量的方法、装置、计算机设备及存储介质 |
| CN111767794A (zh) * | 2020-05-28 | 2020-10-13 | 华南农业大学 | 基于机器视觉的笼养家禽异常行为检测方法及检测系统 |
| CN112598701A (zh) * | 2020-11-06 | 2021-04-02 | 太原理工大学 | 一种养殖场目标自动跟踪监测视频采集系统与方法 |
| CN113223035A (zh) * | 2021-06-07 | 2021-08-06 | 南京农业大学 | 笼养鸡智能巡检系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114120185A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10706330B2 (en) | Methods and systems for accurately recognizing vehicle license plates | |
| US8619135B2 (en) | Detection of abnormal behaviour in video objects | |
| US20170213080A1 (en) | Methods and systems for automatically and accurately detecting human bodies in videos and/or images | |
| CN111666907B (zh) | 一种视频中对象信息的识别方法、装置及服务器 | |
| CN111401239B (zh) | 一种视频分析方法、装置、系统、设备及存储介质 | |
| CN114186896B (zh) | 一种走廊安全监管方法、电子设备和存储介质 | |
| WO2021022698A1 (zh) | 尾随检测方法、装置、电子设备及存储介质 | |
| CN111414949A (zh) | 图片聚类方法、装置、电子设备及存储介质 | |
| CN110889377A (zh) | 广告物异常识别方法、装置、服务器设备及存储介质 | |
| US20110280442A1 (en) | Object monitoring system and method | |
| CN112199582A (zh) | 一种内容推荐方法、装置、设备及介质 | |
| CN115043285B (zh) | 确定儿童违规操作电梯的方法、电子设备和存储介质 | |
| CN114120185B (zh) | 一种三鸟档清笼确定方法、电子设备和存储介质 | |
| JP4572175B2 (ja) | 非定常映像検出装置，非定常映像検出方法及びその方法を実装したプログラム | |
| CN112084880A (zh) | 一种图像处理方法、装置、存储介质及设备 | |
| CN113435289A (zh) | 空间分割方法、装置、设备及存储介质 | |
| CN112347810B (zh) | 移动目标物体的检测方法、装置及存储介质 | |
| CN115376054B (zh) | 一种目标检测方法、装置、设备及存储介质 | |
| US10916016B2 (en) | Image processing apparatus and method and monitoring system | |
| JP2021087103A (ja) | 情報処理装置、情報処理装置の制御方法およびプログラム | |
| CN112241671B (zh) | 一种人员身份识别方法、装置及系统 | |
| CN114449255A (zh) | 视频卡顿检测方法、装置、计算设备及介质 | |
| CN109040673A (zh) | 视频图像处理方法、装置及具有存储功能的装置 | |
| JP6266088B2 (ja) | 人物検出装置および人物検出方法 | |
| CN115880599A (zh) | 基于行为识别算法的物体被盗检测方法及装置 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Building 7, No. 124 Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523128 Patentee after: Guangdong Prophet Big Data Co.,Ltd. Country or region after: China Address before: 523128 Room 401, building 6, No.5 Weifeng Road, Dongcheng Street, Dongguan City, Guangdong Province Patentee before: Dongguan prophet big data Co.,Ltd. Country or region before: China |