CN117894041B - 一种基于物联网的屠宰场智能管理方法及系统 - Google Patents
一种基于物联网的屠宰场智能管理方法及系统 Download PDFInfo
- Publication number
- CN117894041B CN117894041B CN202410290064.3A CN202410290064A CN117894041B CN 117894041 B CN117894041 B CN 117894041B CN 202410290064 A CN202410290064 A CN 202410290064A CN 117894041 B CN117894041 B CN 117894041B
- Authority
- CN
- China
- Prior art keywords
- picture frame
- preset
- contour
- certain
- abnormal
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 37
- 241001465754 Metazoa Species 0.000 claims abstract description 91
- 230000002159 abnormal effect Effects 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000003062 neural network model Methods 0.000 claims abstract description 18
- 244000144972 livestock Species 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000003042 antagnostic effect Effects 0.000 claims description 2
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 230000002787 reinforcement Effects 0.000 claims description 2
- 210000000697 sensory organ Anatomy 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 3
- 238000003307 slaughter Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 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
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于物联网的屠宰场智能管理方法及系统，方法包括：将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中；采用滑动窗口基于时间顺序在正常画面帧序列和异常画面帧序列上滑动；选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断第一轮廓与第二轮廓的相似度是否大于预设阈值；若大于预设阈值，则基于某一正常画面帧中的第一轮廓和某一异常画面帧中的第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与至少一个目标畜只对应的身体图像特征。能够较为准确的确定识别出的身份识别信息。
Description
技术领域
本发明属于屠宰场智能管理技术领域，尤其涉及一种基于物联网的屠宰场智能管理方法及系统。
背景技术
传统的动物识别方法通常基于人工操作，如通过阅读耳标、刻印编号等手段进行。然而，这些方法速度慢，劳动强度大，准确性依赖于工作人员的经验和技能，容易出错。此外，这些方法无法提供实时的信息反馈，对于大规模的动物处理和管理来说效率低下。
而且现有技术中，在对屠宰场中的畜只进行批量识别时，采用识别视频流的方式对屠宰进行批量扫描识别和纠错，实现了批量准确识别，但是该方法在面临屠宰场中畜只拥挤在一起，使得视频流中的一些画面帧内畜只轮廓无法识别，从而可能导致误识别的现象发生。
发明内容
本发明提供一种基于物联网的屠宰场智能管理方法及系统，用于解决在面临屠宰场中畜只拥挤在一起，使得视频流中的一些画面帧内畜只轮廓无法识别，从而可能导致误识别的技术问题。
第一方面，本发明提供一种基于物联网的屠宰场智能管理方法，视频监控设备通过物联网与物联网平台连接，所述屠宰场智能管理方法包括：
通过视频监控设备获取在待监测区域内包括至少一个目标畜只的视频流，其中，所述视频流内包含若干连续的画面帧；
对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别，并根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中；
将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，其中，一滑动窗口中仅包含一正常画面帧和一异常画面帧；
选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值；
若大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征；
根据所述身体图像特征以及预设动物身份识别模型确定所述至少一个目标畜只的身份识别信息。
第二方面，本发明提供一种基于物联网的屠宰场智能管理系统，视频监控设备通过物联网与物联网平台连接，所述屠宰场智能管理系统包括：
获取模块，配置为通过视频监控设备获取在待监测区域内包括至少一个目标畜只的视频流，其中，所述视频流内包含若干连续的画面帧；
划分模块，配置为对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别，并根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中；
滑动模块，配置为将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，其中，一滑动窗口中仅包含一正常画面帧和一异常画面帧；
判断模块，配置为选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值；
叠加模块，配置为若大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征；
确定模块，配置为根据所述身体图像特征以及预设动物身份识别模型确定所述至少一个目标畜只的身份识别信息。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的基于物联网的屠宰场智能管理方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本发明任一实施例的基于物联网的屠宰场智能管理方法的步骤。
本申请的基于物联网的屠宰场智能管理方法及系统，通过选取同一滑动窗口中的正常画面帧和异常画面帧进行对比，由于异常画面帧相对于正常画面帧发生了变化，从而说明正常画面帧和异常画面帧的间隔时间可能较长，从而在该较长的时间间隔中正常画面帧和异常画面帧内的目标畜只可能发生了移动，从而说明异常画面帧相比于正常画面帧具备更多的身体特征，进而将异常画面帧的身体特征与正常画面帧中的身体特征叠加，并对叠加后的画面帧进行身体特征提取，能够较为准确的确定识别出的身份识别信息，解决了在面临屠宰场中畜只拥挤在一起，使得视频流中的一些画面帧内畜只轮廓无法识别，从而可能导致误识别的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明一实施例提供的一种基于物联网的屠宰场智能管理方法的流程图；
图2为本发明一实施例提供的一种基于物联网的屠宰场智能管理系统的结构框图；
图3是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
请参阅图1，其示出了本申请的一种基于物联网的屠宰场智能管理方法的流程图。
如图1所示，屠宰场智能管理方法具体包括以下步骤：
步骤S101，通过视频监控设备获取在待监测区域内包括至少一个目标畜只的视频流，其中，所述视频流内包含若干连续的画面帧。
步骤S102，对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别，并根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中。
在本步骤中，通过神经网络模型对任一画面帧内包含的至少一个目标畜只进行身体特征提取，并将欧式距离小于预设距离阈值的任意两个身体特征进行合并，得到至少一个目标畜只的轮廓。
具体地，将一画面帧输入至神经网络模型中，通过神经网络模型对一画面帧进行识别，得到与一画面帧中相对应的多个身体特征；计算一画面帧中某两个身体特征之间的欧式距离，当一画面帧中某两个身体特征之间的欧式距离小于预设距离阈值时，则将某两个身体特征进行合并，得到一画面帧中的至少一个目标畜只的轮廓，其中，身体特征包括五官特征、躯干特征以及四肢特征。
其中，对于上述用于身体特征提取的神经网络模型可以是任意适当的可实现特征提取或目标对象识别的神经网络，包括但不限于卷积神经网络、增强学习神经网络、对抗神经网络中的生成网络等等。神经网络中具体结构的设置可以由本领域技术人员根据实际需求适当设定，如卷积层的层数、卷积核的大小、通道数等等，本发明实施例对此不作限制。
需要说明的是，可以先读取样本，该样本为包含畜只的图像样本，然后进行灰度化处理继而得到灰度图，然后继续统一图片尺寸，最后把每张图转换成N*N维的列向量，并把所有列向量放到一个集合中。然后，计算平均值，得到平均图像(平均脸)，并且计算每张图与平均图像的差值，再计算出它的协方差矩阵，将其对角化，由此得到一张图中各个身体特征，进而得到与各个图相对应的身体特征。
具体地，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中包括：获取若干连续的画面帧的各个至少一个目标畜只的轮廓的实时尺寸，根据各个实时尺寸的尺寸大小对各个实时尺寸进行排序，并将尺寸大小在预设范围内的各个实时尺寸进行归类，得到至少一个实时尺寸集合；在至少一个实时尺寸的集合中筛选出包含实时尺寸数量最多的某一实时尺寸集合，并将某一实时尺寸集合中的最后一个实时尺寸作为标准轮廓框的尺寸；判断若干连续的画面帧中的至少一个目标畜只的轮廓尺寸是否大于标准轮廓框的尺寸；若某一画面帧中的任一目标畜只的轮廓的尺寸大于标准轮廓框的尺寸，则基于时间序列将某一画面帧划分至预设的异常画面帧序列中；若某一画面帧中的任一目标畜只的轮廓的尺寸不大于标准轮廓框的尺寸，则基于时间序列将某一画面帧划分至预设的正常画面帧序列中。实现了动态选择标准轮廓框的尺寸，从而尽可能的降低由于目标畜只本身体型较大造成错误筛选的现象发生。
步骤S103，将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，其中，一滑动窗口中仅包含一正常画面帧和一异常画面帧。
在本步骤中，将正常画面帧序列与异常画面帧序列进行并列对齐；采用预设的滑动窗口基于时间顺序在正常画面帧序列和异常画面帧序列上滑动，滑动窗口中每次滑动的距离等于一个正常画面帧或一个异常画面帧的长度。每次滑动滑动窗口都能得到一正常画面帧和一异常画面帧，通过选取正常画面帧和异常画面帧进行对比，使得正常画面帧和异常画面帧的间隔时间增大，从而在该时间间隔中至少一个目标畜只可能发生了移动，从而在滑动窗口中的异常画面帧相比于正常画面帧具备更多区别于正常画面帧中的身体特征。
步骤S104，选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值。
在本步骤中，对第一轮廓和第二轮廓进行包括但不限于的灰度处理、清晰度处理和滤波处理，再采用VGGNet网络模型对处理后的第一轮廓和第二轮廓进行图像识别，分别得到与第一轮廓相对应的第一特征量以及与第二轮廓相对应的第二特征量，之后，再将第一特征量和第二特征量作差，得到第一轮廓与第二轮廓的相似度。VGGNet网络模型为使用多组训练图像和检测图像通过机器学习得到的。
又例如，还可以通过余弦距离方式来计算第一轮廓和第二轮廓的图像特征点的相似度。
进一步地，若不大于预设阈值，则判断第二轮廓是否与某一正常画面帧中其他目标畜只的其他轮廓的相似度是否大于预设阈值；
若第二轮廓与某一正常画面帧中其他目标畜只的其他轮廓的相似度大于预设阈值，则基于某一正常画面帧中的第一轮廓和某一异常画面帧中的其他轮廓进行叠加；
若第二轮廓与某一正常画面帧中其他目标畜只的其他轮廓的相似度不大于预设阈值，则直接通过预设的神经网络模型对某一正常画面帧进行身体特征提取，得到与至少一个目标畜只对应的身体图像特征。
步骤S105，若大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征。
步骤S106，根据所述身体图像特征以及预设动物身份识别模型确定所述至少一个目标畜只的身份识别信息。
在本步骤中，身份识别信息可以是一串编码，通过将身体图像特征输入至预设动物身份识别模型中，预设动物身份识别模型能够输出与身体图像特征映射的编码，进而将该编码输出到物流网平台中，物流网平台得到目标畜只的身份识别信息。
需要说明的是，预设动物身份识别模型通过将预先构建的身体图像特征与编码的映射关系输入至神经网络中，对神经网络进行迭代训练得到，该神经网络可以是BERT神经网络。
综上，本申请的方法，通过选取同一滑动窗口中的正常画面帧和异常画面帧进行对比，由于异常画面帧相对于正常画面帧发生了变化，从而说明正常画面帧和异常画面帧的间隔时间可能较长，从而在该较长的时间间隔中正常画面帧和异常画面帧内的目标畜只可能发生了移动，从而说明异常画面帧相比于正常画面帧具备更多的身体特征，进而将异常画面帧的身体特征与正常画面帧中的身体特征叠加，并对叠加后的画面帧进行身体特征提取，能够较为准确的确定识别出的身份识别信息，解决了在面临屠宰场中畜只拥挤在一起，使得视频流中的一些画面帧内畜只轮廓无法识别，从而可能导致误识别的问题。
在一个具体应用场景中，在屠宰场入口位置安装一套管理设备（主要由智能门禁、AI识别摄像头组成），通过屠宰场系统管理软件进行设置，生成唯一二维码。通过扫码，核定扫码人身份是否登记，登记后进入步骤S101-步骤S106的流转流程。如果发生数量异常或畜只异常时，将结果通过物联网发给管理后台，由管理人员进行核对，如果确定事实，将该身份拉入黑名单，该身份将不得再次扫码开门。确认身份后，控制向物联网网关发送开门指令，智能门禁断电，门打开，允许畜只进场，在进场时进行步骤S101-步骤S106的流转流程。
请参阅图2，其示出了本申请的一种基于物联网的屠宰场智能管理系统的结构框图。
如图2所示，屠宰场智能管理系统200，包括获取模块210、划分模块220、滑动模块230、判断模块240、叠加模块250以及确定模块260。
其中，获取模块210，配置为通过视频监控设备获取在待监测区域内包括至少一个目标畜只的视频流，其中，所述视频流内包含若干连续的画面帧；划分模块220，配置为对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别，并根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中；滑动模块230，配置为将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，其中，一滑动窗口中仅包含一正常画面帧和一异常画面帧；判断模块240，配置为选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值；叠加模块250，配置为若大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征；确定模块260，配置为根据所述身体图像特征以及预设动物身份识别模型确定所述至少一个目标畜只的身份识别信息。
应当理解，图2中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图2中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行上述任意方法实施例中的基于物联网的屠宰场智能管理方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
通过视频监控设备获取在待监测区域内包括至少一个目标畜只的视频流，其中，所述视频流内包含若干连续的画面帧；
对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别，并根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中；
将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，其中，一滑动窗口中仅包含一正常画面帧和一异常画面帧；
选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值；
若大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征；
根据所述身体图像特征以及预设动物身份识别模型确定所述至少一个目标畜只的身份识别信息。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于物联网的屠宰场智能管理系统的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至基于物联网的屠宰场智能管理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图3是本发明实施例提供的电子设备的结构示意图，如图3所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图3中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例基于物联网的屠宰场智能管理方法。输入装置330可接收输入的数字或字符信息，以及产生与基于物联网的屠宰场智能管理系统的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于基于物联网的屠宰场智能管理系统中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
通过视频监控设备获取在待监测区域内包括至少一个目标畜只的视频流，其中，所述视频流内包含若干连续的画面帧；
对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别，并根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中；
将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，其中，一滑动窗口中仅包含一正常画面帧和一异常画面帧；
选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值；
若大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征；
根据所述身体图像特征以及预设动物身份识别模型确定所述至少一个目标畜只的身份识别信息。
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各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的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计算机可读存储介质中，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）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于物联网的屠宰场智能管理方法，视频监控设备通过物联网与物联网平台连接，其特征在于，所述屠宰场智能管理方法包括：
通过视频监控设备获取在待监测区域内包括至少一个目标畜只的视频流，其中，所述视频流内包含若干连续的画面帧；
对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别，并根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中；
将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，其中，一滑动窗口中仅包含一正常画面帧和一异常画面帧，所述根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中包括：
获取若干连续的画面帧的各个至少一个目标畜只的轮廓的实时尺寸，根据各个实时尺寸的尺寸大小对各个实时尺寸进行排序，并将尺寸大小在预设范围内的各个实时尺寸进行归类，得到至少一个实时尺寸集合；
在所述至少一个实时尺寸的集合中筛选出包含实时尺寸数量最多的某一实时尺寸集合，并将所述某一实时尺寸集合中的最后一个实时尺寸作为标准轮廓框的尺寸；
判断若干连续的画面帧中的所述至少一个目标畜只的轮廓尺寸是否大于所述标准轮廓框的尺寸；
若某一画面帧中的任一目标畜只的轮廓的尺寸大于所述标准轮廓框的尺寸，则基于时间序列将所述某一画面帧划分至预设的异常画面帧序列中；
若某一画面帧中的任一目标畜只的轮廓的尺寸不大于所述标准轮廓框的尺寸，则基于时间序列将所述某一画面帧划分至预设的正常画面帧序列中；
选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值；
若大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征；
根据所述身体图像特征以及预设动物身份识别模型确定所述至少一个目标畜只的身份识别信息。
2.根据权利要求1所述的一种基于物联网的屠宰场智能管理方法，其特征在于，所述对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别包括：
将一画面帧输入至神经网络模型中，通过神经网络模型对一画面帧进行识别，得到与一画面帧中相对应的多个身体特征；
计算一画面帧中某两个身体特征之间的欧式距离，当一画面帧中某两个身体特征之间的欧式距离小于预设距离阈值时，则将某两个身体特征进行合并，得到一画面帧中的至少一个目标畜只的轮廓，其中，身体特征包括五官特征、躯干特征以及四肢特征。
3.根据权利要求1所述的一种基于物联网的屠宰场智能管理方法，其特征在于，所述将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动包括：
将所述正常画面帧序列与所述异常画面帧序列进行并列对齐；
采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，所述滑动窗口中每次滑动的距离等于一个正常画面帧或一个异常画面帧的长度。
4.根据权利要求1所述的一种基于物联网的屠宰场智能管理方法，其特征在于，在判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值之后，所述方法还包括：
若不大于预设阈值，则判断所述第二轮廓是否与某一正常画面帧中其他目标畜只的其他轮廓的相似度是否大于预设阈值；
若所述第二轮廓与某一正常画面帧中其他目标畜只的其他轮廓的相似度大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述其他轮廓进行叠加；
若所述第二轮廓与某一正常画面帧中其他目标畜只的其他轮廓的相似度不大于预设阈值，则直接通过预设的神经网络模型对所述某一正常画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征。
5.根据权利要求1所述的一种基于物联网的屠宰场智能管理方法，其特征在于，所述神经网络模型包括但不限于卷积神经网络、增强学习神经网络以及对抗神经网络中的生成网络。
6.一种基于物联网的屠宰场智能管理系统，视频监控设备通过物联网与物联网平台连接，其特征在于，所述屠宰场智能管理系统包括：
获取模块，配置为通过视频监控设备获取在待监测区域内包括至少一个目标畜只的视频流，其中，所述视频流内包含若干连续的画面帧；
划分模块，配置为对若干连续的画面帧内包含的所述至少一个目标畜只的轮廓进行识别，并根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中；
滑动模块，配置为将所述正常画面帧序列与所述异常画面帧序列进行对齐，并采用预设的滑动窗口基于时间顺序在所述正常画面帧序列和所述异常画面帧序列上滑动，其中，一滑动窗口中仅包含一正常画面帧和一异常画面帧，所述根据识别结果，采用预设的划分规则将若干连续的画面帧分别划分至预设的正常画面帧序列和预设的异常画面帧序列中包括：
获取若干连续的画面帧的各个至少一个目标畜只的轮廓的实时尺寸，根据各个实时尺寸的尺寸大小对各个实时尺寸进行排序，并将尺寸大小在预设范围内的各个实时尺寸进行归类，得到至少一个实时尺寸集合；
在所述至少一个实时尺寸的集合中筛选出包含实时尺寸数量最多的某一实时尺寸集合，并将所述某一实时尺寸集合中的最后一个实时尺寸作为标准轮廓框的尺寸；
判断若干连续的画面帧中的所述至少一个目标畜只的轮廓尺寸是否大于所述标准轮廓框的尺寸；
若某一画面帧中的任一目标畜只的轮廓的尺寸大于所述标准轮廓框的尺寸，则基于时间序列将所述某一画面帧划分至预设的异常画面帧序列中；
若某一画面帧中的任一目标畜只的轮廓的尺寸不大于所述标准轮廓框的尺寸，则基于时间序列将所述某一画面帧划分至预设的正常画面帧序列中；
判断模块，配置为选取同一滑动窗口内某一正常画面帧中至少一个目标畜只的第一轮廓与某一异常画面帧中至少一个目标畜只的第二轮廓，并判断所述第一轮廓与所述第二轮廓的相似度是否大于预设阈值；
叠加模块，配置为若大于预设阈值，则基于所述某一正常画面帧中的所述第一轮廓和所述某一异常画面帧中的所述第二轮廓进行叠加，并通过预设的神经网络模型对叠加后的画面帧进行身体特征提取，得到与所述至少一个目标畜只对应的身体图像特征；
确定模块，配置为根据所述身体图像特征以及预设动物身份识别模型确定所述至少一个目标畜只的身份识别信息。
7.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410290064.3A CN117894041B (zh) | 2024-03-14 | 2024-03-14 | 一种基于物联网的屠宰场智能管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410290064.3A CN117894041B (zh) | 2024-03-14 | 2024-03-14 | 一种基于物联网的屠宰场智能管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117894041A CN117894041A (zh) | 2024-04-16 |
| CN117894041B true CN117894041B (zh) | 2024-06-04 |
Family
ID=90652071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410290064.3A Active CN117894041B (zh) | 2024-03-14 | 2024-03-14 | 一种基于物联网的屠宰场智能管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117894041B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020125057A1 (zh) * | 2018-12-20 | 2020-06-25 | 北京海益同展信息科技有限公司 | 牲畜个数的识别方法及装置 |
| CN112541432A (zh) * | 2020-12-11 | 2021-03-23 | 上海品览数据科技有限公司 | 一种基于深度学习的视频牲畜身份认证系统及方法 |
| CN113128529A (zh) * | 2019-12-30 | 2021-07-16 | 中移(成都)信息通信科技有限公司 | 牲畜身份识别模型训练方法、识别方法、系统及装置 |
| CN113781526A (zh) * | 2021-09-23 | 2021-12-10 | 内蒙古大学 | 一种家畜计数识别系统 |
| CN113792603A (zh) * | 2021-08-16 | 2021-12-14 | 北京神州慧达信息技术有限公司 | 基于人工智能的牲畜身体识别系统及使用方法 |
| CN115272417A (zh) * | 2022-08-19 | 2022-11-01 | 歌尔科技有限公司 | 图像数据的处理方法、图像处理设备以及可读存储介质 |
| CN116778562A (zh) * | 2023-08-22 | 2023-09-19 | 中移(苏州)软件技术有限公司 | 面部验证方法、装置、电子设备及可读储存介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220284725A1 (en) * | 2019-08-21 | 2022-09-08 | Dairymaster | A method and apparatus for determining the identity of an animal of a herd of animals |
-
2024
- 2024-03-14 CN CN202410290064.3A patent/CN117894041B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020125057A1 (zh) * | 2018-12-20 | 2020-06-25 | 北京海益同展信息科技有限公司 | 牲畜个数的识别方法及装置 |
| CN113128529A (zh) * | 2019-12-30 | 2021-07-16 | 中移(成都)信息通信科技有限公司 | 牲畜身份识别模型训练方法、识别方法、系统及装置 |
| CN112541432A (zh) * | 2020-12-11 | 2021-03-23 | 上海品览数据科技有限公司 | 一种基于深度学习的视频牲畜身份认证系统及方法 |
| CN113792603A (zh) * | 2021-08-16 | 2021-12-14 | 北京神州慧达信息技术有限公司 | 基于人工智能的牲畜身体识别系统及使用方法 |
| CN113781526A (zh) * | 2021-09-23 | 2021-12-10 | 内蒙古大学 | 一种家畜计数识别系统 |
| CN115272417A (zh) * | 2022-08-19 | 2022-11-01 | 歌尔科技有限公司 | 图像数据的处理方法、图像处理设备以及可读存储介质 |
| CN116778562A (zh) * | 2023-08-22 | 2023-09-19 | 中移(苏州)软件技术有限公司 | 面部验证方法、装置、电子设备及可读储存介质 |
Non-Patent Citations (1)
| Title |
|---|
| 杨亮 ; 王辉 ; 陈睿鹏 ; 熊本海.《畜禽个体身份标识技术发展进程与展望》.《猪业科学》.2023,第1-4页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117894041A (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10719743B2 (en) | License plate reader using optical character recognition on plural detected regions | |
| CN111325769B (zh) | 一种目标对象检测方法及装置 | |
| CN112381075B (zh) | 一种机房特定场景下进行人脸识别的方法及系统 | |
| CN110348331B (zh) | 人脸识别方法及电子设备 | |
| CN111178252A (zh) | 多特征融合的身份识别方法 | |
| CN112966626B (zh) | 人脸识别方法和装置 | |
| CN113515655A (zh) | 一种基于图像分类的故障识别方法及装置 | |
| CN111507320A (zh) | 后厨违规行为检测方法、装置、设备和存储介质 | |
| CN112633221A (zh) | 一种人脸方向的检测方法及相关装置 | |
| CN113705426A (zh) | 人脸校验方法、装置、服务器及可读存储介质 | |
| CN112784835A (zh) | 圆形印章的真实性识别方法、装置、电子设备及存储介质 | |
| CN111985340A (zh) | 基于神经网络模型的人脸识别方法、装置和计算机设备 | |
| CN113128522B (zh) | 目标识别方法、装置、计算机设备和存储介质 | |
| CN111079617B (zh) | 家禽识别方法、装置、可读存储介质及电子设备 | |
| CN117894041B (zh) | 一种基于物联网的屠宰场智能管理方法及系统 | |
| CN111832657A (zh) | 文本识别方法、装置、计算机设备和存储介质 | |
| CN116994332A (zh) | 基于轮廓图引导的跨模态行人重识别方法及系统 | |
| CN112084874B (zh) | 一种物体检测方法、装置及终端设备 | |
| CN115270841A (zh) | 条码检测方法、装置、存储介质及计算机设备 | |
| CN113435248A (zh) | 口罩人脸识别底库增强方法、装置、设备及可读存储介质 | |
| CN110738137A (zh) | 一种人流量统计方法及装置 | |
| CN111597896A (zh) | 异常人脸的识别方法、识别装置、识别设备和存储介质 | |
| CN116633809B (zh) | 基于人工智能的检测方法和系统 | |
| CN114500931B (zh) | 一种基于大数据服务的无线通信平台 | |
| CN113255472B (zh) | 一种基于随机嵌入稳定性的人脸质量评价方法及系统 |
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 |