CN115250939B - 宠物食盒防误食方法、装置、电子设备及存储介质 - Google Patents

宠物食盒防误食方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115250939B
CN115250939B CN202210695924.2A CN202210695924A CN115250939B CN 115250939 B CN115250939 B CN 115250939B CN 202210695924 A CN202210695924 A CN 202210695924A CN 115250939 B CN115250939 B CN 115250939B
Authority
CN
China
Prior art keywords
image
action
sub
pet
action group
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
CN202210695924.2A
Other languages
English (en)
Other versions
CN115250939A (zh
Inventor
彭永鹤
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.)
New Ruipeng Pet Healthcare Group Co Ltd
Original Assignee
New Ruipeng Pet Healthcare Group 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 New Ruipeng Pet Healthcare Group Co Ltd filed Critical New Ruipeng Pet Healthcare Group Co Ltd
Priority to CN202210695924.2A priority Critical patent/CN115250939B/zh
Publication of CN115250939A publication Critical patent/CN115250939A/zh
Application granted granted Critical
Publication of CN115250939B publication Critical patent/CN115250939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
    • A01K5/02—Automatic devices
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K11/00—Marking of animals
    • A01K11/006—Automatic identification systems for animals, e.g. electronic devices, transponders for animals
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Birds (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Zoology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)
  • Housing For Livestock And Birds (AREA)

Abstract

本申请涉及人工智能技术领域，具体公开了一种宠物食盒防误食方法、装置、电子设备及存储介质，其中，方法包括：获取进入第一区域内的宠物的实时视频，其中，第一区域由食盒确定；对实时视频进行分析，确定宠物的进食概率；当进食概率大于第一阈值时，获取对实时视频进行视频帧提取，得到宠物的面部图像；根据面部图像确定宠物的鼻纹图像，并将鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度，其中，至少一个第一匹配度与至少一个第一图像一一对应；若至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度，则打开食盒的防护罩，使宠物进行进食。

Description

宠物食盒防误食方法、装置、电子设备及存储介质
技术领域
本发明涉及人工智能技术领域，具体涉及一种宠物食盒防误食方法、装置、电子设备及存储介质。
背景技术
饲养宠物时，主人通常会将宠物食物放在食盒中进行喂食。但是，这种喂食方式对于有幼儿的家庭、或者养有多只宠物的家庭，容易发生误食现象。具体而言，宠物食品的卫生标准与人类食品的卫生标准不同，不同宠物之间食物的可食用情况也不相同。传统的食盒通常是敞口的模式，便于宠物取食。这也使得同环境中的幼儿、其他宠物也可以进行取食，继而造成误食的情况，影响幼儿和其他宠物的身体健康。
目前，常用的防误食方法是采用封闭式食盒，并在宠物身上佩戴相应的身份芯片控制食盆的开启。但是，该方式需要保证宠物佩戴的芯片没有丢失或损坏，且实现成本较高，也存在着误带其他宠物的身份芯片的风险。
发明内容
为了解决现有技术中存在的上述问题，本申请实施方式提供了一种宠物食盒防误食方法、装置、电子设备及存储介质，可以鼻纹对宠物的身份进行精准识别进行喂食，防止其他宠物或幼儿误食，且无需佩戴任何外部设备，不必担心佩戴的设备丢失、损坏或误带的问题。
第一方面，本申请的实施方式提供了一种宠物食盒防误食方法，该方法包括：
获取进入第一区域内的宠物的实时视频，其中，第一区域由食盒确定；
对实时视频进行分析，确定宠物的进食概率；
当进食概率大于第一阈值时，获取对实时视频进行视频帧提取，得到宠物的面部图像；
根据面部图像确定宠物的鼻纹图像，并将鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度，其中，至少一个第一匹配度与至少一个第一图像一一对应；
若至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度，则打开食盒的防护罩，使宠物进行进食。
第二方面，本申请的实施方式提供了一种宠物食盒防误食装置，包括：
采集模块，用于获取进入第一区域内的宠物的实时视频，其中，第一区域由食盒确定；
分析模块，用于对实时视频进行分析，确定宠物的进食概率；当进食概率大于第一阈值时，获取对实时视频进行视频帧提取，得到宠物的面部图像；根据面部图像确定宠物的鼻纹图像，并将鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度，其中，至少一个第一匹配度与至少一个第一图像一一对应；
处理模块，用于在至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度时，打开食盒的防护罩，使宠物进行进食。
第三方面，本申请实施方式提供一种电子设备，包括：处理器，处理器与存储器相连，存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序，以使得电子设备执行如第一方面的方法。
第四方面，本申请实施方式提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序使得计算机执行如第一方面的方法。
第五方面，本申请实施方式提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机可操作来使计算机执行如第一方面的方法。
实施本申请实施方式，具有如下有益效果：
在本申请实施方式中，通过安装于食盒上的摄像装置，获取进入取食区域的宠物的实时视频，继而对该实时视频进行分析，确定该宠物的进食概率。由此，在进食概率高于第一阈值时，即宠物确实存在取食需求时，才进行身份判定，继而减轻食盒的功耗，延长食盒的使用寿命。进行身份判定时，通过对实时视频中展现宠物的正脸的视频帧进行提取，得到宠物的面部图像。然后，根据面部图像确定宠物的鼻纹图像，并将鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度。最后，若至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度，则说明该宠物为该食盒所匹配的宠物，则打开食盒的防护罩，使宠物进行进食。由此，通过鼻纹对宠物的身份进行精准识别进行喂食，无需佩戴任何外部设备，也不必担心佩戴的设备丢失、损坏或误带的问题，有效的防止了其他宠物或幼儿的误食。
附图说明
为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，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为本申请实施方式提供的一种宠物食盒防误食装置的硬件结构示意图；
图2为本申请实施方式提供的一种应用宠物食盒防误食方法的系统的框架图；
图3为本申请实施方式提供的一种应用宠物食盒防误食方法的宠物食盒的示意图；
图4为本申请实施方式提供的一种宠物食盒防误食方法的流程示意图；
图5为本申请实施方式提供的一种根据缺失区域的边界和鼻纹图像的边界生成鼻纹蒙版的示意图；
图6为本申请实施方式提供的一种据鼻纹图像对缺失区域进行修补，得到修补图像的方法的流程示意图；
图7为本申请实施方式提供的一种将完整的鼻纹图像进行图像分割的示意图；
图8为本申请实施方式提供的一种宠物食盒防误食装置的功能模块组成框图；
图9为本申请实施方式提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施方式”意味着，结合实施方式描述的特定特征、结果或特性可以包含在本申请的至少一个实施方式中。在说明书中的各个位置出现该短语并不一定均是指相同的实施方式，也不是与其它实施方式互斥的独立的或备选的实施方式。本领域技术人员显式地和隐式地理解的是，本文所描述的实施方式可以与其它实施方式相结合。
首先，参阅图1，图1为本申请实施方式提供的一种宠物食盒防误食装置的硬件结构示意图。该宠物食盒防误食装置100包括至少一个处理器101，通信线路102，存储器103以及至少一个通信接口104。
在本实施方式中，处理器101，可以是一个通用中央处理器(central processingunit，CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路102，可以包括一通路，在上述组件之间传送信息。
通信接口104，可以是任何收发器一类的装置(如天线等)，用于与其他设备或通信网络通信，例如以太网，RAN，无线局域网(wireless local area networks，WLAN)等。
存储器103，可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
在本实施方式中，存储器103可以独立存在，通过通信线路102与处理器101相连接。存储器103也可以和处理器101集成在一起。本申请实施方式提供的存储器103通常可以具有非易失性。其中，存储器103用于存储执行本申请方案的计算机执行指令，并由处理器101来控制执行。处理器101用于执行存储器103中存储的计算机执行指令，从而实现本申请下述实施方式中提供的方法。
在可选的实施方式中，计算机执行指令也可以称之为应用程序代码，本申请对此不作具体限定。
在可选的实施方式中，处理器101可以包括一个或多个CPU，例如图1中的CPU0和CPU1。
在可选的实施方式中，该宠物食盒防误食装置100可以包括多个处理器，例如图1中的处理器101和处理器107。这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在可选的实施方式中，若宠物食盒防误食装置100为服务器，例如，可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。则宠物食盒防误食装置100还可以包括输出设备105和输入设备106。输出设备105和处理器101通信，可以以多种方式来显示信息。例如，输出设备105可以是液晶显示器(liquid crystal display，LCD)，发光二级管(lightemitting diode，LED)显示设备，阴极射线管(cathode ray tube，CRT)显示设备，或投影仪(projector)等。输入设备106和处理器101通信，可以以多种方式接收用户的输入。例如，输入设备106可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的宠物食盒防误食装置100可以是一个通用设备或者是一个专用设备。本申请实施方式不限定宠物食盒防误食装置100的类型。
其次，图2为本申请实施方式提供的一种应用宠物食盒防误食方法的系统的框架图。具体而言，该系统可以包括：视频采集装置201、防误食装置202以及数据库203。其中，视频采集装置201可以是摄像头、智能手机(如Android手机、iOS手机、Windows Phone手机等)、穿戴式智能摄像设备等可以进行图像、音频、视频采集的装置，用于进入第一区域内的宠物的实时视频，并将获取到的实时视频发送至防误食装置202。防误食装置202可以是智能手机、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile InternetDevices，简称：MID)、服务器等，用于接收视频采集装置201发送的实时视频，继而对其进行分析，确定该宠物的进食概率，继而进一步确认是否进行身份验证。同时，防误食装置202在身份验证流程中，用于对实时视频进行视频帧提取，得到宠物的面部图像，继而根据该面部图像确定宠物的鼻纹图像。然后，该防误食装置202通过将鼻纹图像与数据库203中预设的至少一个第一图像进行比对，继而对该宠物的身份进行验证。并在身份验证通过时，打开食盒的防护罩，使宠物进行进食。此外，防误食装置202还会对数据库203进行更新维护。
在本实施方式中，通过鼻纹对宠物的身份进行精准识别进行喂食，无需佩戴任何外部设备，也不必担心佩戴的设备丢失、损坏或误带的问题，有效的防止了其他宠物或幼儿的误食。
最后，图3为本申请实施方式提供的一种应用宠物食盒防误食方法的宠物食盒的示意图。具体而言，该食盒包括：食盆301、保护罩302、摄像头303和旋转连接件304。其中，食盆301具有容纳宠物食物的空间，保护罩302覆盖于食盆301的上方，并与食盆301间通过旋转连接件304转动连接。在防护状态下，保护罩302罩住食盆301中容纳宠物食物的空间，以防止外部宠物或幼儿进行取食。摄像头303设置于食盆301的周侧，用于对食盆前方的区域进行监控，继而获取进入该区域的宠物的实时视频。
在可选的实时方式中，食盒可以包括多个摄像头303，其均匀的分布于食盆301的周侧，以对食盒所处的环境进行全角度的监控。或者，摄像头303可以是设置于食盆顶部的360°全景镜头。基于此，宠物从任何角度接近食盒时，均可以被检测到，继而避免宠物处于视觉死角继而无法进行取食的情况。
具体而言，当宠物进入该区域后，摄像头303获取其在该区域内的动作视频，交由后台服务器或食盒本身的内置芯片进行分析，确定该宠物是否需要取食。后台服务器或内置芯片确定该宠物存在取食需求后，通过对实时视频进行视频帧提取，得到宠物的面部图像进行分析，提取该宠物的鼻纹图像进行身份验证。在身份验证通过后，后台服务器或内置芯片控制旋转连接件304旋转保护罩302，以开放食盆301中容纳宠物食物的空间，使宠物进行进食。
以下，将以图3中的宠物食盒为例，对本申请所公开的宠物食盒防误食方法进行说明：
参阅图4，图4为本申请实施方式提供的一种宠物食盒防误食方法的流程示意图。该宠物食盒防误食方法包括以下步骤：
401：获取进入第一区域内的宠物的实时视频。
在本实施方式中，第一区域由食盒确定，具体而言，该第一区域即为摄像头303的拍摄范围所确定的区域。
402：对实时视频进行分析，确定宠物的进食概率。
在本实施方式中，进食概率用于表示宠物对进食的渴求度，从而判定宠物是由于饥饿向吃东西，还是单纯的在食盒前玩闹。继而在确定宠物确实存在进食需求时，才进行后续的身份判定流程，继而减轻食盒的功耗，延长食盒的使用寿命。
在本实施方式中，首先可以对实时视频进行分帧处理，得到至少一个图像帧，继而对至少一个图像帧中的每个图像帧进行动作识别，得到宠物的动作序列。具体而言，在进行分帧后，可以对每个图像帧中宠物的姿态进行特征提取，得到每个图像帧对应的姿态特征，并将这些姿态特征按照其对应的每个图像帧在实时视频中的先后顺序进行排序，得到特征序列。同时，在数据库203中，预先存储了一系列子动作的标准特征序列，基于此，通过将特征序列与这一系列子动作的标准特征序列进行比对，即可确定该序列特征中包含的子动作，以及序列特征所包含的子动作的顺序。由此，即可将序列特征所包含的子动作按照序列特征所包含的子动作的顺序进行排序，得到宠物的动作序列，具体而言，该动作序列中包括至少一个第一子动作。
然后，在本实施方式中，可以确定至少一个第一子动作中每个第一子动作的动作类型，继而根据每个第一子动作的动作类型，在至少一个第一子动作中确定至少一个第二子动作和至少一个第三子动作。具体而言，至少一个第二子动作中的每个第二子动作的动作类型为进食需求类型，至少一个第三子动作为至少一个第一子动作中除去至少一个第二子动作后剩下的第一子动作。即将动作类型为与进食相关的，例如：刨取、嗅、舔等第一子动作提取出来作为第二子动作，剩下的第一子动作作为第三子动作。
然后，在本实施方式中，可以根据每个第二子动作的动作信息，将至少一个第二子动作拆分为至少一个第一动作组，其中，至少一个第一动作组中的每个第一动作组所包含的第二子动作的动作信息相同。具体而言，即确定至少一个第二子动作中有多少种的子动作，继而将相同的子动作划归为一个第一动作组中。示例性的，至少一个第二子动作为：[刨取、嗅、刨取、刨取、舔]，则可以将该至少一个第二子动作划分为三组，分别为：第一动作组A：[刨取、刨取、刨取]；第一动作组B：[嗅]和第一动作组C：[舔]。
然后，在本实施方式中，可以根据至少一个第三子动作中的每个第三子动作的动作信息，将至少一个第三子动作拆分为至少一个第二动作组，其中，至少一个第二动作组中的每个第二动作组所包含的第三子动作的动作信息相同。该步骤与上一步骤中间至少一个第二子动作拆分为至少一个第一动作组类似，在此不再赘述。
然后，在本实施方式中，可以根据每个第一动作组所包含的第二子动作的数量，确定每个第一动作组的权重，根据每个第二动作组所包含的第三子动作的数量，确定每个第二动作组的权重。具体而言，在本实施方式中，可以将每个第一动作组所包含的第二子动作的数量作为该第一动作组的权重，将每个第二动作组所包含的第三子动作的数量作为该第二动作组的权重。或者，当每个第一动作组所包含的第二子动作的数量或每个第二动作组所包含的第三子动作的数量大于预设的阈值时，对其赋予固定的权重，否则赋予权重1。
最后，在本实施方式中，可以根据每个第一动作组所包含的第二子动作的数量、每个第一动作组的权重、每个第二动作组所包含的第三子动作的数量、以及每个第二动作组的权重确定宠物的进食概率。具体而言，该进食概率可以通过公式①进行表示：
其中，p为进食概率，ai为至少一个第一动作组中第i个第一动作组的权重，xi为第i个第一动作组所包含的第二子动作的数量，n为至少一个第一动作组的数量，bj为至少一个第二动作组中第j个第二动作组的权重，yj为第j个第二动作组所包含的第三子动作的数量，m为至少一个第二动作组的数量，i、j为大于或等于1的整数。
403：当进食概率大于第一阈值时，获取对实时视频进行视频帧提取，得到宠物的面部图像。
在本实施方式中，可以对实时视频中展现宠物的正脸的视频帧进行提取，得到宠物的面部图像。
404：根据面部图像确定宠物的鼻纹图像，并将鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度。
在本实施方式中，该至少一个第一匹配度与至少一个第一图像一一对应。具体而言，可以通过面部区域分割的方式确定宠物鼻子的区域，继而将该区域内的图像提取出来，得到该鼻纹图像。该预设的至少一个第一图像为预先存储的允许通过该食盒进食的至少一个宠物的鼻纹图像。
405：若至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度，则打开食盒的防护罩，使宠物进行进食。
在本实施方式中，若至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度，则说明该宠物为预先存储的允许通过该食盒进食的至少一个宠物中的某个宠物，继而身份验证通过，打开食盒的防护罩，使宠物进行进食。
同时，在本实施方式中，若至少一个匹配度中不存在大于或等于第二阈值的匹配度，则除了说明该宠物与预先存储的允许通过该食盒进食的至少一个宠物之间无法匹配外，还可能是当前宠物的鼻子受伤，或者在拍摄时鼻子部分被遮挡导致的匹配度较低。
基于此，在本实施方式中，当至少一个匹配度中不存在大于或等于第二阈值的匹配度时，还可以先对鼻纹图像进行分析，确定鼻纹图像中是否存在缺失区域。若鼻纹图像中存在缺失区域，则根据缺失区域的边界和鼻纹图像的边界生成鼻纹蒙版。具体而言，如图5所示，可以将缺失区域的边界所确定的区域作为第一区域，缺失区域的边界和鼻纹图像的边界共同包围的区域作为第二区域，继而对第一区域和鼻纹图像的边界之外的区域填黑，得到该鼻纹蒙版。其中，填黑的区域表示需要删除的区域。
然后，在本实施方式中，可以根据鼻纹蒙版对至少一个第一图像中的每个第一图像进行图像蒙版，得到至少一个第二图像，其中，至少一个第二图像与至少一个第一图像一一对应。具体而言，通过识别鼻纹图像中的特征点，将鼻纹蒙版与每个第一图像进行重叠，继而删除每个第一图像中与鼻纹蒙版中填黑区域相对应的区域，得到每个第一图像对应的第二图像。
最后，在本实施方式中，可以将鼻纹图像与至少一个第二图像进行比对，得到至少一个第二匹配度，其中，至少一个第二匹配度与至少一个第二图像一一对应。继而当至少一个第二匹配度中存在至少一个大于或等于第二阈值的第二匹配度时，打开食盒的防护罩，使宠物进行进食。由此，通过剔除每个第一图像中与鼻纹图像中缺失区域相对应的区域，计算剩下区域的匹配度，继而降低鼻纹图像中缺失部分对匹配度的影响，提升身份识别的精度。
在可选的实施方式中，当至少一个匹配度中不存在大于或等于第二阈值的匹配度时，还可以确定鼻纹图像中是否存在缺失区域，继而在鼻纹图像中存在缺失区域时，根据鼻纹图像对缺失区域进行修补，得到修补图像。
具体而言，本实施方式提供了一种据鼻纹图像对缺失区域进行修补，得到修补图像的方法，如图6所示，该方法包括：
601：将完整的鼻纹图像进行图像分割，得到大小相同的至少一个第一分割图像。
在本实施方式中，如图7所示，可以将鼻纹图像均匀的分割为4X4的16张第一分割图像。
602：根据缺失区域将至少一个第一分割图像进行分组，得到至少一个第二分割图像、至少一个第三分割图像和至少一个第四分割图像。
在本实施方式中，可以根据缺失区域在鼻纹图像中的位置，对得到的至少一个第一分割图像进行分组，得到至少一个第二分割图像、至少一个第三分割图像和至少一个第四分割图像。具体而言，至少一个第二分割图像中的每个第二分割图像包含缺失区域的边界，至少一个第三分割图像中的每个第三分割图像包含缺失区域且不包含缺失区域的边界，至少一个第四分割图像为至少一个第一分割图像中除去至少一个第二分割图像和至少一个第三分割图像后剩下的第一分割图像。以图7中的16张第一分割图像为例，其中，灰色部分即为缺失区域，则分割图像1、分割图像2、分割图像3、分割图像5、分割图像6、分割图像9、分割图像10和分割图像11为第二分割图像，分割图像6为第三分割图像，分割图像4、分割图像8、分割图像12、分割图像13、分割图像14、分割图像15和分割图像16为第四分割图像。
603：根据至少一个第四分割图像，对至少一个第二分割图像中的每个第二分割图像进行修补，得到至少一个第五分割图像。
在本实施方式中，该至少一个第五分割图像与至少一个第二分割图像一一对应。示例性的，首先可以确定每个第二分割图像中的至少一个目标断裂点。具体而言，该至少一个目标断裂点中的每个目标断裂点为每个第二分割图像中的鼻纹线条与缺失区域的边界的交点。
然后，可以在至少一个第四分割图像中获取与每个第二分割图像相邻的第四分割图像，得到至少一个第七分割图像。具体而言，可以获取每个第二分割图像8领域内的分割图像，将其中属于第四分割图像的分割图像作为该每个第二分割图像对应的至少一个第七分割图像。以图7中的分割图像7为例，其8领域内的分割图像为：分割图像2、分割图像3、分割图像4、分割图像6、分割图像8、分割图像10、分割图像11和分割图像12，其中，分割图像4、分割图像8和分割图像12为第四分割图像。基于此，分割图像4、分割图像8和分割图像12即为分割图像7对应的至少一个第七分割图像。
然后，可以根据每个断裂点对应的鼻纹线条，在至少一个第七分割图像中确定每个断裂点对应的第七分割图像。具体而言，可以将每个断裂点对应的鼻纹线条延伸至的第七分割图像，作为每个断裂点对应的第七分割图像。
然后，可以对至少一个第七分割图像中的每个第七分割图像，采用预设的鼻纹方向算法确定每个第七分割图像的鼻纹方向。具体而言，该预设的鼻纹方向算法可以是：梯度估计算法、奇异值分解算法或者降维算法。
最后，可以根据每个断裂点的曲率，和每个断裂点对应的第七分割图像的鼻纹方向，确定每个断裂点的鼻纹延伸方向。示例性的，可以将每个断裂点对应的第七分割图像的鼻纹方向，和每个断裂点的曲率方向的平均值，作为该每个断裂点的鼻纹延伸方向。继而根据每个断裂点的鼻纹延伸方向将灰度信息传播到每个第二分割图像中的缺失区域中，得到每个第二分割图像对应的第五分割图像。由此，将每个第二分割图像对应的第五分割图像进行集合，得到至少一个第五分割图像。
604：根据至少一个第五分割图像，对至少一个第三分割图像中的每个第三分割图像进行修补，得到至少一个第六分割图像。
在本实施方式中，根据至少一个第五分割图像，对至少一个第三分割图像中的每个第三分割图像进行修补，得到至少一个第六分割图像的方法，与步骤703中根据至少一个第四分割图像，对至少一个第二分割图像中的每个第二分割图像进行修补，得到至少一个第五分割图像的方法类似，在此不再赘述。
605：根据至少一个第四分割图像、至少一个第五分割图像和至少一个第六分割图像进行图像重组，得到修补图像。
在本实施方式中，可以将至少一个第四分割图像、至少一个第五分割图像和至少一个第六分割图像分别按照对应的修补前的图像的位置进行重组，得到该修补图像。
由此，在本实施方式中，得到修补图像后，即可将修补图像与至少一个第一图像进行比对，得到至少一个第三匹配度，该至少一个第三匹配度与至少一个第一图像一一对应。继而当至少一个第三匹配度中存在至少一个大于或等于第二阈值的第三匹配度时，则打开食盒的防护罩，使宠物进行进食。由此，通过上述方法可以补全每个第一图像中与鼻纹图像中缺失区域，得到高可信度的修补图像，继而降低鼻纹图像中缺失部分对匹配度的影响，提升身份识别的精度。
综上所述，本发明所提供的宠物食盒防误食方法中，通过安装于食盒上的摄像装置，获取进入取食区域的宠物的实时视频，继而对该实时视频进行分析，确定该宠物的进食概率。由此，在进食概率高于第一阈值时，即宠物确实存在取食需求时，才进行身份判定，继而减轻食盒的功耗，延长食盒的使用寿命。进行身份判定时，通过对实时视频中展现宠物的正脸的视频帧进行提取，得到宠物的面部图像。然后，根据面部图像确定宠物的鼻纹图像，并将鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度。最后，若至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度，则说明该宠物为该食盒所匹配的宠物，则打开食盒的防护罩，使宠物进行进食。由此，通过鼻纹对宠物的身份进行精准识别进行喂食，无需佩戴任何外部设备，也不必担心佩戴的设备丢失、损坏或误带的问题，有效的防止了其他宠物或幼儿的误食。
参阅图8，图8为本申请实施方式提供的一种宠物食盒防误食装置的功能模块组成框图。如图8所示，该宠物食盒防误食装置800包括：
采集模块801，用于获取进入第一区域内的宠物的实时视频，其中，第一区域由食盒确定；
分析模块802，用于对实时视频进行分析，确定宠物的进食概率；当进食概率大于第一阈值时，获取对实时视频进行视频帧提取，得到宠物的面部图像；根据面部图像确定宠物的鼻纹图像，并将鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度，其中，至少一个第一匹配度与至少一个第一图像一一对应；
处理模块803，用于在至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度时，打开食盒的防护罩，使宠物进行进食。
在本发明的实施方式中，若至少一个匹配度中不存在大于或等于第二阈值的匹配度，处理模块803，还用于：
确定鼻纹图像中是否存在缺失区域；
若鼻纹图像中存在缺失区域，则根据缺失区域的边界和鼻纹图像的边界生成鼻纹蒙版；
根据鼻纹蒙版对至少一个第一图像中的每个第一图像进行图像蒙版，得到至少一个第二图像，其中，至少一个第二图像与至少一个第一图像一一对应；
将鼻纹图像与至少一个第二图像进行比对，得到至少一个第二匹配度，其中，至少一个第二匹配度与至少一个第二图像一一对应；
若至少一个第二匹配度中存在至少一个大于或等于第二阈值的第二匹配度，则打开食盒的防护罩，使宠物进行进食。
在本发明的实施方式中，若至少一个匹配度中不存在大于或等于第二阈值的匹配度，处理模块803，还用于：
确定鼻纹图像中是否存在缺失区域；
若鼻纹图像中存在缺失区域，则根据鼻纹图像对缺失区域进行修补，得到修补图像；
将修补图像与至少一个第一图像进行比对，得到至少一个第三匹配度，其中，至少一个第三匹配度与至少一个第一图像一一对应；
若至少一个第三匹配度中存在至少一个大于或等于第二阈值的第三匹配度，则打开食盒的防护罩，使宠物进行进食。
在本发明的实施方式中，在根据鼻纹图像对缺失区域进行修补，得到修补图像方面，处理模块803，具体用于：
对鼻纹图像进行图像分割，得到大小相同的至少一个第一分割图像；
根据缺失区域将至少一个第一分割图像进行分组，得到至少一个第二分割图像、至少一个第三分割图像和至少一个第四分割图像，其中，至少一个第二分割图像中的每个第二分割图像包含缺失区域的边界，至少一个第三分割图像中的每个第三分割图像包含缺失区域且不包含缺失区域的边界，至少一个第四分割图像为至少一个第一分割图像中除去至少一个第二分割图像和至少一个第三分割图像后剩下的第一分割图像；
根据至少一个第四分割图像，对至少一个第二分割图像中的每个第二分割图像进行修补，得到至少一个第五分割图像，其中，至少一个第五分割图像与至少一个第二分割图像一一对应；
根据至少一个第五分割图像，对至少一个第三分割图像中的每个第三分割图像进行修补，得到至少一个第六分割图像，其中，至少一个第六分割图像与至少一个第三分割图像一一对应；
根据至少一个第四分割图像、至少一个第五分割图像和至少一个第六分割图像进行图像重组，得到修补图像。
在本发明的实施方式中，在根据至少一个第四分割图像，对至少一个第二分割图像中的每个第二分割图像进行修补，得到至少一个第五分割图像方面，处理模块803，具体用于：
确定每个第二分割图像中的至少一个目标断裂点，其中，至少一个目标断裂点中的每个目标断裂点为每个第二分割图像中的鼻纹线条与缺失区域的边界的交点；
在至少一个第四分割图像中获取与每个第二分割图像相邻的第四分割图像，得到至少一个第七分割图像；
根据每个断裂点对应的鼻纹线条，在至少一个第七分割图像中确定每个断裂点对应的第七分割图像；
对至少一个第七分割图像中的每个第七分割图像，采用预设的鼻纹方向算法确定每个第七分割图像的鼻纹方向；
根据每个断裂点的曲率，和每个断裂点对应的第七分割图像的鼻纹方向，确定每个断裂点的鼻纹延伸方向；
根据每个断裂点的鼻纹延伸方向将灰度信息传播到每个第二分割图像中的缺失区域中，得到每个第二分割图像对应的第五分割图像；
将每个第二分割图像对应的第五分割图像进行集合，得到至少一个第五分割图像。
在本发明的实施方式中，在对实时视频进行分析，确定宠物的进食概率方面，分析模块802，具体用于：
对实时视频进行分帧处理，得到至少一个图像帧；
对至少一个图像帧中的每个图像帧进行动作识别，得到宠物的动作序列，其中，动作序列包括至少一个第一子动作；
确定至少一个第一子动作中每个第一子动作的动作类型；
根据每个第一子动作的动作类型，在至少一个第一子动作中确定至少一个第二子动作和至少一个第三子动作，其中，至少一个第二子动作中的每个第二子动作的动作类型为进食需求类型，至少一个第三子动作为至少一个第一子动作中除去至少一个第二子动作后剩下的第一子动作；
根据每个第二子动作的动作信息，将至少一个第二子动作拆分为至少一个第一动作组，其中，至少一个第一动作组中的每个第一动作组所包含的第二子动作的动作信息相同；
根据至少一个第三子动作中的每个第三子动作的动作信息，将至少一个第三子动作拆分为至少一个第二动作组，其中，至少一个第二动作组中的每个第二动作组所包含的第三子动作的动作信息相同；
根据每个第一动作组所包含的第二子动作的数量，确定每个第一动作组的权重，根据每个第二动作组所包含的第三子动作的数量，确定每个第二动作组的权重；
根据每个第一动作组所包含的第二子动作的数量、每个第一动作组的权重、每个第二动作组所包含的第三子动作的数量、以及每个第二动作组的权重确定宠物的进食概率。
在本发明的实施方式中，进食概率可以通过公式进行表示：
其中，p为进食概率，ai为至少一个第一动作组中第i个第一动作组的权重，xi为第i个第一动作组所包含的第二子动作的数量，n为至少一个第一动作组的数量，bj为至少一个第二动作组中第j个第二动作组的权重，yj为第j个第二动作组所包含的第三子动作的数量，m为至少一个第二动作组的数量，i、j为大于或等于1的整数。
参阅图9，图9为本申请实施方式提供的一种电子设备的结构示意图。如图9所示，电子设备900包括收发器901、处理器902和存储器903。它们之间通过总线904连接。存储器903用于存储计算机程序和数据，并可以将存储器903存储的数据传输给处理器902。
处理器902用于读取存储器903中的计算机程序执行以下操作：
获取进入第一区域内的宠物的实时视频，其中，第一区域由食盒确定；
对实时视频进行分析，确定宠物的进食概率；
当进食概率大于第一阈值时，获取对实时视频进行视频帧提取，得到宠物的面部图像；
根据面部图像确定宠物的鼻纹图像，并将鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度，其中，至少一个第一匹配度与至少一个第一图像一一对应；
若至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度，则打开食盒的防护罩，使宠物进行进食。
在本发明的实施方式中，若至少一个匹配度中不存在大于或等于第二阈值的匹配度，处理器902，还用于执行以下操作：
确定鼻纹图像中是否存在缺失区域；
若鼻纹图像中存在缺失区域，则根据缺失区域的边界和鼻纹图像的边界生成鼻纹蒙版；
根据鼻纹蒙版对至少一个第一图像中的每个第一图像进行图像蒙版，得到至少一个第二图像，其中，至少一个第二图像与至少一个第一图像一一对应；
将鼻纹图像与至少一个第二图像进行比对，得到至少一个第二匹配度，其中，至少一个第二匹配度与至少一个第二图像一一对应；
若至少一个第二匹配度中存在至少一个大于或等于第二阈值的第二匹配度，则打开食盒的防护罩，使宠物进行进食。
在本发明的实施方式中，若至少一个匹配度中不存在大于或等于第二阈值的匹配度，处理器902，还用于执行以下操作：
确定鼻纹图像中是否存在缺失区域；
若鼻纹图像中存在缺失区域，则根据鼻纹图像对缺失区域进行修补，得到修补图像；
将修补图像与至少一个第一图像进行比对，得到至少一个第三匹配度，其中，至少一个第三匹配度与至少一个第一图像一一对应；
若至少一个第三匹配度中存在至少一个大于或等于第二阈值的第三匹配度，则打开食盒的防护罩，使宠物进行进食。
在本发明的实施方式中，在根据鼻纹图像对缺失区域进行修补，得到修补图像方面，处理器902，具体用于执行以下操作：
对鼻纹图像进行图像分割，得到大小相同的至少一个第一分割图像；
根据缺失区域将至少一个第一分割图像进行分组，得到至少一个第二分割图像、至少一个第三分割图像和至少一个第四分割图像，其中，至少一个第二分割图像中的每个第二分割图像包含缺失区域的边界，至少一个第三分割图像中的每个第三分割图像包含缺失区域且不包含缺失区域的边界，至少一个第四分割图像为至少一个第一分割图像中除去至少一个第二分割图像和至少一个第三分割图像后剩下的第一分割图像；
根据至少一个第四分割图像，对至少一个第二分割图像中的每个第二分割图像进行修补，得到至少一个第五分割图像，其中，至少一个第五分割图像与至少一个第二分割图像一一对应；
根据至少一个第五分割图像，对至少一个第三分割图像中的每个第三分割图像进行修补，得到至少一个第六分割图像，其中，至少一个第六分割图像与至少一个第三分割图像一一对应；
根据至少一个第四分割图像、至少一个第五分割图像和至少一个第六分割图像进行图像重组，得到修补图像。
在本发明的实施方式中，在根据至少一个第四分割图像，对至少一个第二分割图像中的每个第二分割图像进行修补，得到至少一个第五分割图像方面，处理器902，具体用于执行以下操作：
确定每个第二分割图像中的至少一个目标断裂点，其中，至少一个目标断裂点中的每个目标断裂点为每个第二分割图像中的鼻纹线条与缺失区域的边界的交点；
在至少一个第四分割图像中获取与每个第二分割图像相邻的第四分割图像，得到至少一个第七分割图像；
根据每个断裂点对应的鼻纹线条，在至少一个第七分割图像中确定每个断裂点对应的第七分割图像；
对至少一个第七分割图像中的每个第七分割图像，采用预设的鼻纹方向算法确定每个第七分割图像的鼻纹方向；
根据每个断裂点的曲率，和每个断裂点对应的第七分割图像的鼻纹方向，确定每个断裂点的鼻纹延伸方向；
根据每个断裂点的鼻纹延伸方向将灰度信息传播到每个第二分割图像中的缺失区域中，得到每个第二分割图像对应的第五分割图像；
将每个第二分割图像对应的第五分割图像进行集合，得到至少一个第五分割图像。
在本发明的实施方式中，在对实时视频进行分析，确定宠物的进食概率方面，处理器902，具体用于执行以下操作：
对实时视频进行分帧处理，得到至少一个图像帧；
对至少一个图像帧中的每个图像帧进行动作识别，得到宠物的动作序列，其中，动作序列包括至少一个第一子动作；
确定至少一个第一子动作中每个第一子动作的动作类型；
根据每个第一子动作的动作类型，在至少一个第一子动作中确定至少一个第二子动作和至少一个第三子动作，其中，至少一个第二子动作中的每个第二子动作的动作类型为进食需求类型，至少一个第三子动作为至少一个第一子动作中除去至少一个第二子动作后剩下的第一子动作；
根据每个第二子动作的动作信息，将至少一个第二子动作拆分为至少一个第一动作组，其中，至少一个第一动作组中的每个第一动作组所包含的第二子动作的动作信息相同；
根据至少一个第三子动作中的每个第三子动作的动作信息，将至少一个第三子动作拆分为至少一个第二动作组，其中，至少一个第二动作组中的每个第二动作组所包含的第三子动作的动作信息相同；
根据每个第一动作组所包含的第二子动作的数量，确定每个第一动作组的权重，根据每个第二动作组所包含的第三子动作的数量，确定每个第二动作组的权重；
根据每个第一动作组所包含的第二子动作的数量、每个第一动作组的权重、每个第二动作组所包含的第三子动作的数量、以及每个第二动作组的权重确定宠物的进食概率。
在本发明的实施方式中，进食概率可以通过公式进行表示：
其中，p为进食概率，ai为至少一个第一动作组中第i个第一动作组的权重，xi为第i个第一动作组所包含的第二子动作的数量，n为至少一个第一动作组的数量，bj为至少一个第二动作组中第j个第二动作组的权重，yj为第j个第二动作组所包含的第三子动作的数量，m为至少一个第二动作组的数量，i、j为大于或等于1的整数。
应理解，本申请中的宠物食盒防误食装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile Internet Devices，简称：MID)、机器人或穿戴式设备等。上述宠物食盒防误食装置仅是举例，而非穷举，包含但不限于上述宠物食盒防误食装置。在实际应用中，上述宠物食盒防误食装置还可以包括：智能车载终端、计算机设备等等。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。
因此，本申请实施方式还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施方式中记载的任何一种宠物食盒防误食方法的部分或全部步骤。例如，所述存储介质可以包括硬盘、软盘、光盘、磁带、磁盘、优盘、闪存等。
本申请实施方式还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施方式中记载的任何一种宠物食盒防误食方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施方式，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施方式均属于可选的实施方式，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述的部分，可以参见其他实施方式的相关描述。
在本申请所提供的几个实施方式中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施方式中的各功能单元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，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施方式的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施方式进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施方式的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (8)

1.一种宠物食盒防误食方法，其特征在于，所述方法包括：
获取进入第一区域内的宠物的实时视频，其中，所述第一区域由食盒确定；
对所述实时视频进行分帧处理，得到至少一个图像帧；
对所述至少一个图像帧中的每个图像帧进行动作识别，得到所述宠物的动作序列，其中，所述动作序列包括至少一个第一子动作；
确定所述至少一个第一子动作中每个第一子动作的动作类型；
根据所述每个第一子动作的动作类型，在所述至少一个第一子动作中确定至少一个第二子动作和至少一个第三子动作，其中，所述至少一个第二子动作中的每个第二子动作的动作类型为进食需求类型，所述至少一个第三子动作为所述至少一个第一子动作中除去所述至少一个第二子动作后剩下的第一子动作；
根据所述每个第二子动作的动作信息，将所述至少一个第二子动作拆分为至少一个第一动作组，其中，所述至少一个第一动作组中的每个第一动作组所包含的第二子动作的动作信息相同；
根据所述至少一个第三子动作中的每个第三子动作的动作信息，将所述至少一个第三子动作拆分为至少一个第二动作组，其中，所述至少一个第二动作组中的每个第二动作组所包含的第三子动作的动作信息相同；
根据所述每个第一动作组所包含的第二子动作的数量，确定所述每个第一动作组的权重，根据所述每个第二动作组所包含的第三子动作的数量，确定所述每个第二动作组的权重；
根据所述每个第一动作组所包含的第二子动作的数量、所述每个第一动作组的权重、所述每个第二动作组所包含的第三子动作的数量、以及所述每个第二动作组的权重确定所述宠物的进食概率；
当所述进食概率大于第一阈值时，获取对所述实时视频进行视频帧提取，得到所述宠物的面部图像；
根据所述面部图像确定所述宠物的鼻纹图像，并将所述鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度，其中，所述至少一个第一匹配度与所述至少一个第一图像一一对应；
若所述至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度，则打开所述食盒的防护罩，使所述宠物进行进食；
其中，所述进食概率满足以下公式：
其中，p为所述进食概率，ai为所述至少一个第一动作组中第i个第一动作组的权重，xi为所述第i个第一动作组所包含的第二子动作的数量，n为所述至少一个第一动作组的数量，bj为所述至少一个第二动作组中第j个第二动作组的权重，yj为所述第j个第二动作组所包含的第三子动作的数量，m为所述至少一个第二动作组的数量，i、j为大于或等于1的整数。
2.根据权利要求1所述的方法，其特征在于，若所述至少一个匹配度中不存在大于或等于所述第二阈值的匹配度，所述方法还包括：
确定所述鼻纹图像中是否存在缺失区域；
若所述鼻纹图像中存在所述缺失区域，则根据所述缺失区域的边界和所述鼻纹图像的边界生成鼻纹蒙版；
根据所述鼻纹蒙版对所述至少一个第一图像中的每个第一图像进行图像蒙版，得到至少一个第二图像，其中，所述至少一个第二图像与所述至少一个第一图像一一对应；
将所述鼻纹图像与所述至少一个第二图像进行比对，得到至少一个第二匹配度，其中，所述至少一个第二匹配度与所述至少一个第二图像一一对应；
若所述至少一个第二匹配度中存在至少一个大于或等于所述第二阈值的第二匹配度，则打开所述食盒的防护罩，使所述宠物进行进食。
3.根据权利要求1所述的方法，其特征在于，若所述至少一个匹配度中不存在大于或等于所述第二阈值的匹配度，所述方法还包括：
确定所述鼻纹图像中是否存在缺失区域；
若所述鼻纹图像中存在所述缺失区域，则根据所述鼻纹图像对所述缺失区域进行修补，得到修补图像；
将所述修补图像与所述至少一个第一图像进行比对，得到至少一个第三匹配度，其中，所述至少一个第三匹配度与所述至少一个第一图像一一对应；
若所述至少一个第三匹配度中存在至少一个大于或等于第二阈值的第三匹配度，则打开所述食盒的防护罩，使所述宠物进行进食。
4.根据权利要求3所述的方法，其特征在于，所述根据所述鼻纹图像对所述缺失区域进行修补，得到修补图像，包括：
对所述鼻纹图像进行图像分割，得到大小相同的至少一个第一分割图像；
根据所述缺失区域将所述至少一个第一分割图像进行分组，得到至少一个第二分割图像、至少一个第三分割图像和至少一个第四分割图像，其中，所述至少一个第二分割图像中的每个第二分割图像包含所述缺失区域的边界，所述至少一个第三分割图像中的每个第三分割图像包含所述缺失区域且不包含所述缺失区域的边界，所述至少一个第四分割图像为所述至少一个第一分割图像中除去所述至少一个第二分割图像和至少一个第三分割图像后剩下的第一分割图像；
根据所述至少一个第四分割图像，对所述至少一个第二分割图像中的每个第二分割图像进行修补，得到至少一个第五分割图像，其中，所述至少一个第五分割图像与所述至少一个第二分割图像一一对应；
根据所述至少一个第五分割图像，对所述至少一个第三分割图像中的每个第三分割图像进行修补，得到至少一个第六分割图像，其中，所述至少一个第六分割图像与所述至少一个第三分割图像一一对应；
根据所述至少一个第四分割图像、所述至少一个第五分割图像和所述至少一个第六分割图像进行图像重组，得到所述修补图像。
5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个第四分割图像，对所述至少一个第二分割图像中的每个第二分割图像进行修补，得到至少一个第五分割图像，包括：
确定所述每个第二分割图像中的至少一个目标断裂点，其中，所述至少一个目标断裂点中的每个目标断裂点为所述每个第二分割图像中的鼻纹线条与所述缺失区域的边界的交点；
在所述至少一个第四分割图像中获取与所述每个第二分割图像相邻的第四分割图像，得到至少一个第七分割图像；
根据所述每个目标断裂点对应的鼻纹线条，在所述至少一个第七分割图像中确定所述每个目标断裂点对应的第七分割图像；
对所述至少一个第七分割图像中的每个第七分割图像，采用预设的鼻纹方向算法确定所述每个第七分割图像的鼻纹方向；
根据所述每个目标断裂点的曲率，和所述每个目标断裂点对应的第七分割图像的鼻纹方向，确定所述每个目标断裂点的鼻纹延伸方向；
根据所述每个目标断裂点的鼻纹延伸方向将灰度信息传播到所述每个第二分割图像中的缺失区域中，得到所述每个第二分割图像对应的第五分割图像；
将所述每个第二分割图像对应的第五分割图像进行集合，得到所述至少一个第五分割图像。
6.一种宠物食盒防误食装置，其特征在于，所述装置包括：
采集模块，用于获取进入第一区域内的宠物的实时视频，其中，所述第一区域由食盒确定；
分析模块，用于对所述实时视频进行分帧处理，得到至少一个图像帧；对所述至少一个图像帧中的每个图像帧进行动作识别，得到所述宠物的动作序列，其中，所述动作序列包括至少一个第一子动作；确定所述至少一个第一子动作中每个第一子动作的动作类型；根据所述每个第一子动作的动作类型，在所述至少一个第一子动作中确定至少一个第二子动作和至少一个第三子动作，其中，所述至少一个第二子动作中的每个第二子动作的动作类型为进食需求类型，所述至少一个第三子动作为所述至少一个第一子动作中除去所述至少一个第二子动作后剩下的第一子动作；根据所述每个第二子动作的动作信息，将所述至少一个第二子动作拆分为至少一个第一动作组，其中，所述至少一个第一动作组中的每个第一动作组所包含的第二子动作的动作信息相同；根据所述至少一个第三子动作中的每个第三子动作的动作信息，将所述至少一个第三子动作拆分为至少一个第二动作组，其中，所述至少一个第二动作组中的每个第二动作组所包含的第三子动作的动作信息相同；根据所述每个第一动作组所包含的第二子动作的数量，确定所述每个第一动作组的权重，根据所述每个第二动作组所包含的第三子动作的数量，确定所述每个第二动作组的权重；根据所述每个第一动作组所包含的第二子动作的数量、所述每个第一动作组的权重、所述每个第二动作组所包含的第三子动作的数量、以及所述每个第二动作组的权重确定所述宠物的进食概率；当所述进食概率大于第一阈值时，获取对所述实时视频进行视频帧提取，得到所述宠物的面部图像；根据所述面部图像确定所述宠物的鼻纹图像，并将所述鼻纹图像与预设的至少一个第一图像进行比对，得到至少一个第一匹配度，其中，所述至少一个第一匹配度与所述至少一个第一图像一一对应；
处理模块，用于在所述至少一个第一匹配度中存在至少一个大于或等于第二阈值的第一匹配度时，打开所述食盒的防护罩，使所述宠物进行进食；
其中，所述进食概率满足以下公式：
其中，p为所述进食概率，ai为所述至少一个第一动作组中第i个第一动作组的权重，xi为所述第i个第一动作组所包含的第二子动作的数量，n为所述至少一个第一动作组的数量，bj为所述至少一个第二动作组中第j个第二动作组的权重，yj为所述第j个第二动作组所包含的第三子动作的数量，m为所述至少一个第二动作组的数量，i、j为大于或等于1的整数。
7.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述一个或多个程序包括用于执行权利要求1-5任一项方法中的步骤的指令。
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有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-5任一项所述的方法。
CN202210695924.2A 2022-06-14 2022-06-14 宠物食盒防误食方法、装置、电子设备及存储介质 Active CN115250939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210695924.2A CN115250939B (zh) 2022-06-14 2022-06-14 宠物食盒防误食方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210695924.2A CN115250939B (zh) 2022-06-14 2022-06-14 宠物食盒防误食方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115250939A CN115250939A (zh) 2022-11-01
CN115250939B true CN115250939B (zh) 2024-01-05

Family

ID=83762209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210695924.2A Active CN115250939B (zh) 2022-06-14 2022-06-14 宠物食盒防误食方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115250939B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093421A (zh) * 2011-11-04 2013-05-08 昆山云锦信息技术发展有限公司 辅助鼻梁的修复方法
CN104915946A (zh) * 2015-02-10 2015-09-16 浙江工业大学 一种适用于严重退化图像的基于显著性的对象分割方法
CN107909013A (zh) * 2017-10-31 2018-04-13 北京小米移动软件有限公司 宠物喂食的方法、装置以及宠物喂食机
CN108668929A (zh) * 2018-03-12 2018-10-19 深圳市沃特沃德股份有限公司 喂食方法和喂食装置
CN109035272A (zh) * 2018-07-27 2018-12-18 广州大学 基于ct图像的肺分割方法、装置及计算机可读存储介质
CN110495399A (zh) * 2019-08-16 2019-11-26 斯威方德(深圳)智能科技有限公司 自动喂食的方法、装置、计算机设备及存储介质
CN111134033A (zh) * 2019-12-25 2020-05-12 佛山市木记信息技术有限公司 一种动物智能喂食器及其方法和系统
WO2022050092A1 (ja) * 2020-09-01 2022-03-10 パナソニックＩｐマネジメント株式会社 ペット状況推定システム、ペットカメラ、サーバ、ペット状況推定方法、及びプログラム
CN114299545A (zh) * 2021-12-30 2022-04-08 新瑞鹏宠物医疗集团有限公司 宠物身份识别方法、装置、服务器及计算机可读存储介质
CN114299544A (zh) * 2021-12-30 2022-04-08 新瑞鹏宠物医疗集团有限公司 宠物状态确定方法、装置、设备和计算机可读存储介质
CN114332937A (zh) * 2021-12-30 2022-04-12 新瑞鹏宠物医疗集团有限公司 宠物投喂方法、自动投喂器及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020116390A1 (en) * 2000-12-22 2002-08-22 Meadows Louis B. Pet identification system and method
US7685966B2 (en) * 2006-11-03 2010-03-30 Goehring Heidi L Lidded pet dish
WO2015184297A1 (en) * 2014-05-29 2015-12-03 Pettrax, Inc. In-home pet feeding and monitoring system

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093421A (zh) * 2011-11-04 2013-05-08 昆山云锦信息技术发展有限公司 辅助鼻梁的修复方法
CN104915946A (zh) * 2015-02-10 2015-09-16 浙江工业大学 一种适用于严重退化图像的基于显著性的对象分割方法
CN107909013A (zh) * 2017-10-31 2018-04-13 北京小米移动软件有限公司 宠物喂食的方法、装置以及宠物喂食机
CN108668929A (zh) * 2018-03-12 2018-10-19 深圳市沃特沃德股份有限公司 喂食方法和喂食装置
CN109035272A (zh) * 2018-07-27 2018-12-18 广州大学 基于ct图像的肺分割方法、装置及计算机可读存储介质
CN110495399A (zh) * 2019-08-16 2019-11-26 斯威方德(深圳)智能科技有限公司 自动喂食的方法、装置、计算机设备及存储介质
CN111134033A (zh) * 2019-12-25 2020-05-12 佛山市木记信息技术有限公司 一种动物智能喂食器及其方法和系统
WO2022050092A1 (ja) * 2020-09-01 2022-03-10 パナソニックＩｐマネジメント株式会社 ペット状況推定システム、ペットカメラ、サーバ、ペット状況推定方法、及びプログラム
CN114299545A (zh) * 2021-12-30 2022-04-08 新瑞鹏宠物医疗集团有限公司 宠物身份识别方法、装置、服务器及计算机可读存储介质
CN114299544A (zh) * 2021-12-30 2022-04-08 新瑞鹏宠物医疗集团有限公司 宠物状态确定方法、装置、设备和计算机可读存储介质
CN114332937A (zh) * 2021-12-30 2022-04-12 新瑞鹏宠物医疗集团有限公司 宠物投喂方法、自动投喂器及存储介质

Also Published As

Publication number Publication date
CN115250939A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN109670532B (zh) 生物体器官组织图像的异常识别方法、装置及系统
CN108108711B (zh) 人脸布控方法、电子设备及存储介质
KR20200118076A (ko) 생체 검출 방법 및 장치, 전자 기기 및 저장 매체
WO2021174941A1 (zh) 人体属性识别方法、系统、计算机设备及存储介质
US12086982B2 (en) Method for confirming cup-disc ratio based on neural network, apparatus, device, and computer readable storage medium
CN110738116B (zh) 活体检测方法及装置和电子设备
CN110458007B (zh) 匹配人脸的方法、装置、计算机设备和存储介质
US20210216758A1 (en) Animal information management system and animal information management method
WO2019223130A1 (zh) 动物健康状态监测方法、设备及存储介质
CN109325413A (zh) 一种人脸识别方法、装置及终端
CN109308704B (zh) 背景剔除方法、装置、计算机设备及存储介质
CN110826372B (zh) 人脸特征点检测方法及装置
CN107844742A (zh) 人脸图像眼镜去除方法、装置及存储介质
CN111307331A (zh) 一种温度校准方法、装置、设备及存储介质
CN113792700A (zh) 一种电瓶车入箱检测方法、装置、计算机设备及存储介质
CN114140746A (zh) 一种箱内摄像头遮挡检测方法、电梯运行控制方法及装置
US20220130047A1 (en) Diagnostic imaging for diabetic retinopathy
EP4402657A1 (en) Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes
CN113837006B (zh) 一种人脸识别方法、装置、存储介质及电子设备
CN113536965B (zh) 一种训练脸部遮挡识别模型的方法及相关装置
CN115250939B (zh) 宠物食盒防误食方法、装置、电子设备及存储介质
CN114821771A (zh) 图像中的剪辑对象确定方法、视频剪辑方法及相关装置
CN115299366B (zh) 智慧喂食方法、装置、电子设备及存储介质
CN114495284A (zh) 一种基于实例分割的猪群遮挡分割识别方法及装置
CN113095116A (zh) 身份识别方法及相关产品

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