CN115937907B - 社区宠物识别方法、装置、介质及设备 - Google Patents

Abstract

本发明涉及一种社区宠物识别方法、装置、介质及设备，包括：从多个摄像头拍摄到的预处理宠物图像中选取宠物颜色和形体均相同的预识别宠物图像；根据拍摄预识别宠物图像时的光照强度，确定进行宠物对象抠出的目标阈值，根据目标阈值从预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像；将宠物姿态与其他目标宠物图像中宠物姿态均不相同的目标宠物图像作为备用宠物图像；根据多张目标宠物图像对宠物对象进行体积元素预测，根据预测得到的体积元素进行宠物三维模型构建，根据宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型；将目标三维宠物模型与已登记的宠物进行比对，确定是否为本社区内已登记的宠物。

Description

社区宠物识别方法、装置、介质及设备

技术领域

本公开涉及宠物管理技术领域，具体地，涉及一种社区宠物识别方法、装置、介质及设备。

背景技术

社区内经常会出现宠物走失，走失后宠物的主人通常都是求助路人或者查监控寻找，宠物寻找的难度较大。并且，可能出现流动物进入小区，流浪狗通常没有打防疫针，可能携带有病毒，家养的宠物与流浪动物接触后，可能导致家养的宠物携带病毒或者患病，甚至将病毒传染给主人，导致饲养宠物的安全性较低。

发明内容

本发明的目的是提供一种社区宠物识别方法、装置、介质及设备，旨在解决相关场景中社区宠物识别的准确性较低的技术问题。

为了实现上述目的，本公开实施例的第一方面，提供一种社区宠物识别方法，所述方法包括：

针对所述社区内多个摄像头拍摄到的预处理宠物图像，从各所述预处理宠物图像中选取宠物颜色和宠物形体均相同的预识别宠物图像，其中，各所述摄像头对应的预处理宠物图像是将同一摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到的；

根据所述摄像头拍摄所述预识别宠物图像时的光照强度，确定针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值，并根据对应的所述目标阈值，对所述预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像；

对多张所述目标宠物图像中的宠物姿态进行对比，将所述宠物姿态与其他任意所述目标宠物图像中的所述宠物姿态均不相同的目标宠物图像作为备用宠物图像，以及将宠物姿态相同的多张目标宠物图像其中一者作为所述备用宠物图像；

根据多张所述目标宠物图像对所述宠物对象进行体积元素预测，并根据预测得到的体积元素进行宠物三维模型构建，根据所述宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型；

将所述目标三维宠物模型与本社区内已登记的宠物进行识别比对，确定所述预处理宠物图像对应的宠物是否为本社区内已登记的宠物。

在其中一个实施例中，各所述摄像头对应的所述预处理宠物图像通过如下方式得到的：

针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，确定各拍摄角度下所述原始宠物图像的拍摄图像特征；

从所述摄像头拍摄所述多张所述原始宠物图像对应的拍摄角度中，将拍摄到原始宠物图像的清晰度最高的拍摄角度作为参考角度；

确定多张所述原始宠物图像对应的拍摄角度与所述参考角度之间的拍摄角度差，以及确定多张所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差；

根据对应的所述拍摄角度差以及所述拍摄距离差，对所述摄像头对应的各所述拍摄角度下对应的拍摄图像特征进行拍摄角度以及拍摄距离转换，以将各所述拍摄角度对应的原始宠物图像转换为所述参考角度对应的拍摄角度和拍摄距离下的标准宠物图像；

对所述摄像头对应的多张所述标准宠物图像进行图像融合，得到所述摄像头对应的预处理宠物图像。

在其中一个实施例中，所述确定多张所述原始宠物图像对应的拍摄角度与所述参考角度之间的拍摄角度差，包括：

对多张所述原始宠物图像进行对象拆解，得到每一所述原始宠物图像对应的至少一个拍摄对象；

从所述参考角度对应的原始宠物图像的拍摄对象中确定得到参考拍摄对象；

从各原始宠物图像对应的拍摄对象中确定与所述参考拍摄对象对应的标准拍摄对象，其中，所述参考拍摄对象与所述标准拍摄对象为不同的原始宠物图像中的同一对象；

根据所述参考拍摄对象的深度信息以及各所述标准拍摄对象的深度信息，确定所述标准拍摄对象对应的拍摄角度与所述参考角度之间的拍摄角度差。

在其中一个实施例中，所述确定多张所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差，包括：

对多张所述标准拍摄对象以及所述参考拍摄对象分别进行对象大小识别；

将识别到的对象进行比对，确定各所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差。

在其中一个实施例中，所述针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，确定各拍摄角度下所述原始宠物图像的拍摄图像特征，包括：

针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，提取多张所述原始宠物图像中图像特征在摄像头坐标系中的摄像头特征坐标；

根据所述图像特征以及对应的所述摄像头特征坐标，生成该拍摄角度下的采集图像特征；

根据所述拍摄角度下的图像特征与对应的采集图像特征，将所述图像特征中每一维度上的数据与采集图像特征中对应维度上的数据相乘，并将相乘后的结果相加得到所述拍摄角度下的原始宠物图像对应的图像特征的数量积；

根据所述拍摄角度下的图像特征以及对应的数量积，遍历确定所述图像特征所有可能出现的位置，得到所述拍摄角度下对应的拍摄图像特征。

在其中一个实施例中，所述方法还包括：

在确定所述预处理宠物图像对应的宠物不为本社区内已登记的宠物情况下，将所述社区内所有拍摄到所述原始宠物图像的摄像头作为目标摄像头；

获取所述目标摄像头拍摄到所述原始宠物图像的拍摄时间，并根据所述拍摄时间对所述目标摄像头拍摄到的所述原始宠物图像按照先后顺序进行排序，得到宠物图像序列；

根据所述原始宠物图像序列中每相邻的原始宠物图像之间的拍摄时间的差值，以及对应的相邻的拍摄所述原始宠物图像的摄像头之间的距离，确定所述宠物在相邻的摄像头之间的移动速度；

根据所述移动速度，调取本社区的摄像头对所述宠物进行追踪拍摄。

在其中一个实施例中，所述根据所述摄像头拍摄所述预识别宠物图像时的光照强度，确定针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值，包括：

根据所述摄像头拍摄所述预识别宠物图像时的光照强度，以及所述光照强度与尺度因子之间预设的对应关系，确定目标尺度因子；

根据所述预识别宠物图像的最大灰度值以及最小灰度值，确定用于对所述预识别宠物图像进行前景及背景分割的灰度分割值；

根据所述灰度分割值对对应的预识别宠物图像进行前景图像提取，得到对应的前景宠物图像；

计算所述前景宠物图像的最大灰度值与最小灰度值之间的差值；

计算所述差值与目标尺度因子的乘积，以及计算所述乘积与所述前景宠物图像的平均灰度值的和，得到针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值。

本公开实施例的第二方面，提供一种社区宠物识别装置，所述装置包括：

选取模块，被配置为针对所述社区内多个摄像头拍摄到的预处理宠物图像，从各所述预处理宠物图像中选取宠物颜色和宠物形体均相同的预识别宠物图像，其中，各所述摄像头对应的预处理宠物图像是将同一摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到的；

确定模块，被配置为根据所述摄像头拍摄所述预识别宠物图像时的光照强度，确定针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值，并根据对应的所述目标阈值，对所述预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像；

对比模块，被配置为对多张所述目标宠物图像中的宠物姿态进行对比，将所述宠物姿态与其他任意所述目标宠物图像中的所述宠物姿态均不相同的目标宠物图像作为备用宠物图像，以及将宠物姿态相同的多张目标宠物图像其中一者作为所述备用宠物图像；

构建模块，被配置为根据多张所述目标宠物图像对所述宠物对象进行体积元素预测，并根据预测得到的体积元素进行宠物三维模型构建，根据所述宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型；

识别模块，被配置为将所述目标三维宠物模型与本社区内已登记的宠物进行识别比对，确定所述预处理宠物图像对应的宠物是否为本社区内已登记的宠物。

在其中一个实施例中，所述装置包括：预处理模块，被配置为通过如下方式得到各所述摄像头对应的所述预处理宠物图像：

针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，确定各拍摄角度下所述原始宠物图像的拍摄图像特征；

从所述摄像头拍摄所述多张所述原始宠物图像对应的拍摄角度中，将拍摄到原始宠物图像的清晰度最高的拍摄角度作为参考角度；

确定多张所述原始宠物图像对应的拍摄角度与所述参考角度之间的拍摄角度差，以及确定多张所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差；

根据对应的所述拍摄角度差以及所述拍摄距离差，对所述摄像头对应的各所述拍摄角度下对应的拍摄图像特征进行拍摄角度以及拍摄距离转换，以将各所述拍摄角度对应的原始宠物图像转换为所述参考角度对应的拍摄角度和拍摄距离下的标准宠物图像；

对所述摄像头对应的多张所述标准宠物图像进行图像融合，得到所述摄像头对应的预处理宠物图像。

在其中一个实施例中，所述预处理模块，被配置为：

对多张所述原始宠物图像进行对象拆解，得到每一所述原始宠物图像对应的至少一个拍摄对象；

从所述参考角度对应的原始宠物图像的拍摄对象中确定得到参考拍摄对象；

从各原始宠物图像对应的拍摄对象中确定与所述参考拍摄对象对应的标准拍摄对象，其中，所述参考拍摄对象与所述标准拍摄对象为不同的原始宠物图像中的同一对象；

根据所述参考拍摄对象的深度信息以及各所述标准拍摄对象的深度信息，确定所述标准拍摄对象对应的拍摄角度与所述参考角度之间的拍摄角度差。

在其中一个实施例中，所述预处理模块，被配置为：

对多张所述标准拍摄对象以及所述参考拍摄对象分别进行对象大小识别；

将识别到的对象进行比对，确定各所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差。

在其中一个实施例中，所述预处理模块，被配置为：

针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，提取多张所述原始宠物图像中图像特征在摄像头坐标系中的摄像头特征坐标；

根据所述图像特征以及对应的所述摄像头特征坐标，生成该拍摄角度下的采集图像特征；

根据所述拍摄角度下的图像特征与对应的采集图像特征，将所述图像特征中每一维度上的数据与采集图像特征中对应维度上的数据相乘，并将相乘后的结果相加得到所述拍摄角度下的原始宠物图像对应的图像特征的数量积；

根据所述拍摄角度下的图像特征以及对应的数量积，遍历确定所述图像特征所有可能出现的位置，得到所述拍摄角度下对应的拍摄图像特征。

在其中一个实施例中，所述识别模块，被配置为：

在确定所述预处理宠物图像对应的宠物不为本社区内已登记的宠物情况下，将所述社区内所有拍摄到所述原始宠物图像的摄像头作为目标摄像头；

获取所述目标摄像头拍摄到所述原始宠物图像的拍摄时间，并根据所述拍摄时间对所述目标摄像头拍摄到的所述原始宠物图像按照先后顺序进行排序，得到宠物图像序列；

根据所述原始宠物图像序列中每相邻的原始宠物图像之间的拍摄时间的差值，以及对应的相邻的拍摄所述原始宠物图像的摄像头之间的距离，确定所述宠物在相邻的摄像头之间的移动速度；

根据所述移动速度，调取本社区的摄像头对所述宠物进行追踪拍摄。

在其中一个实施例中，所述确定模块，被配置为：

根据所述摄像头拍摄所述预识别宠物图像时的光照强度，以及所述光照强度与尺度因子之间预设的对应关系，确定目标尺度因子；

根据所述预识别宠物图像的最大灰度值以及最小灰度值，确定用于对所述预识别宠物图像进行前景及背景分割的灰度分割值；

根据所述灰度分割值对对应的预识别宠物图像进行前景图像提取，得到对应的前景宠物图像；

计算所述前景宠物图像的最大灰度值与最小灰度值之间的差值；

计算所述差值与目标尺度因子的乘积，以及计算所述乘积与所述前景宠物图像的平均灰度值的和，得到针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值。

本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现第一方面中任一项所述方法的步骤。

本公开实施例的第四方面，提供一种电子设备，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现第一方面中任一项所述方法的步骤。

有益效果：

本发明提供了一种社区宠物识别方法、装置、介质及设备。与现有技术相比具备以下有益效果：

从对社区内多个摄像头拍摄到的预处理宠物图像中选取宠物颜色和宠物形体均相同的预识别宠物图像，各所述摄像头对应的预处理宠物图像是将同一摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到的，通过将摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到预处理宠物图像，可以避免从单一角度拍摄到原始宠物图像造成识别准确性较低的问题。

进一步地，根据摄像头拍摄预识别宠物图像时的光照强度，确定针对对应的预识别宠物图像进行宠物对象抠出的目标阈值，并根据对应的目标阈值，对预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像，将宠物对象抠出，可以排除图像中其他对象对后续三维模型建立的干扰，保证宠物三维模型构建的准确性。

进一步地，对多张目标宠物图像中的宠物姿态进行对比，将宠物姿态与其他任意目标宠物图像中的宠物姿态均不相同的目标宠物图像作为备用宠物图像，以及将宠物姿态相同的多张目标宠物图像其中一者作为备用宠物图像；根据多张目标宠物图像对宠物对象进行体积元素预测，并根据预测得到的体积元素进行宠物三维模型构建，根据宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型；将目标三维宠物模型与本社区内已登记的宠物进行识别比对，确定预处理宠物图像对应的宠物是否为本社区内已登记的宠物。提高了社区宠物识别的准确性。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据说明书实施例示出的一种社区宠物识别方法的流程图。

图2是根据说明书实施例示出的一种确定预处理宠物图像的方法的流程图。

图3是根据说明书实施例示出的一种实现图2中步骤S23流程图。

图4是根据说明书实施例示出的一种实现图2中步骤S21的流程图。

图5是根据说明书实施例示出的一种实现图1中步骤S12的流程图。

图6是根据说明书实施例示出的一种社区宠物识别装置的框图。

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。

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

为了实现上述目的，本公开提供一种社区宠物识别方法，图1是根据一实施例示出的一种社区宠物识别方法的流程图，参见图1所示，所述方法包括：

在步骤S11中，针对社区内多个摄像头拍摄到的预处理宠物图像，从各预处理宠物图像中选取宠物颜色和宠物形体均相同的预识别宠物图像。

其中，各摄像头对应的预处理宠物图像是将同一摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到的。

可以理解的是，可以针对预处理宠物图像中的宠物颜色和宠物形体进行打分，进而将宠物颜色分值处于同一个范围内、且宠物形体分值处于同一个范围内的预处理宠物图像作为预识别宠物图像。

其中，宠物形体具体可以是指宠物的腿长、腿围、头围、躯干围度、尾巴长度等形体特征。

在步骤S12中，根据摄像头拍摄预识别宠物图像时的光照强度，确定针对对应的预识别宠物图像进行宠物对象抠出的目标阈值，并根据对应的目标阈值，对预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像。

本申请中可以通过例如需要先验信息的Trimap-based算法、Trimap-free算法进行宠物对象抠出，进而得到仅包含宠物对象的目标宠物图像，从而将其他对象剔除。

在步骤S13中，对多张目标宠物图像中的宠物姿态进行对比，将宠物姿态与其他任意目标宠物图像中的宠物姿态均不相同的目标宠物图像作为备用宠物图像，以及将宠物姿态相同的多张目标宠物图像其中一者作为备用宠物图像。

容易理解的是，本申请中可以将宠物姿态与其他任意目标宠物图像中的宠物姿态的相似度大于预设阈值的目标宠物图像作为备用宠物图像，如果存在多张目标宠物图像的相似度均大于预设阈值，可以将其中一者作为备用宠物图像。

在一种实施方式中，如果存在多张目标宠物图像的相似度均大于预设阈值，可以确定多张目标宠物图像之间的相似度，进而加权求和每一张目标宠物图像与其他目标宠物图像的总相似度，进而将总相似度最大的目标宠物图像作为备用宠物图像。

在步骤S14中，根据多张目标宠物图像对宠物对象进行体积元素预测，并根据预测得到的体积元素进行宠物三维模型构建，根据宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型。

可以理解的是，目标三维宠物模型是可以包括宠物佩戴的佩戴物的。

在步骤S15中，将目标三维宠物模型与本社区内已登记的宠物进行识别比对，确定预处理宠物图像对应的宠物是否为本社区内已登记的宠物。

可以理解的是，已登记的宠物可以是登记宠物的颜色，佩戴物特征，例如，脖子上佩戴的项圈特征，宠物的大小，例如，宠物的长度、高度等。

上述技术方案从对社区内多个摄像头拍摄到的预处理宠物图像中选取宠物颜色和宠物形体均相同的预识别宠物图像，各所述摄像头对应的预处理宠物图像是将同一摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到的，通过将摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到预处理宠物图像，可以避免从单一角度拍摄到原始宠物图像造成识别准确性较低的问题。

进一步地，根据摄像头拍摄预识别宠物图像时的光照强度，确定针对对应的预识别宠物图像进行宠物对象抠出的目标阈值，并根据对应的目标阈值，对预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像，将宠物对象抠出，可以排除图像中其他对象对后续三维模型建立的干扰，保证宠物三维模型构建的准确性。

进一步地，对多张目标宠物图像中的宠物姿态进行对比，将宠物姿态与其他任意目标宠物图像中的宠物姿态均不相同的目标宠物图像作为备用宠物图像，以及将宠物姿态相同的多张目标宠物图像其中一者作为备用宠物图像。根据多张目标宠物图像对宠物对象进行体积元素预测，并根据预测得到的体积元素进行宠物三维模型构建，根据宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型。将目标三维宠物模型与本社区内已登记的宠物进行识别比对，确定预处理宠物图像对应的宠物是否为本社区内已登记的宠物。提高了社区宠物识别的准确性。

在其中一个实施例中，参见图2所示，各摄像头对应的预处理宠物图像通过如下方式得到的：

在步骤S21中，针对任一摄像头在不同的拍摄时刻拍摄到多张原始宠物图像，确定各拍摄角度下原始宠物图像的拍摄图像特征。

本公开实施例中，确定各拍摄角度下原始宠物图像的拍摄图像特征可以通过在不同的尺度空间上查找特征点，并计算出特征点的方向。从而将突出、不因光照、仿射变换和噪音等因素而变化的特征点作为拍摄图像特征，如将角点、边缘点、暗区的亮点及亮区的暗点等作为拍摄图像特征。

确定各拍摄角度下原始宠物图像的拍摄图像特征还可以通过计算和统计原始宠物图像在局部区域的梯度方向直方图来构成图像特征。

在步骤S22中，从摄像头拍摄多张原始宠物图像对应的拍摄角度中，将拍摄到原始宠物图像的清晰度最高的拍摄角度作为参考角度。

在步骤S23中，确定多张原始宠物图像对应的拍摄角度与参考角度之间的拍摄角度差，以及确定多张原始宠物图像对应的拍摄距离与参考角度对应的拍摄距离之间的拍摄距离差。

在步骤S24中，根据对应的拍摄角度差以及拍摄距离差，对摄像头对应的各拍摄角度下对应的拍摄图像特征进行拍摄角度以及拍摄距离转换，以将各拍摄角度对应的原始宠物图像转换为参考角度对应的拍摄角度和拍摄距离下的标准宠物图像。

在步骤S25中，对摄像头对应的多张标准宠物图像进行图像融合，得到摄像头对应的预处理宠物图像。

可以理解的是，本申请中可以通过例如加权平均法、羽化算法、拉普拉斯金字塔等算法对多张标准宠物图像进行图像融合，得到摄像头对应的预处理宠物图像。

上述技术方案能够先提取摄像头在不同的拍摄时刻拍摄到多张原始宠物图像的拍摄图像特征，进而确定参考角度，将其他拍摄角度的图像向参考角度统一，最后融合得到预处理宠物图像，可以避免单一原始宠物图像对宠物识别的影响，提高宠物识别的准确性。

在其中一个实施例中，参见图3中，在步骤S23中，确定多张原始宠物图像对应的拍摄角度与参考角度之间的拍摄角度差，包括：

在步骤S231中，对多张原始宠物图像进行对象拆解，得到每一原始宠物图像对应的至少一个拍摄对象。

可以理解的是，每一张原始宠物图像中可能存在一个或者多个拍摄对象，对每一张原始宠物图像进行对象识别，进而将每一个对象都从原始宠物图像中拆解出来，得到至少一个拍摄对象。

在步骤S232中，从参考角度对应的原始宠物图像的拍摄对象中确定得到参考拍摄对象。

本申请中，可以将参考角度对应的原始宠物图像的拍摄对象中特征最为明显的拍摄对象作为参考拍摄对象，例如，将个头最大的对象、将颜色最为丰富的、将与其他拍摄对象距离最远的拍摄对象作为参考拍摄对象。

在步骤S233中，从各原始宠物图像对应的拍摄对象中确定与参考拍摄对象对应的标准拍摄对象，其中，参考拍摄对象与标准拍摄对象为不同的原始宠物图像中的同一对象。

在步骤S234中，根据参考拍摄对象的深度信息以及各标准拍摄对象的深度信息，确定标准拍摄对象对应的拍摄角度与参考角度之间的拍摄角度差。

在其中一个实施例中，确定多张原始宠物图像对应的拍摄距离与参考角度对应的拍摄距离之间的拍摄距离差，包括：

对多张标准拍摄对象以及参考拍摄对象分别进行对象大小识别。

本申请中可以根据拍摄对象的特征进行对象大小识别。

将识别到的对象进行比对，确定各原始宠物图像对应的拍摄距离与参考角度对应的拍摄距离之间的拍摄距离差。

根据大小之间的差值确定各原始宠物图像对应的拍摄距离与参考角度对应的拍摄距离之间的拍摄距离差。

在其中一个实施例中，参见图4所示，在步骤S21中，针对任一摄像头在不同的拍摄时刻拍摄到多张原始宠物图像，确定各拍摄角度下原始宠物图像的拍摄图像特征，包括：

在步骤S211中，针对任一摄像头在不同的拍摄时刻拍摄到多张原始宠物图像，提取多张原始宠物图像中图像特征在摄像头坐标系中的摄像头特征坐标。

在步骤S212中，根据图像特征以及对应的摄像头特征坐标，生成该拍摄角度下的采集图像特征。

在步骤S213中，根据拍摄角度下的图像特征与对应的采集图像特征，将图像特征中每一维度上的数据与采集图像特征中对应维度上的数据相乘，并将相乘后的结果相加得到拍摄角度下的原始宠物图像对应的图像特征的数量积。

在步骤S214中，根据拍摄角度下的图像特征以及对应的数量积，遍历确定图像特征所有可能出现的位置，得到拍摄角度下对应的拍摄图像特征。

在其中一个实施例中，方法还包括：

在确定预处理宠物图像对应的宠物不为本社区内已登记的宠物情况下，将社区内所有拍摄到原始宠物图像的摄像头作为目标摄像头。

获取目标摄像头拍摄到宠物图像的拍摄时间，并根据拍摄时间对目标摄像头拍摄到的原始宠物图像按照先后顺序进行排序，得到宠物图像序列。

根据宠物图像序列中每相邻的原始宠物图像之间的拍摄时间的差值，以及对应的相邻的拍摄原始宠物图像的摄像头之间的距离，确定宠物在相邻的摄像头之间的移动速度。

根据移动速度，调取本社区的摄像头对宠物进行追踪拍摄。

在其中一个实施例中，参见图5所示，在步骤S12中，根据摄像头拍摄预识别宠物图像时的光照强度，确定针对对应的预识别宠物图像进行宠物对象抠出的目标阈值，包括：

在步骤S121中，根据摄像头拍摄预识别宠物图像时的光照强度，以及光照强度与尺度因子之间预设的对应关系，确定目标尺度因子。

在步骤S122中，根据预识别宠物图像的最大灰度值以及最小灰度值，确定用于对预识别宠物图像进行前景及背景分割的灰度分割值。

在步骤S123中，根据灰度分割值对对应的预识别宠物图像进行前景图像提取，得到对应的前景宠物图像。

在步骤S124中，计算前景宠物图像的最大灰度值与最小灰度值之间的差值。

在步骤S125中，计算差值与目标尺度因子的乘积，以及计算乘积与前景宠物图像的平均灰度值的和，得到针对对应的预识别宠物图像进行宠物对象抠出的目标阈值。

基于相同的发明构思，本公开实施例还提供一种社区宠物识别装置，参见图6所示，该社区宠物识别装置600包括：

选取模块610，被配置为针对所述社区内多个摄像头拍摄到的预处理宠物图像，从各所述预处理宠物图像中选取宠物颜色和宠物形体均相同的预识别宠物图像，其中，各所述摄像头对应的预处理宠物图像是将同一摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到的；

确定模块620，被配置为根据所述摄像头拍摄所述预识别宠物图像时的光照强度，确定针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值，并根据对应的所述目标阈值，对所述预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像；

对比模块630，被配置为对多张所述目标宠物图像中的宠物姿态进行对比，将所述宠物姿态与其他任意所述目标宠物图像中的所述宠物姿态均不相同的目标宠物图像作为备用宠物图像，以及将宠物姿态相同的多张目标宠物图像其中一者作为所述备用宠物图像；

构建模块640，被配置为根据多张所述目标宠物图像对所述宠物对象进行体积元素预测，并根据预测得到的体积元素进行宠物三维模型构建，根据所述宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型；

识别模块650，被配置为将所述目标三维宠物模型与本社区内已登记的宠物进行识别比对，确定所述预处理宠物图像对应的宠物是否为本社区内已登记的宠物。

在其中一个实施例中，所述社区宠物识别装置600包括：预处理模块，被配置为通过如下方式得到各所述摄像头对应的所述预处理宠物图像：

针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，确定各拍摄角度下所述原始宠物图像的拍摄图像特征；

从所述摄像头拍摄所述多张所述原始宠物图像对应的拍摄角度中，将拍摄到原始宠物图像的清晰度最高的拍摄角度作为参考角度；

确定多张所述原始宠物图像对应的拍摄角度与所述参考角度之间的拍摄角度差，以及确定多张所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差；

根据对应的所述拍摄角度差以及所述拍摄距离差，对所述摄像头对应的各所述拍摄角度下对应的拍摄图像特征进行拍摄角度以及拍摄距离转换，以将各所述拍摄角度对应的原始宠物图像转换为所述参考角度对应的拍摄角度和拍摄距离下的标准宠物图像；

对所述摄像头对应的多张所述标准宠物图像进行图像融合，得到所述摄像头对应的预处理宠物图像。

在其中一个实施例中，所述预处理模块，被配置为：

对多张所述原始宠物图像进行对象拆解，得到每一所述原始宠物图像对应的至少一个拍摄对象；

从所述参考角度对应的原始宠物图像的拍摄对象中确定得到参考拍摄对象；

从各原始宠物图像对应的拍摄对象中确定与所述参考拍摄对象对应的标准拍摄对象，其中，所述参考拍摄对象与所述标准拍摄对象为不同的原始宠物图像中的同一对象；

根据所述参考拍摄对象的深度信息以及各所述标准拍摄对象的深度信息，确定所述标准拍摄对象对应的拍摄角度与所述参考角度之间的拍摄角度差。

在其中一个实施例中，所述预处理模块，被配置为：

对多张所述标准拍摄对象以及所述参考拍摄对象分别进行对象大小识别；

将识别到的对象进行比对，确定各所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差。

在其中一个实施例中，所述预处理模块，被配置为：

针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，提取多张所述原始宠物图像中图像特征在摄像头坐标系中的摄像头特征坐标；

根据所述图像特征以及对应的所述摄像头特征坐标，生成该拍摄角度下的采集图像特征；

根据所述拍摄角度下的图像特征与对应的采集图像特征，将所述图像特征中每一维度上的数据与采集图像特征中对应维度上的数据相乘，并将相乘后的结果相加得到所述拍摄角度下的原始宠物图像对应的图像特征的数量积；

根据所述拍摄角度下的图像特征以及对应的数量积，遍历确定所述图像特征所有可能出现的位置，得到所述拍摄角度下对应的拍摄图像特征。

在其中一个实施例中，所述识别模块650，被配置为：

在确定所述预处理宠物图像对应的宠物不为本社区内已登记的宠物情况下，将所述社区内所有拍摄到所述原始宠物图像的摄像头作为目标摄像头；

获取所述目标摄像头拍摄到所述原始宠物图像的拍摄时间，并根据所述拍摄时间对所述目标摄像头拍摄到的所述原始宠物图像按照先后顺序进行排序，得到宠物图像序列；

根据所述原始宠物图像序列中每相邻的原始宠物图像之间的拍摄时间的差值，以及对应的相邻的拍摄所述原始宠物图像的摄像头之间的距离，确定所述宠物在相邻的摄像头之间的移动速度；

根据所述移动速度，调取本社区的摄像头对所述宠物进行追踪拍摄。

在其中一个实施例中，所述确定模块620，被配置为：

根据所述摄像头拍摄所述预识别宠物图像时的光照强度，以及所述光照强度与尺度因子之间预设的对应关系，确定目标尺度因子；

根据所述预识别宠物图像的最大灰度值以及最小灰度值，确定用于对所述预识别宠物图像进行前景及背景分割的灰度分割值；

根据所述灰度分割值对对应的预识别宠物图像进行前景图像提取，得到对应的前景宠物图像；

计算所述前景宠物图像的最大灰度值与最小灰度值之间的差值；

计算所述差值与目标尺度因子的乘积，以及计算所述乘积与所述前景宠物图像的平均灰度值的和，得到针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值。

关于上述实施例中的社区宠物识别装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本领域技术人员应理解，以上所描述的装置实施例仅仅是示意性的，例如模块的划分，仅仅为一种逻辑功能划分，实际在进行模块划分时不受上述划分方式的限制，多个模块可以结合或者一个模块划分为多个子模块。

此外，作为分离部件说明的模块可以是或者也可以不是物理上分开。并且，每一模块可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。当使用硬件实现时，可以为全部或部分地以集成电路或芯片的形式实现。

本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现前述实施例中任一项所述方法的步骤。

本公开实施例提供一种电子设备，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现前述实施例中任一项所述方法的步骤。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对这些实施例进行多种变化、修改、替换和变型，这些变化、修改、替换和变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，其同样应当视为本公开所公开的内容，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。本项申请的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (9)

1.一种社区宠物识别方法，其特征在于，所述方法包括：

针对所述社区内多个摄像头拍摄到的预处理宠物图像，从各所述预处理宠物图像中选取宠物颜色和宠物形体均相同的预识别宠物图像，其中，各所述摄像头对应的预处理宠物图像是将同一摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到的；

根据所述摄像头拍摄所述预识别宠物图像时的光照强度，确定针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值，并根据对应的所述目标阈值，对所述预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像；

对多张所述目标宠物图像中的宠物姿态进行对比，将所述宠物姿态与其他任意所述目标宠物图像中的所述宠物姿态均不相同的目标宠物图像作为备用宠物图像，以及将宠物姿态相同的多张目标宠物图像其中一者作为所述备用宠物图像；

根据多张所述目标宠物图像对所述宠物对象进行体积元素预测，并根据预测得到的体积元素进行宠物三维模型构建，根据所述宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型；

将所述目标三维宠物模型与本社区内已登记的宠物进行识别比对，确定所述预处理宠物图像对应的宠物是否为本社区内已登记的宠物；

其中，所述根据所述摄像头拍摄所述预识别宠物图像时的光照强度，确定针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值，包括：

根据所述摄像头拍摄所述预识别宠物图像时的光照强度，以及所述光照强度与尺度因子之间预设的对应关系，确定目标尺度因子；

根据所述预识别宠物图像的最大灰度值以及最小灰度值，确定用于对所述预识别宠物图像进行前景及背景分割的灰度分割值；

根据所述灰度分割值对对应的预识别宠物图像进行前景图像提取，得到对应的前景宠物图像；

计算所述前景宠物图像的最大灰度值与最小灰度值之间的差值；

计算所述差值与目标尺度因子的乘积，以及计算所述乘积与所述前景宠物图像的平均灰度值的和，得到针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值。

2.根据权利要求1所述的方法，其特征在于，各所述摄像头对应的所述预处理宠物图像通过如下方式得到的：

针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，确定各拍摄角度下所述原始宠物图像的拍摄图像特征；

从所述摄像头拍摄所述多张所述原始宠物图像对应的拍摄角度中，将拍摄到原始宠物图像的清晰度最高的拍摄角度作为参考角度；

确定多张所述原始宠物图像对应的拍摄角度与所述参考角度之间的拍摄角度差，以及确定多张所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差；

根据对应的所述拍摄角度差以及所述拍摄距离差，对所述摄像头对应的各所述拍摄角度下对应的拍摄图像特征进行拍摄角度以及拍摄距离转换，以将各所述拍摄角度对应的原始宠物图像转换为所述参考角度对应的拍摄角度和拍摄距离下的标准宠物图像；

对所述摄像头对应的多张所述标准宠物图像进行图像融合，得到所述摄像头对应的预处理宠物图像。

3.根据权利要求2所述的方法，其特征在于，所述确定多张所述原始宠物图像对应的拍摄角度与所述参考角度之间的拍摄角度差，包括：

对多张所述原始宠物图像进行对象拆解，得到每一所述原始宠物图像对应的至少一个拍摄对象；

从所述参考角度对应的原始宠物图像的拍摄对象中确定得到参考拍摄对象；

从各原始宠物图像对应的拍摄对象中确定与所述参考拍摄对象对应的标准拍摄对象，其中，所述参考拍摄对象与所述标准拍摄对象为不同的原始宠物图像中的同一对象；

根据所述参考拍摄对象的深度信息以及各所述标准拍摄对象的深度信息，确定所述标准拍摄对象对应的拍摄角度与所述参考角度之间的拍摄角度差。

4.根据权利要求3所述的方法，其特征在于，所述确定多张所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差，包括：

对多张所述标准拍摄对象以及所述参考拍摄对象分别进行对象大小识别；

将识别到的对象进行比对，确定各所述原始宠物图像对应的拍摄距离与所述参考角度对应的拍摄距离之间的拍摄距离差。

5.根据权利要求2所述的方法，其特征在于，所述针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，确定各拍摄角度下所述原始宠物图像的拍摄图像特征，包括：

针对任一所述摄像头在不同的拍摄时刻拍摄到多张所述原始宠物图像，提取多张所述原始宠物图像中图像特征在摄像头坐标系中的摄像头特征坐标；

根据所述图像特征以及对应的所述摄像头特征坐标，生成该拍摄角度下的采集图像特征；

根据所述拍摄角度下的图像特征与对应的采集图像特征，将所述图像特征中每一维度上的数据与采集图像特征中对应维度上的数据相乘，并将相乘后的结果相加得到所述拍摄角度下的原始宠物图像对应的图像特征的数量积；

根据所述拍摄角度下的图像特征以及对应的数量积，遍历确定所述图像特征所有可能出现的位置，得到所述拍摄角度下对应的拍摄图像特征。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在确定所述预处理宠物图像对应的宠物不为本社区内已登记的宠物情况下，将所述社区内所有拍摄到所述原始宠物图像的摄像头作为目标摄像头；

获取所述目标摄像头拍摄到所述原始宠物图像的拍摄时间，并根据所述拍摄时间对所述目标摄像头拍摄到的所述原始宠物图像按照先后顺序进行排序，得到宠物图像序列；

根据所述原始宠物图像序列中每相邻的原始宠物图像之间的拍摄时间的差值，以及对应的相邻的拍摄所述原始宠物图像的摄像头之间的距离，确定所述宠物在相邻的摄像头之间的移动速度；

根据所述移动速度，调取本社区的摄像头对所述宠物进行追踪拍摄。

7.一种社区宠物识别装置，其特征在于，所述装置包括：

选取模块，被配置为针对所述社区内多个摄像头拍摄到的预处理宠物图像，从各所述预处理宠物图像中选取宠物颜色和宠物形体均相同的预识别宠物图像，其中，各所述摄像头对应的预处理宠物图像是将同一摄像头在不同的拍摄角度和拍摄距离下拍摄到的多张原始宠物图像进行拍摄角度和拍摄距离统一后融合得到的；

确定模块，被配置为根据所述摄像头拍摄所述预识别宠物图像时的光照强度，确定针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值，并根据对应的所述目标阈值，对所述预识别宠物图像进行宠物对象抠出，得到仅包含宠物对象的目标宠物图像；

对比模块，被配置为对多张所述目标宠物图像中的宠物姿态进行对比，将所述宠物姿态与其他任意所述目标宠物图像中的所述宠物姿态均不相同的目标宠物图像作为备用宠物图像，以及将宠物姿态相同的多张目标宠物图像其中一者作为所述备用宠物图像；

构建模块，被配置为根据多张所述目标宠物图像对所述宠物对象进行体积元素预测，并根据预测得到的体积元素进行宠物三维模型构建，根据所述宠物颜色对构建得到的三维宠物对象进行颜色添加，得到目标三维宠物模型；

识别模块，被配置为将所述目标三维宠物模型与本社区内已登记的宠物进行识别比对，确定所述预处理宠物图像对应的宠物是否为本社区内已登记的宠物；

其中，所述确定模块，被配置为：

根据所述摄像头拍摄所述预识别宠物图像时的光照强度，以及所述光照强度与尺度因子之间预设的对应关系，确定目标尺度因子；

根据所述预识别宠物图像的最大灰度值以及最小灰度值，确定用于对所述预识别宠物图像进行前景及背景分割的灰度分割值；

根据所述灰度分割值对对应的预识别宠物图像进行前景图像提取，得到对应的前景宠物图像；

计算所述前景宠物图像的最大灰度值与最小灰度值之间的差值；

计算所述差值与目标尺度因子的乘积，以及计算所述乘积与所述前景宠物图像的平均灰度值的和，得到针对对应的所述预识别宠物图像进行宠物对象抠出的目标阈值。

8.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1-6中任一项所述方法的步骤。

9.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。

Images