WO2021191975A1 - 体重推定装置、体重推定方法及びプログラム - Google Patents

体重推定装置、体重推定方法及びプログラム Download PDF

Info

Publication number
WO2021191975A1
WO2021191975A1 PCT/JP2020/012750 JP2020012750W WO2021191975A1 WO 2021191975 A1 WO2021191975 A1 WO 2021191975A1 JP 2020012750 W JP2020012750 W JP 2020012750W WO 2021191975 A1 WO2021191975 A1 WO 2021191975A1
Authority
WO
WIPO (PCT)
Prior art keywords
estimation
weight
pig
weight estimation
circle
Prior art date
Application number
PCT/JP2020/012750
Other languages
English (en)
French (fr)
Inventor
将徳 畠中
英樹 神谷
奈津生 只野
Original Assignee
Ｎｔｔテクノクロス株式会社
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 Ｎｔｔテクノクロス株式会社 filed Critical Ｎｔｔテクノクロス株式会社
Priority to PCT/JP2020/012750 priority Critical patent/WO2021191975A1/ja
Priority to JP2022509786A priority patent/JP7414962B2/ja
Publication of WO2021191975A1 publication Critical patent/WO2021191975A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G9/00—Methods of, or apparatus for, the determination of weight, not provided for in groups G01G1/00 - G01G7/00

Definitions

  • the present invention relates to a weight estimation device, a weight estimation method and a program.
  • Livestock farmers have traditionally been able to keep track of the weight of the livestock they are raising. This is because, for example, in domestic animals such as pigs, the value as meat may decrease when the body weight exceeds a certain level.
  • One embodiment of the present invention has been made in view of the above points, and an object of the present invention is to estimate the body weight with high accuracy.
  • the weight estimation device is based on the acquisition means for acquiring the imaging data obtained by photographing the weight estimation target and the imaging data acquired by the acquisition means. Estimating the weight of the estimation target by a pre-created estimation model using the processing means for removing the predetermined partial region of the estimation target and the imaging data in which the partial region is removed by the processing means. It is characterized by having means and.
  • the weight can be estimated with high accuracy.
  • a weight estimation system 1 capable of estimating the weight of a pig with high accuracy
  • a pig is assumed as an example of livestock for which the weight is estimated, but the livestock is not limited to pigs, and is, for example, various livestock such as cows, horses, sheep, and chickens. May be good.
  • the body weight estimation target is not limited to livestock, but may be, for example, pet animals (so-called pets), wild animals, and the like.
  • FIG. 1 is a diagram showing an example of the overall configuration of the weight estimation system 1 according to the present embodiment.
  • the body weight estimation system 1 includes a body weight estimation device 10 for estimating body weight and a camera device 20 for photographing a pig P, which is a body weight estimation target.
  • the weight estimation device 10 and the camera device 20 are communicably connected to each other by, for example, wirelessly, wiredly, or both.
  • the camera device 20 is a digital camera, a smartphone, a tablet terminal, or the like used by a photographer who shoots a pig P. The photographer can obtain imaging data by photographing the pig P from above the pig P using the camera device 20.
  • the camera device 20 may be a camera fixedly installed at a predetermined position.
  • the camera device 20 is provided with a depth sensor, measures the depth of each point within the shooting range, and generates shooting data indicating the height of each of these points. Therefore, the shooting data generated by the camera device 20 is represented by a point cloud of (x, y, z), where each position in the shooting range is (x, y) and the depth value at each of these positions is z. NS.
  • the shooting data represented by the point cloud (x, y, z) will be referred to as “point cloud data”.
  • the body weight estimation device 10 is a computer or computer system that estimates the body weight of the pig P from the point cloud data generated by the camera device 20.
  • the body weight estimation device 10 estimates the body weight of the pig P by a regression equation calculated using the learning data prepared in advance.
  • the training data is data for calculating a regression equation. For example, it is represented by a set of a point cloud data generated by photographing a pig P whose body weight is known and a correct weight indicating the weight of the pig P. Will be done.
  • the regression equation may be called a regression model or the like, and is an example of an estimation model for estimating the weight of the estimation target.
  • the weight estimation device 10 includes a weight estimation processing unit 100 and a storage unit 110.
  • the weight estimation processing unit 100 is realized by processing one or more programs installed in the weight estimation device 10 to be executed by a processor such as a CPU (Central Processing Unit).
  • the storage unit 110 can be realized by using an auxiliary storage device such as an HDD (Hard Disk Drive) or an SSD (Solid State Drive), for example.
  • the body weight estimation device 10 uses the weight estimation processing unit 100 to calculate a regression equation for estimating the weight of the pig P using the training data prepared in advance, and the weight of the pig P is calculated by this regression equation. Execute the "weight estimation process" to estimate. Further, the storage unit 110 contains information necessary for executing the learning process and the body weight estimation process and various processing results (for example, learning data, a regression equation, point group data of the pig P to be weight-estimated, a body weight estimation result, and the like. ) Is memorized.
  • the overall configuration of the weight estimation system 1 shown in FIG. 1 is an example, and may be another configuration.
  • the weight estimation system 1 may include a plurality of camera devices 20.
  • a part or all of the weight estimation processing unit 100 may be realized by a function provided by a cloud service or the like.
  • the shooting conditions when the photographer shoots the pig P using the camera device 20 will be described.
  • the photographing screen 1000 shown in FIG. 2 is displayed on the display or the like of the camera device 20.
  • a guide 1100 for adjusting the shooting position of the pig P is displayed on the shooting screen 1000.
  • the guide 1100 includes a guide 1110 indicating the center of the photographing range.
  • the shooting direction is the positive direction of the z-axis
  • the downward direction of the shooting screen 1000 (that is, the head direction of the pig P) is the positive direction of the x-axis
  • the right direction of the shooting screen 1000 (that is, the left direction of the pig P). Is the positive direction of the y-axis.
  • the photographer moves the camera device 20 above the pig P, adjusts the contour of the pig P to match the frame indicated by the guide 1100, and then presses the shooting button 1200 to shoot the pig P. ..
  • the shooting button 1200 to shoot the pig P. ..
  • the point cloud data 2000 generated by photographing a certain pig P with the camera device 20 will be described.
  • the point cloud data 2000 is a set of points (x, y, z) in the xyz space.
  • the head direction of the pig P is the positive direction of the x-axis
  • the left side direction of the pig P is the positive direction of the y-axis
  • the shooting direction of the camera device 20 is. It is the positive direction of the z-axis.
  • FIG. 4 is a diagram showing an example of the functional configuration of the body weight estimation processing unit 100 according to the present embodiment.
  • the weight estimation processing unit 100 includes the acquisition unit 101, the preprocessing unit 102, the image creation unit 103, the processing unit 104, the index value calculation unit 105, and regression.
  • the formula calculation unit 106 and the weight estimation unit 107 are included.
  • the acquisition unit 101 acquires (reads) the learning data stored in the storage unit 110 in the learning process.
  • the learning data is data represented by a set of a point cloud data generated by photographing a pig P whose body weight is known and a correct answer weight indicating the weight of the pig P. be.
  • the acquisition unit 101 acquires the point cloud data generated by photographing the pig P to be weight-estimated from the storage unit 110 (or the camera device 20) in the weight estimation process.
  • the pre-processing unit 102 performs a predetermined pre-processing on the point cloud data acquired by the acquisition unit 101 in the learning process and the weight estimation process.
  • preprocessing for example, when points other than the tonp P portion are included in the point cloud data, such points are removed, or the point cloud of the tonp P portion is resampled and converted to a predetermined resolution. Resampling and processing can be mentioned.
  • the pretreatment is a treatment for improving the accuracy of estimating the body weight of the pig, and does not necessarily have to be performed.
  • the image creation unit 103 creates a projected image in which the point cloud data after the preprocessing is projected onto the xy plane in the learning process and the weight estimation process.
  • the processing unit 104 performs processing for removing the head portion and the tail portion of the pig P from the point cloud data and the projected image after the preprocessing. This is because the head and tail parts of the pig move during shooting, and the head and tail parts are included or not included in the point cloud data, which adversely affects the weight estimation accuracy.
  • the index value calculation unit 105 calculates a predetermined index value by using the point cloud data after processing and the projected image after processing in the learning process and the weight estimation process.
  • the following four index values are calculated.
  • the corrected projected area is the area of the projected image corrected in consideration of the inclination (inclination) of the body surface of the pig P. It is a value.
  • the posture correction value is a value representing the posture of the pig P (for example, raising or lowering the neck).
  • the shooting height correction value is a value representing the distance from the camera device 20 to the pig P.
  • the body length and the body width are values representing the body length and the body width of the pig P, respectively.
  • the regression equation calculation unit 106 calculates the regression equation using the index value calculated by the index value calculation unit 105 and the correct body weight in the learning process.
  • the regression equation is represented by the following equation (1).
  • Estimated weight a 1 x (corrected projected area) + a 2 x (posture correction value) + a 3 x (shooting height correction value) + a 4 x (body length) / (body width) + b ...
  • a 1 , a 2 , a 3 , a 4 , and b are parameters of the regression equation.
  • the regression equation calculation unit 106 calculates the regression equation by estimating these parameters a 1 , a 2 , a 3 , a 4 , and b by a known method (for example, the least squares method).
  • the parameter corresponding to the unused index value (that is, the parameter to be multiplied by the index value) is selected. It may be set to 0.
  • the body weight estimation unit 107 estimates the weight of the pig P by the regression equation shown in the above equation (1) using the index value calculated by the index value calculation unit 105.
  • the parameters a 1 , a 2 , a 3 , a 4 , and b estimated in the learning process are used.
  • FIG. 5 is a flowchart showing an example of the learning process according to the present embodiment. Steps S101 to S105 of FIG. 5 are repeatedly executed for each learning data stored in the storage unit 110. For example, when N learning data are stored in the storage unit 110, steps S101 to S105 are repeatedly executed N times.
  • the acquisition unit 101 acquires one learning data from the learning data stored in the storage unit 110 (step S101).
  • the preprocessing unit 102 performs a predetermined preprocessing on the point cloud data included in the learning data acquired in step S101 above (step S102).
  • preprocessing for the point cloud data it is assumed that points other than the tonp P portion are removed and conversion to a predetermined resolution is performed by resampling the point cloud of the tonp P portion.
  • the conversion to a predetermined resolution by resampling means that each point included in the point cloud data is resampled, and a three-dimensional point cloud group having a predetermined predetermined interval (for example, the interval between adjacent points) is set. It means to obtain a point cloud (such as a point cloud that is 1.0 cm).
  • the image creation unit 103 uses the point cloud data preprocessed in step S102 above (or, if no preprocessing is performed, the point cloud data included in the training data acquired in step S101 above). ) Is projected onto the xy plane to create a projected image (step S103).
  • a projected image is shown in FIG.
  • the projected image 3000 shown in FIG. 6 is an image obtained by projecting the point cloud data 2000 onto a certain xy plane, and includes the pig region 3100 on which the point cloud of the pig P portion of the point cloud data 2000 is projected.
  • the point 3110 is the origin of the xy plane, and the point at the position indicated by the guide 1110 in FIG. 2 is projected onto the xy plane.
  • the image creation unit 103 may calculate a dividing line 3120 that divides the pig region 3100 in the projected image 3000 into left and right (left and right with respect to the traveling direction when the pig walks).
  • a dividing line 3120 is when the x-coordinate value included in the pig region 3100 is x 1 , x 2 , ..., X M, and the x-coordinate value is x i (1 ⁇ i ⁇ M).
  • the processing unit 104 uses the point cloud data preprocessed in step S102 above (or, if no preprocessing is performed, the point cloud data included in the learning data acquired in step S101 above). And the projected image created in step S103 above, processing is performed to remove the head portion and the tail portion of the pig P (step S104).
  • the processing unit 104 performs the processing according to the following Steps 1 to 7. In the following, as an example, a case where the point cloud data 2000 shown in FIG. 3 and the projected image 3000 shown in FIG. 6 are processed will be described.
  • x 11 ⁇ x ⁇ x 11 + L ⁇ and R 21 ⁇ (x, y)
  • Step2 Next, the processing unit 104 creates a circle S 11 that is a point on the boundary of the pig region 3100 and fits the point included in the search region R 11 (that is, a circle that approximates these point groups). presume. Similarly, the processing section 104 estimates a circle S 11 that is a point on the boundary of the pig region 3100 and fits the point included in the search region R 21. Hereinafter, these circles will be referred to as "fit circle candidates".
  • the fit circle candidate can be estimated by the least squares method. For example, refer to "https://myenigma.hatenablog.com/entry/2015/1507/214600".
  • R 1j ⁇ (x, y)
  • x 1j ⁇ x ⁇ x 1j + L ⁇ and R 2j ⁇ (x, y)
  • d 1 , d 2 > 0 are preset values.
  • the processing unit 104 slides the search area R 1 (j-1) by d 1 in the x-axis direction to make the search area R 1j, and sets the search area R 2 (j-1) in the x-axis direction. Slide d 2 to obtain the search area R 2j .
  • Step4 Next, the processing unit 104 estimates a circle S1j that is a point on the boundary of the pig region 3100 and fits the point included in the search region R1j. Similarly, the processing unit 104 estimates a circle S 11 that is a point on the boundary of the pig region 3100 and fits the point included in the search region R 2j.
  • Steps 3 to 4 described above are repeated, for example, with the range of values that the x coordinate can take in the projected image 3000 as X 1 ⁇ x ⁇ X 2 until x 21 ⁇ L ⁇ X 1 and X 2 ⁇ x 1j + L are satisfied. Will be executed. As a result, a set of fit circle candidates ⁇ S 1j ⁇ and ⁇ S 2j ⁇ can be obtained.
  • Step5 Then, the processing unit 104 from the set of fit circle candidate ⁇ S 1j ⁇ with selecting fit circle S 1 for removing head portion, from the set of fit circle candidate ⁇ S 2j ⁇ to select the fit circle S 2 to remove the tail portion.
  • the processing unit 104 from the set of fit circle candidate ⁇ S 1j ⁇ with selecting fit circle S 1 for removing head portion, from the set of fit circle candidate ⁇ S 2j ⁇ to select the fit circle S 2 to remove the tail portion.
  • a method of selecting the fit circle S 1 will be described.
  • one fit circle candidate is selected as the fit circle S 1 from the set of fit circle candidates ⁇ S 1j ⁇ .
  • the error is smallest fit circle candidate may be selected as fit circle S 1
  • the error of the fit circle candidate having the minimum value is obtained.
  • x-coordinate is the largest-fit circle candidate at medium (that is, an error takes a minimum value, and fit circle candidate on the most right side) may be selected as fit circle S 1.
  • fit circle S 2 when selecting the fitting circle S 2 from the degree of change of the error is smallest x-coordinate among the fit circle candidate error takes a minimum value fit circle candidate (i.e., an error takes a minimum value, and fit circle candidate on the leftmost) is selected as the fit circle S 2.
  • Step 6 Then, the processing unit 104 removes the head portion and the tail portion in the pig region 3100 by using the fit circles S 1 and S 2 obtained in the above Step 5, respectively.
  • the machined portion 104 selects the straight line parallel to the y-axis and in contact with the fit circle S 1 with the larger x-coordinate value as T 1. as deletes the region x-coordinate value is greater than the straight line T 1 in pigs region 3100. As a result, the head portion in the pig region 3100 is removed.
  • the processing unit 104 is parallel to the y-axis, and, among the line tangent to fit circle S 2, a straight line towards the x-coordinate value is smaller As T 2 , the region of the pig region 3100 whose x-coordinate value is smaller than that of the straight line T 2 is deleted. As a result, the tail portion in the pig region 3100 is removed.
  • a large x-coordinate value of the center of the fit circle S 1, and each on the circumference of the fit circle S 1 of The area in which the x-coordinate value is larger than the point may be deleted.
  • the x-coordinate value is smaller than the center of the fitting circle S 2
  • an area in the range x-coordinate value is smaller than the points on the circumference of the fitting circle S 2 You may.
  • both the head portion and the tail portion in the pig region 3100 were removed, but for example, instead of removing both, only one of them may be removed. Further, when the area of the area to be removed (deleted) is equal to or less than a predetermined threshold value, the area may not be removed.
  • Step 7 Finally, the processed portion 104 is projected onto the head portion and the tail portion when creating the point cloud (that is, the projected image 3000) corresponding to the portions (head portion and tail portion) removed in Step 6 above.
  • the point cloud is removed from the point cloud data 2000.
  • the index value calculation unit 105 calculates the corrected projected area, the posture correction value, the shooting height correction value, and the body length and body width as index values (step S105). The calculation method of each index value will be described below.
  • 1.0 / sin ⁇ ⁇ 1.12 corrects the x-axis direction of the side of the unit region V 1 ⁇ V 5 by (i.e., multiplied by 1.0 / sin [theta), corrected
  • the rear unit area is W 1 to W 5 .
  • the area of the corrected unit area W 1 ⁇ W 5 calculates the area of the pig region 3100. This area is the corrected projection area.
  • the side in the x-axis direction of the unit region is corrected, but the side in the y-axis direction may be corrected, and both the side in the x-axis direction and the side in the y-axis direction are corrected. May be done.
  • the posture correction value is calculated as an index value.
  • f be a polynomial function that approximates the points (x, y, z) corresponding to the points (x, y) on the dividing line 3120 described in FIG. That is, let f be a polynomial function such that z ⁇ f (x, y), (where (x, y) is a point on the dividing line 3120).
  • a function f can be obtained by, for example, a library such as polyfit.
  • a predetermined coefficient of the polynomial function f (for example, a quadratic coefficient of x, a quadratic coefficient of y, a coefficient of xy, etc.) is used as the posture correction value.
  • a predetermined coefficient of the polynomial function f for example, a quadratic coefficient of x
  • the posture correction value for example, a quadratic coefficient of x
  • the distance from the camera device 20 to the pig P varies depending on the height of the photographer, the length of the hand, and the like, which may affect the accuracy of weight estimation. Therefore, the shooting height correction value is calculated as an index value.
  • the body length and width are calculated as index values.
  • a straight line 3130 that passes through the point 3110 (that is, the origin of the xy plane) and ends at a point on the boundary of the pig region 3100 is calculated and is orthogonal to the dividing line 3120. Then, the length of this straight line 3130 may be the body width.
  • the points (x, y, z) corresponding to the points (x, y) on the dividing line 3120 are defined.
  • the function to be approximated may be f, and the length of the curve 2110 represented by this function f may be the body length.
  • the regression equation calculation unit 106 calculates the regression equation using the index value and the correct body weight corresponding to each learning data (step S106). That is, the regression equation calculation unit 106 initializes the parameters a 1 , a 2 , a 3 , a 4 , and b to appropriate initial values, and then uses the index value corresponding to the training data for each training data. The estimated body weight is calculated by the above formula (1). Then, the regression equation calculation unit 106 calculates the difference between the estimated body weight and the correct body weight corresponding to the learning data, and then minimizes the sum of the squares of the differences calculated for each learning data. , Parameters a 1 , a 2 , a 3 , a 4 , b are estimated. As a result, a regression equation for estimating the body weight of pig P is calculated.
  • FIG. 13 is a flowchart showing an example of the weight estimation process according to the present embodiment.
  • the parameters a 1 , a 2 , a 3 , a 4 , and b of the regression equation shown in the above equation (1) those estimated by the above learning process are used.
  • the acquisition unit 101 acquires the point cloud data generated by photographing the pig P whose body weight is to be estimated from the storage unit 110 (or the camera device 20) (step S201).
  • the preprocessing unit 102 performs a predetermined preprocessing on the point cloud data acquired in the above step S201 in the same manner as in step S102 of FIG. 5 (step S202).
  • the image creation unit 103 is acquired in the point cloud data (or, if the preprocessing is not performed, in the above step S201) that was preprocessed in the above step S202, similarly to the step S103 in FIG.
  • a projected image is created by projecting the point cloud data) onto the xy plane (step S203).
  • the processing unit 104 was acquired in the point cloud data (or, if the preprocessing is not performed, in the above step S201) that was preprocessed in the above step S202, similarly to the step S104 in FIG.
  • the point cloud data) and the projected image created in step S203 are processed to remove the head portion and the tail portion of the pig P (step S204).
  • the index value calculation unit 105 calculates the corrected projected area, the posture correction value, the shooting height correction value, and the body length and body width as index values (step S205).
  • the body weight estimation unit 107 estimates the weight of the pig P by the regression equation shown in the above equation (1) using the index value calculated in the above step S205 (step S206). From this, the weight of the pig P is estimated.
  • the body weight estimation system 1 removes the image region of the portion (that is, the head portion and the neck portion of the pig P) that is likely to adversely affect the body weight estimation, and then determines a predetermined index. Calculate the values and estimate the body weight by the regression equation using these index values. This makes it possible to estimate the weight of pigs with high accuracy.
  • Weight estimation system 10 Weight estimation device 20 Camera device 100 Weight estimation processing unit 101 Acquisition unit 102 Preprocessing unit 103 Image creation unit 104 Processing unit 105 Index value calculation unit 106 Regression formula calculation unit 107 Weight estimation unit 110 Storage unit

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一実施形態に係る体重推定装置は、体重の推定対象を撮影した撮影データを取得する取得手段と、前記取得手段により取得された前記撮影データに基づいて、前記撮影データ中における前記推定対象の所定の部分領域を除去する加工手段と、前記加工手段により前記部分領域が除去された撮影データを用いて、予め作成された推定モデルにより前記推定対象の体重を推定する推定手段と、を有することを特徴とする。

Description

体重推定装置、体重推定方法及びプログラム
　本発明は、体重推定装置、体重推定方法及びプログラムに関する。
　畜産農家では、飼育している家畜の体重を把握することが従来から行われている。これは、例えば、豚等の家畜では、或る体重を超えると食肉としての価値が下がってしまうことがあるためである。
　ところで、畜産農家で飼育されている家畜は数百頭（又は数百匹、数百羽等）を超える場合がある。このため、体重計等を用いる場合、家畜の体重の把握には手間を要する。これに対して、家畜をビデオカメラで撮影し、撮影した画像中における家畜の面積から体重を推定する技術が知られている（例えば、特許文献１参照）。
特開平６－３１８１号公報
　しかしながら、様々な原因（例えば、撮影時における家畜の姿勢、カメラと家畜との距離等）により、上記の従来技術では、推定された体重と真の体重との誤差が大きかった。
　本発明の一実施形態は、上記の点に鑑みてなされたもので、高い精度で体重を推定することを目的とする。
　上記目的を達成するため、一実施形態に係る体重推定装置は、体重の推定対象を撮影した撮影データを取得する取得手段と、前記取得手段により取得された前記撮影データに基づいて、前記撮影データ中における前記推定対象の所定の部分領域を除去する加工手段と、前記加工手段により前記部分領域が除去された撮影データを用いて、予め作成された推定モデルにより前記推定対象の体重を推定する推定手段と、を有することを特徴とする。
　高い精度で体重を推定することができる。
本実施形態に係る体重推定システムの全体構成の一例を示す図である。 撮影条件の一例を説明するための図である。 点群データの一例を説明するための図である。 本実施形態に係る体重推定処理部の機能構成の一例を示す図である。 本実施形態に係る学習処理の一例を示すフローチャートである。 投影画像の一例を説明するための図である。 フィット円候補の探索の一例を説明するための図である。 誤差の算出の一例を説明するための図である。 領域除去の一例を説明するための図である。 補正投影面積の算出の一例を説明するための図である。 体幅の算出の一例を説明するための図である。 体長の算出の一例を説明するための図である。 本実施形態に係る体重推定処理の一例を示すフローチャートである。
　以下、本発明の一実施形態について、図面を参照しながら説明する。本実施形態では、高い精度で豚の体重を推定することが可能な体重推定システム１について説明する。なお、本実施形態では、体重の推定対象となる家畜の一例として豚を想定して説明するが、家畜は豚に限られず、例えば、牛、馬、羊、鶏等の種々の家畜であってもよい。また、体重の推定対象は家畜だけでなく、例えば、愛玩動物（いわゆるペット）や野生動物等であってもよい。
　＜全体構成＞
　まず、本実施形態に係る体重推定システム１の全体構成について、図１を参照しながら説明する。図１は、本実施形態に係る体重推定システム１の全体構成の一例を示す図である。
　図１に示すように、本実施形態に係る体重推定システム１には、体重の推定を行う体重推定装置１０と、体重の推定対象である豚Ｐを撮影するカメラ装置２０とが含まれる。体重推定装置１０とカメラ装置２０とは、例えば、無線若しくは有線又はその両方により通信可能に接続されている。
　カメラ装置２０は、豚Ｐを撮影する撮影者が利用するデジタルカメラ、スマートフォン、タブレット端末等である。撮影者は、カメラ装置２０を用いて、豚Ｐの上方から当該豚Ｐを撮影することで撮影データを得ることができる。なお、カメラ装置２０は所定の位置に固定的に設置されたカメラであってもよい。
　ここで、カメラ装置２０には深度センサが備えられており、撮影範囲内における各点の深度を測定し、これら各点の高さを表す撮影データを生成するものとする。したがって、カメラ装置２０により生成される撮影データは、撮影範囲内の各位置を（ｘ，ｙ）、これらの各位置における深度値をｚとして、（ｘ，ｙ，ｚ）の点群で表される。以降では、（ｘ，ｙ，ｚ）の点群で表される撮影データを「点群データ」と表す。
　体重推定装置１０は、カメラ装置２０が生成した点群データから豚Ｐの体重を推定するコンピュータ又はコンピュータシステムである。体重推定装置１０は、予め準備した学習データを用いて算出した回帰式により、豚Ｐの体重を推定する。学習データは回帰式を算出するためのデータであり、例えば、体重が既知である豚Ｐを撮影することで生成された点群データと、この豚Ｐの体重を示す正解体重との組で表される。なお、回帰式は回帰モデル等と称されてもよく、推定対象の体重を推定するための推定モデルの一例である。
　ここで、体重推定装置１０には、体重推定処理部１００と、記憶部１１０とが含まれる。体重推定処理部１００は、体重推定装置１０にインストールされた１以上のプログラムが、ＣＰＵ（Central Processing Unit）等のプロセッサに実行させる処理により実現される。また、記憶部１１０は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の補助記憶装置を用いて実現可能である。
　体重推定装置１０は、体重推定処理部１００により、予め準備した学習データを用いて豚Ｐの体重を推定するための回帰式を算出する「学習処理」と、この回帰式により豚Ｐの体重を推定する「体重推定処理」とを実行する。また、記憶部１１０には、学習処理及び体重推定処理の実行に必要な情報や各種処理結果（例えば、学習データや回帰式、体重の推定対象の豚Ｐの点群データ、体重の推定結果等）が記憶される。
　なお、図１に示す体重推定システム１の全体構成は一例であって、他の構成であってもよい。例えば、体重推定システム１には複数のカメラ装置２０が含まれていてもよい。また、体重推定処理部１００の一部又は全部が、クラウドサービス等により提供される機能で実現されていてもよい。
　＜撮影条件＞
　ここで、カメラ装置２０を用いて撮影者が豚Ｐを撮影する際の撮影条件について説明する。豚Ｐを撮影する際、カメラ装置２０のディスプレイ等には、例えば、図２に示す撮影画面１０００が表示される。撮影画面１０００には豚Ｐの撮影位置を合わせるためのガイド１１００が表示されている。また、ガイド１１００には、撮影範囲の中心を示すガイド１１１０が含まれている。ここで、本実施形態では、点群データの原点（つまり、（ｘ，ｙ，ｚ）＝（０，０，０）となる位置）はカメラ装置２０のカメラ位置であるものとする。したがって、ガイド１１１０が示す位置は点群データの任意のｘｙ平面における原点（つまり、（ｘ，ｙ）＝（０，０））である。なお、撮影方向をｚ軸の正の方向、撮影画面１０００の下方向（つまり、豚Ｐの頭方向）をｘ軸の正の方向、撮影画面１０００の右方向（つまり、豚Ｐの左側方向）をｙ軸の正の方向とする。
　撮影者は豚Ｐの上方にカメラ装置２０を移動させて、ガイド１１００が示す枠に豚Ｐの輪郭が合致するように調整した上で、撮影ボタン１２００を押下することで当該豚Ｐを撮影する。これにより、複数の豚Ｐをそれぞれ撮影した場合であっても、ｘｙｚ空間における原点と豚Ｐを表す点群との相対的な位置関係がほぼ同様の点群データを得ることが可能となる。
　＜点群データ＞
　次に、或る豚Ｐをカメラ装置２０で撮影することで生成された点群データ２０００について説明する。図３に示すように、点群データ２０００は、ｘｙｚ空間内の点（ｘ，ｙ，ｚ）の集合である。なお、上述したように、カメラ装置２０のカメラ位置を原点として、豚Ｐの頭方向がｘ軸の正の方向、豚Ｐの左側方向がｙ軸の正の方向、カメラ装置２０の撮影方向がｚ軸の正の方向である。
　なお、１つの点群データがどの程度の数の点の集合で構成されるかは、例えば、カメラ装置２０の解像度等によって異なる。
　＜機能構成＞
　次に、本実施形態に係る体重推定処理部１００の機能構成について、図４を参照しながら説明する。図４は、本実施形態に係る体重推定処理部１００の機能構成の一例を示す図である。
　図４に示すように、本実施形態に係る体重推定処理部１００には、取得部１０１と、前処理部１０２と、画像作成部１０３と、加工部１０４と、指標値算出部１０５と、回帰式算出部１０６と、体重推定部１０７とが含まれる。
　取得部１０１は、学習処理において、記憶部１１０に記憶されている学習データを取得する（読み込み）。上述したように、学習データとは、体重が既知である豚Ｐを撮影することで生成された点群データと、この豚Ｐの体重を示す正解体重との組で表されるデータのことである。
　また、取得部１０１は、体重推定処理において、体重の推定対象の豚Ｐを撮影することで生成された点群データを記憶部１１０（又はカメラ装置２０）から取得する。
　前処理部１０２は、学習処理及び体重推定処理において、取得部１０１により取得された点群データに対して所定の前処理を行う。ここで、前処理としては、例えば、豚Ｐ部分以外の点が点群データに含まれる場合にこのような点を除去したり、豚Ｐ部分の点群をリサンプリングして所定の解像度に変換したり処理等が挙げられる。なお、前処理は豚の体重の推定精度を向上させるための処理であり、必ずしも行われなくてもよい。
　画像作成部１０３は、学習処理及び体重推定処理において、前処理後の点群データをｘｙ平面に投影した投影画像を作成する。
　加工部１０４は、学習処理及び体重推定処理において、前処理後の点群データ及び投影画像に対して、豚Ｐの頭部分や尻尾部分を除去する加工を行う。これは、豚の頭部分や尻尾部分が撮影時に動くことで、頭部分や尻尾部分が点群データに含まれたり含まれなかったりするため、体重の推定精度に悪影響を与えるためである。
　指標値算出部１０５は、学習処理及び体重推定処理において、加工後の点群データと加工後の投影画像とを用いて、所定の指標値を算出する。ここで、本実施形態では、以下の４つの指標値を算出するものとする。
　・補正投影面積
　・姿勢補正値
　・撮影高さ補正値
　・体長及び体幅
　ここで、補正投影面積とは、豚Ｐの体表面の傾き（傾斜）を考慮して、投影画像の面積を補正した値のことである。姿勢補正値は、豚Ｐの姿勢（例えば、首を上げている又は下げている等）を表す値のことである。撮影高さ補正値は、カメラ装置２０から豚Ｐまでの距離を表す値のことである。体長及び体幅は、豚Ｐの体長及び体幅をそれぞれ表す値である。
　回帰式算出部１０６は、学習処理において、指標値算出部１０５により算出された指標値と、正解体重とを用いて、回帰式を算出する。ここで、本実施形態では、回帰式は以下式（１）で表されるものとする。
　推定体重＝ａ１×（補正投影面積）＋ａ２×（姿勢補正値）＋ａ３×（撮影高さ補正値）＋ａ４×（体長）／（体幅）＋ｂ　　　・・・（１）
　ここで、ａ１，ａ２，ａ３，ａ４，ｂは回帰式のパラメータである。回帰式算出部１０６は、これらのパラメータａ１，ａ２，ａ３，ａ４，ｂを既知の手法（例えば、最小二乗法等）により推定することで、回帰式を算出する。
　なお、本実施形態では、上記の４つの指標値を用いる場合について説明するが、これら４つの指標値を全て用いる必要はなく、少なくとも１つの指標値が用いられればよい。このような場合、上記の式（１）のパラメータａ１，ａ２，ａ３，ａ４のうち、用いられなかった指標値に対応するパラメータ（つまり、当該指標値に乗算されるパラメータ）を０とすればよい。例えば、補正投影面積を用いない場合は、ａ１＝０として、上記の式（１）に示す回帰式を、推定体重＝ａ２×（姿勢補正値）＋ａ３×（撮影高さ補正値）＋ａ４×（体長）／（体幅）＋ｂとすればよい。同様に、例えば、姿勢補正値と撮影高さ補正値とを用いない場合は、ａ２＝０，ａ３＝０として、上記の式（１）に示す回帰式を、推定体重＝ａ１×（補正投影面積）＋ａ４×（体長）／（体幅）＋ｂとすればよい。他の指標値を用いない場合についても同様である。
　体重推定部１０７は、体重推定処理において、指標値算出部１０５により算出された指標値を用いて、上記の式（１）に示す回帰式により豚Ｐの体重を推定する。ただし、体重推定処理では、学習処理で推定されたパラメータａ１，ａ２，ａ３，ａ４，ｂを用いる。
　＜学習処理＞
　以降では、本実施形態に係る学習処理について、図５を参照しながら説明する。図５は、本実施形態に係る学習処理の一例を示すフローチャートである。図５のステップＳ１０１～ステップＳ１０５は、記憶部１１０に記憶されている学習データ毎に繰り返し実行される。例えば、Ｎ件の学習データが記憶部１１０に記憶されている場合、ステップＳ１０１～ステップＳ１０５はＮ回繰り返し実行される。
　まず、取得部１０１は、記憶部１１０に記憶されている学習データの中から１件の学習データを取得する（ステップＳ１０１）。
　次に、前処理部１０２は、上記のステップＳ１０１で取得された学習データに含まれる点群データに対して所定の前処理を行う（ステップＳ１０２）。ここで、以降では、当該点群データに対する前処理として、豚Ｐ部分以外の点の除去と、豚Ｐ部分の点群のリサンプリングによる所定の解像度への変換とが行なわれたものとする。なお、リサンプリングによる所定の解像度への変換とは、点群データに含まれる各点をリサンプリングして、予め決められた所定の間隔の３次元点群（例えば、隣接する点同士の間隔が１．０ｃｍである点群等）を得ることをいう。
　次に、画像作成部１０３は、上記のステップＳ１０２で前処理が行なわれた点群データ（又は、前処理が行なわれない場合は上記のステップＳ１０１で取得された学習データに含まれる点群データ）をｘｙ平面に投影した投影画像を作成する（ステップＳ１０３）。ここで、投影画像の一例を図６に示す。図６に示す投影画像３０００は点群データ２０００を或るｘｙ平面に投影した画像であり、点群データ２０００の豚Ｐ部分の点群が投影された豚領域３１００が含まれる。ここで、点３１１０がｘｙ平面の原点であり、図２のガイド１１１０が示す位置の点がｘｙ平面に投影されたものである。
　また、このとき、画像作成部１０３は、投影画像３０００中における豚領域３１００を左右（豚が歩行する際の進行方向に対して左右）に分割する分割線３１２０を算出してもよい。このような分割線３１２０は、豚領域３１００に含まれるｘ座標値をｘ１，ｘ２，・・・，ｘＭとした場合に、ｘ座標値がｘｉ（１≦ｉ≦Ｍ）のとき豚領域３１００に含まれるｙ座標値がｙｍｉｎ，ｉ≦ｙ≦ｙｍａｘ，ｉを取り得るとすれば、各ｉ＝１，・・・，Ｍ－１に対して（ｘｉ，（ｙｍａｘ，ｉ－ｙｍｉｎ，ｉ）／２）と（ｘｉ＋１，（ｙｍａｘ，ｉ＋１－ｙｍｉｎ，ｉ＋１）／２）とをｘｙ平面上の直線で接続することで算出される。又は、点群｛（ｘｉ，（ｙｍａｘ，ｉ－ｙｍｉｎ，ｉ）／２）｜ｉ＝１，・・・，Ｍ｝を近似する関数で表される曲線を分割線３１２０としてもよい。なお、このような関数は、例えば、ｐｏｌｙｆｉｔ等のライブラリにより求めることが可能である。
　次に、加工部１０４は、上記のステップＳ１０２で前処理が行なわれた点群データ（又は、前処理が行なわれない場合は上記のステップＳ１０１で取得された学習データに含まれる点群データ）と、上記のステップＳ１０３で作成された投影画像とに対して、豚Ｐの頭部分や尻尾部分を除去する加工を行う（ステップＳ１０４）。ここで、加工部１０４は、以下のＳｔｅｐ１～Ｓｔｅｐ７により当該加工を行う。なお、以降では、一例として、図３に示す点群データ２０００と図６に示す投影画像３０００とに対して加工を行う場合について説明する。
　Ｓｔｅｐ１：まず、加工部１０４は、図７に示すように、ｊ＝１，予め設定されたウインドウサイズをＬ＞０として、投影画像３０００に対して探索領域Ｒ１１＝｛（ｘ，ｙ）｜ｘ１１≦ｘ≦ｘ１１＋Ｌ｝及びＲ２１＝｛（ｘ，ｙ）｜ｘ２１－Ｌ≦ｘ≦ｘ２１｝を設定する。なお、ｘ１１≧０，ｘ２１≦０は探索領域のｘ座標の開始点であり、予め設定される。
　Ｓｔｅｐ２：次に、加工部１０４は、豚領域３１００の境界上の点であり、かつ、探索領域Ｒ１１に含まれる点にフィットする円（つまり、これらの点群を近似する円）Ｓ１１を推定する。同様に、加工部１０４は、豚領域３１００の境界上の点であり、かつ、探索領域Ｒ２１に含まれる点にフィットする円Ｓ１１を推定する。以降では、これらの円を「フィット円候補」と呼ぶ。なお、フィット円候補は最小二乗法により推定することが可能であり、例えば、「https://myenigma.hatenablog.com/entry/2015/09/07/214600」等を参照されたい。
　Ｓｔｅｐ３：続いて、加工部１０４は、ｊ←ｊ＋１，ｘ１ｊ＝ｘ１（ｊ－１）＋ｄ１，ｘ２ｊ＝ｘ２（ｊ－１）－ｄ２として、投影画像３０００に対して探索領域Ｒ１ｊ＝｛（ｘ，ｙ）｜ｘ１ｊ≦ｘ≦ｘ１ｊ＋Ｌ｝及びＲ２ｊ＝｛（ｘ，ｙ）｜ｘ２ｊ－Ｌ≦ｘ≦ｘ２ｊ｝を設定する。ここで、ｄ１，ｄ２＞０は予め設定された値である。すなわち、加工部１０４は、探索領域Ｒ１（ｊ－１）をｘ軸方向にｄ１だけスライドさせて探索領域Ｒ１ｊとすると共に、探索領域Ｒ２（ｊ－１）をｘ軸方向に－ｄ２だけスライドさせて探索領域Ｒ２ｊとする。
　Ｓｔｅｐ４：次に、加工部１０４は、豚領域３１００の境界上の点であり、かつ、探索領域Ｒ１ｊに含まれる点にフィットする円Ｓ１ｊを推定する。同様に、加工部１０４は、豚領域３１００の境界上の点であり、かつ、探索領域Ｒ２ｊに含まれる点にフィットする円Ｓ１１を推定する。
　上記のＳｔｅｐ３～Ｓｔｅｐ４は、例えば、投影画像３０００内でｘ座標が取り得る値の範囲をＸ１≦ｘ≦Ｘ２として、ｘ２１－Ｌ≦Ｘ１かつＸ２≦ｘ１ｊ＋Ｌを満たすまで繰り返し実行される。これにより、フィット円候補の集合｛Ｓ１ｊ｝及び｛Ｓ２ｊ｝が得られる。
　Ｓｔｅｐ５：続いて、加工部１０４は、フィット円候補の集合｛Ｓ１ｊ｝の中から頭部分を除去するためのフィット円Ｓ１を選択すると共に、フィット円候補の集合｛Ｓ２ｊ｝の中から尻尾部分を除去するためのフィット円Ｓ２を選択する。ここで、フィット円Ｓ１を選択する方法について説明する。
　図８に示すように、フィット円候補Ｓ１ｊの中心をＯｊとして、豚領域３１００の境界Ｂ上の各点Ｑｍに対してＯｊとＱｍを通る直線を引き、当該直線とフィット円候補Ｓ１ｊとの交点をＰｍｊとする。また、当該直線上におけるＰｍｊとＱｍとの距離をΔｍｊとする。この距離Δｍｊを境界Ｂ上の各点Ｑｍ（ｍ＝１，・・・）に対して算出した上で、これらの距離Δｍｊの平均値をフィット円候補Ｓ１ｊの誤差とする。そして、各フィット円候補Ｓ１ｊの誤差に基づいて、フィット円候補の集合｛Ｓ１ｊ｝の中から１つのフィット円候補をフィット円Ｓ１として選択する。フィット円Ｓ１の選択方法としては、例えば、誤差が最も小さいフィット円候補をフィット円Ｓ１として選択してもよいし、誤差の変化の度合いからフィット円Ｓ１を選択してもよい。誤差の変化の度合いからフィット円を選択する方法としては、例えば、各フィット円候補の中心のｘ座標とそのフィット円候補の誤差とをプロットした場合に、誤差が極小値をとるフィット円候補の中でｘ座標が最も大きいフィット円候補（つまり、誤差が極小値をとり、かつ、最も右側にあるフィット円候補）をフィット円Ｓ１として選択すればよい。ただし、誤差が極小値をとるフィット円候補が存在しない場合は、誤差が最も小さいフィット円候補をフィット円Ｓ１として選択すればよい。なお、フィット円Ｓ２を選択する方法についても同様であるが、誤差の変化の度合いからフィット円Ｓ２を選択する場合は、誤差が極小値をとるフィット円候補の中でｘ座標が最も小さいフィット円候補（つまり、誤差が極小値をとり、かつ、最も左側にあるフィット円候補）をフィット円Ｓ２として選択する。
　Ｓｔｅｐ６：そして、加工部１０４は、上記のＳｔｅｐ５で得られたフィット円Ｓ１及びＳ２をそれぞれ用いて、豚領域３１００における頭部分及び尻尾部分を除去する。
　例えば、図９に示すフィット円Ｓ１が得られた場合、加工部１０４は、ｙ軸に平行で、かつ、フィット円Ｓ１に接する直線のうち、ｘ座標値が大きい方の直線をＴ１として、豚領域３１００の中で直線Ｔ１よりもｘ座標値が大きい領域を削除する。これにより、豚領域３１００における頭部分が除去される。
　また、例えば、図９に示すフィット円Ｓ２が得られた場合、加工部１０４は、ｙ軸に平行で、かつ、フィット円Ｓ２に接する直線のうち、ｘ座標値が小さい方の直線をＴ２として、豚領域３１００の中で直線Ｔ２よりもｘ座標値が小さい領域を削除する。これにより、豚領域３１００における尻尾部分が除去される。
　なお、上記では、ｙ軸に平行で、かつ、フィット円Ｓ１に接する直線のうち、ｘ座標値が大きい方の直線をＴ１としたが、これに限られず、例えば、ｙ軸に平行で、かつ、フィット円Ｓ１の中心を通る直線をＴ１としてもよいし、分割線３１２０とフィット円Ｓ１との交点におけるフィット円Ｓ１の接線をＴ１としてもよい。同様に、例えば、ｙ軸に平行で、かつ、フィット円Ｓ２の中心を通る直線をＴ２としてもよいし、分割線３１２０とフィット円Ｓ２との交点におけるフィット円Ｓ２の接線をＴ２としてもよい。
　また、直線Ｔ１を用いて領域を削除するのではなく、例えば、豚領域３１００のうち、フィット円Ｓ１の中心よりもｘ座標値が大きく、かつ、フィット円Ｓ１の円周上の各点よりもｘ座標値が大きい範囲の領域を削除してもよい。同様に、例えば、豚領域３１００のうち、フィット円Ｓ２の中心よりもｘ座標値が小さく、かつ、フィット円Ｓ２の円周上の各点よりもｘ座標値が小さい範囲の領域を削除してもよい。
　また、上記のステップＳ１０４では豚領域３１００における頭部分と尻尾部分の両方を除去したが、例えば、両方を除去するのではなく、いずれか一方のみを除去してもよい。更に、除去（削除）対象となった領域の面積が所定の閾値以下である場合は、当該領域を除去しないようにしてもよい。
　Ｓｔｅｐ７：最後に、加工部１０４は、上記のＳｔｅｐ６で除去された部分（頭部分及び尻尾部分）に対応する点群（つまり、投影画像３０００を作成する際に頭部分及び尻尾部分に投影される点群）を点群データ２０００から除去する。
　図５に戻る。ステップＳ１０４に続いて、指標値算出部１０５は、補正投影面積と、姿勢補正値と、撮影高さ補正値と、体長及び体幅とを指標値として算出する（ステップＳ１０５）。以下それぞれの指標値の算出方法について説明する。
　　≪補正投影面積≫
　上記のステップＳ１０３で点群データ２０００から投影画像３０００を作成する際に、豚Ｐの体表面の傾きが失われてしまう。このため、豚領域３１００の面積は、当該豚領域３１００に対応する豚Ｐの体表面の面積よりも小さくなってしまう。そこで、豚領域３１００の面積を、豚Ｐの体表面の傾きを考慮して補正した補正投影面積を算出する。
　上記のステップＳ１０３で隣接する点同士の間隔が１．０ｃｍとなるようにリサンプリングされた場合、投影画像３０００の画素間の間隔も１，０ｃｍとなる。したがって、図１０に示すように、（ｘ，ｙ）＝（４，６），（５，６），（４，５），（５，５）の位置にある４つの画素が豚領域３１００に含まれている場合、これら４つの画素で囲まれる領域Ｖ１（この領域を「単位領域」を表す。）の面積は１．０ｃｍ２となる。同様に、単位領域Ｖ２～Ｖ５の面積も１．０ｃｍ２となる。豚領域３１００の面積は、当該豚領域３１００に含まれる単位領域の面積の合計により算出される。
　このとき、例えば、点群データ２０００に含まれる点のうち、（ｘ，ｙ）＝（４，１），（４，２），（４，３），（４，４），（４，５），（４，６）にそれぞれ対応する点のｚ座標値がＺ１＝１．０であり、（ｘ，ｙ）＝（５，１），（５，２），（５，３），（５，４），（５，５），（５，６）にそれぞれ対応する点のｚ座標値がＺ２＝１．５であったとする。この場合、単位領域Ｖ１～Ｖ５は豚Ｐの体表面の傾きが失われていることになる。
　そこで、図１０に示すように、１．０／ｓｉｎθ≒１．１２により単位領域Ｖ１～Ｖ５のｘ軸方向の辺を補正して（つまり、１．０／ｓｉｎθを乗じて）、補正後単位領域Ｗ１～Ｗ５とする。そして、単位領域Ｖ１～Ｖ５の面積の代わりに、補正後単位領域Ｗ１～Ｗ５の面積を用いて、豚領域３１００の面積を算出する。この面積が補正投影面積である。なお、図１０に示す例では、単位領域のｘ軸方向の辺を補正したが、ｙ軸方向の辺が補正されてもよいし、ｘ軸方向の辺とｙ軸方向の辺の両方が補正されてもよい。
　　≪姿勢補正値≫
　豚Ｐが首を上げている場合と逆に首を下げている場合とでは豚Ｐの姿勢が異なるため、体重の推定精度に影響を与えることがある。そこで、姿勢補正値を指標値として算出する。
　点群データ２０００に含まれる点のうち、図６で説明した分割線３１２０上の点（ｘ，ｙ）に対応する点（ｘ，ｙ，ｚ）を近似する多項式関数をｆとする。すなわち、ｚ≒ｆ（ｘ，ｙ），（ただし、（ｘ，ｙ）は分割線３１２０上の点）となる多項式関数をｆとする。このような関数ｆは、例えば、ｐｏｌｙｆｉｔ等のライブラリにより求めることが可能である。
　そして、多項式関数ｆの所定の係数（例えば、ｘの２次の係数、ｙの２次係数、又はｘｙの係数等）を姿勢補正値とする。
　なお、上記では、（ｘ，ｙ）を分割線３２０上の点として、ｚ＝ｆ（ｘ，ｙ）となる多項式関数ｆを求めたが、これに限られず、例えば、所定のｘｚ平面（例えば、ｙ＝０であるｘｚ平面）で、点群データ２０００に含まれる点（ｘ，ｚ）を近似する多項式関数ｆ（つまり、ｚ≒ｆ（ｘ）となる多項式関数ｆ）を求めてもよい。この場合も、多項式関数ｆの所定の係数（例えば、ｘの２次の係数等）を姿勢補正値とすればよい。
　　≪撮影高さ補正値≫
　撮影者の身長や手の長さ等によってカメラ装置２０から豚Ｐまでの距離が異なり、体重の推定精度に影響を与えることがある。そこで、撮影高さ補正値を指標値として算出する。
　点群データ２０００に含まれる点のうち、ｘ＝０かつｙ＝０でｚ座標値が最も小さい点と、原点（つまり、カメラ装置２０のカメラ位置）との間の直線距離を撮影高さ補正値とすればよい。
　　≪体長及び体幅≫
　豚Ｐによって体長及び体幅が異なるため、体重の推定精度に影響を与えることがある。そこで、体長及び体幅を指標値として算出する。
　図１１に示すように、点３１１０（つまり、ｘｙ平面の原点）を通り、かつ、豚領域３１００の境界上の点を端点し、分割線３１２０に直交する直線３１３０を算出する。そして、この直線３１３０の長さを体幅とすればよい。
　また、図１２に示すように、上記のＳｔｅｐ７での除去後の点群データ２１００に含まれる点うち、分割線３１２０上の点（ｘ，ｙ）に対応する点（ｘ，ｙ，ｚ）を近似する関数をｆとして、この関数ｆが表す曲線２１１０の長さを体長とすればよい。
　図５に戻る。上記のステップＳ１０１～ステップＳ１０５が学習データ毎に繰り返し実行された後、回帰式算出部１０６は、各学習データに対応する指標値及び正解体重を用いて、回帰式を算出する（ステップＳ１０６）。すなわち、回帰式算出部１０６は、パラメータａ１，ａ２，ａ３，ａ４，ｂを適当な初期値に初期化した上で、学習データ毎に、当該学習データに対応する指標値を用いて上記の式（１）により推定体重を算出する。そして、回帰式算出部１０６は、この推定体重と、当該学習データに対応する正解体重との差を算出した上で、学習データ毎にそれぞれ算出された差の二乗の和が最小となるように、パラメータａ１，ａ２，ａ３，ａ４，ｂを推定する。これにより、豚Ｐの体重を推定するための回帰式が算出される。
　＜体重推定処理＞
　以降では、本実施形態に係る体重推定処理について、図１３を参照しながら説明する。図１３は、本実施形態に係る体重推定処理の一例を示すフローチャートである。なお、上記の式（１）に示す回帰式のパラメータａ１，ａ２，ａ３，ａ４，ｂは、上記の学習処理で推定されたものを用いる。
　まず、取得部１０１は、体重の推定対象の豚Ｐを撮影することで生成された点群データを記憶部１１０（又はカメラ装置２０）から取得する（ステップＳ２０１）。
　次に、前処理部１０２は、図５のステップＳ１０２と同様に、上記のステップＳ２０１で取得された点群データに対して所定の前処理を行う（ステップＳ２０２）。
　次に、画像作成部１０３は、図５のステップＳ１０３と同様に、上記のステップＳ２０２で前処理が行なわれた点群データ（又は、前処理が行なわれない場合は上記のステップＳ２０１で取得された点群データ）をｘｙ平面に投影した投影画像を作成する（ステップＳ２０３）。
　次に、加工部１０４は、図５のステップＳ１０４と同様に、上記のステップＳ２０２で前処理が行なわれた点群データ（又は、前処理が行なわれない場合は上記のステップＳ２０１で取得された点群データ）と、上記のステップＳ２０３で作成された投影画像とに対して、豚Ｐの頭部分や尻尾部分を除去する加工を行う（ステップＳ２０４）。
　次に、指標値算出部１０５は、補正投影面積と、姿勢補正値と、撮影高さ補正値と、体長及び体幅とを指標値として算出する（ステップＳ２０５）。
　そして、体重推定部１０７は、上記のステップＳ２０５で算出された指標値を用いて、上記の式（１）に示す回帰式により豚Ｐの体重を推定する（ステップＳ２０６）。これにより、豚Ｐの体重が推定される。
　以上のように、本実施形態に係る体重推定システム１は、体重推定に悪影響を与える可能性が高い部分（つまり、豚Ｐの頭部分及び首部分）の画像領域を除去した上で所定の指標値を算出し、これらの指標値を用いた回帰式により体重を推定する。これにより、高い精度で豚の体重を推定することが可能となる。
　本発明は、具体的に開示された上記の実施形態に限定されるものではなく、請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。
　１　　　　体重推定システム
　１０　　　体重推定装置
　２０　　　カメラ装置
　１００　　体重推定処理部
　１０１　　取得部
　１０２　　前処理部
　１０３　　画像作成部
　１０４　　加工部
　１０５　　指標値算出部
　１０６　　回帰式算出部
　１０７　　体重推定部
　１１０　　記憶部

Claims (8)

  1. 　体重の推定対象を撮影した撮影データを取得する取得手段と、
    　前記取得手段により取得された前記撮影データに基づいて、前記撮影データ中における前記推定対象の所定の部分領域を除去する加工手段と、
    　前記加工手段により前記部分領域が除去された撮影データを用いて、予め作成された推定モデルにより前記推定対象の体重を推定する推定手段と、
    　を有することを特徴とする体重推定装置。
  2. 　前記撮影データは、各点における前記推定対象の深度値を表す三次元点群データであり、
    　前記加工手段は、
    　前記撮影データを２次元平面上に投影した投影画像中における前記推定対象の前記部分領域を除去する、ことを特徴とする請求項１に記載の体重推定装置。
  3. 　前記加工手段は、
    　前記投影画像中で前記推定対象を表す領域の境界にフィットする円を特定し、特定した円を用いて前記部分領域を除去する、ことを特徴とする請求項２に記載の体重推定装置。
  4. 　前記加工手段は、
    　前記推定対象を表す領域に対して設定した複数の探索範囲の各々で前記円を特定し、特定した複数の円の中で所定の誤差が最も小さい円を用いて前記部分領域を除去する、ことを特徴とする請求項３に記載の体重推定装置。
  5. 　前記加工手段は、
    　前記探索範囲内における前記境界上の各点と前記円の中心とをそれぞれ結ぶ直線を用いて、前記直線上かつ前記境界上の点と、前記直線上かつ前記円の円周上の点との距離の平均を前記誤差として算出する、請求項４に記載の体重推定装置。
  6. 　前記推定対象は豚であり、
    　前記加工手段は、
    　前記推定対象を表す領域のうち、前記豚の後部を表す領域と、前記豚の前部を表す領域との少なくとも一方に前記複数の探索範囲を設定する、ことを特徴とする請求項４又は５に記載の体重推定装置。
  7. 　体重の推定対象を撮影した撮影データを取得する取得手順と、
    　前記取得手順で取得された前記撮影データに基づいて、前記撮影データ中における前記推定対象の所定の部分領域を除去する加工手順と、
    　前記加工手順で前記部分領域が除去された撮影データを用いて、予め作成された推定モデルにより前記推定対象の体重を推定する推定手順と、
    　をコンピュータが実行することを特徴とする体重推定方法。
  8. 　コンピュータを、請求項１乃至６の何れか一項に記載の体重推定装置における各手段として機能させるためのプログラム。
PCT/JP2020/012750 2020-03-23 2020-03-23 体重推定装置、体重推定方法及びプログラム WO2021191975A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2020/012750 WO2021191975A1 (ja) 2020-03-23 2020-03-23 体重推定装置、体重推定方法及びプログラム
JP2022509786A JP7414962B2 (ja) 2020-03-23 2020-03-23 体重推定装置、体重推定方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/012750 WO2021191975A1 (ja) 2020-03-23 2020-03-23 体重推定装置、体重推定方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2021191975A1 true WO2021191975A1 (ja) 2021-09-30

Family

ID=77891075

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/012750 WO2021191975A1 (ja) 2020-03-23 2020-03-23 体重推定装置、体重推定方法及びプログラム

Country Status (2)

Country Link
JP (1) JP7414962B2 (ja)
WO (1) WO2021191975A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011093013A1 (ja) * 2010-01-29 2011-08-04 パナソニック株式会社 情報処理装置及び情報処理方法
JP2012519277A (ja) * 2009-02-27 2012-08-23 ボディー サーフェイス トランスレーションズ， インコーポレイテッド 三次元表示を使用する物理パラメータの推定
US20130064432A1 (en) * 2010-05-19 2013-03-14 Thomas Banhazi Image analysis for making animal measurements

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5953953B2 (ja) 2012-06-06 2016-07-20 株式会社リコー 画像認識装置、画像認識方法及びプログラム
JP6083638B2 (ja) 2012-08-24 2017-02-22 国立大学法人 宮崎大学 動物体の体重推定装置、及び体重推定方法
JP6559197B2 (ja) 2017-09-01 2019-08-14 Ｎｔｔテクノクロス株式会社 体重出力装置、体重出力方法及びプログラム
JP7049657B2 (ja) 2017-09-06 2022-04-07 国立大学法人 宮崎大学 家畜の体重推定装置及び家畜の体重推定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012519277A (ja) * 2009-02-27 2012-08-23 ボディー サーフェイス トランスレーションズ， インコーポレイテッド 三次元表示を使用する物理パラメータの推定
WO2011093013A1 (ja) * 2010-01-29 2011-08-04 パナソニック株式会社 情報処理装置及び情報処理方法
US20130064432A1 (en) * 2010-05-19 2013-03-14 Thomas Banhazi Image analysis for making animal measurements

Also Published As

Publication number Publication date
JPWO2021191975A1 (ja) 2021-09-30
JP7414962B2 (ja) 2024-01-16

Similar Documents

Publication Publication Date Title
JP6573354B2 (ja) 画像処理装置、画像処理方法、及びプログラム
WO2019188506A1 (ja) 情報処理装置、物体計測システム、物体計測方法およびプログラム記憶媒体
JP6564018B2 (ja) 放射線画像の肺野セグメンテーション技術及び骨減弱技術
CN107369159B (zh) 基于多因素二维灰度直方图的阈值分割方法
JP2014063475A5 (ja)
CN110378182B (zh) 图像解析装置、图像解析方法及记录介质
EP3172106B1 (en) Method to obtain data concerning the upper profile of an element of a railway track or switch
JP7074185B2 (ja) 特徴推定装置および特徴推定方法、プログラム
US20230245341A1 (en) Positioning device, estimation method, and non-transitory computer-readable medium
WO2021191976A1 (ja) 体重推定装置、体重推定方法及びプログラム
US20230267593A1 (en) Workpiece measurement method, workpiece measurement system, and program
JP2023129574A (ja) 体重推定装置、体重推定方法及びプログラム
US20190005344A1 (en) Part recognition method, information processing apparatus, and imaging control system
WO2021191975A1 (ja) 体重推定装置、体重推定方法及びプログラム
CN112154479A (zh) 提取特征点的方法、可移动平台及存储介质
US10572753B2 (en) Outside recognition device for vehicle
JP2017167671A (ja) 情報処理装置、情報処理方法およびプログラム
CN110570680A (zh) 利用地图信息确定对象位置的方法和系统
CN114782537A (zh) 基于3d视觉的人体颈动脉定位方法及装置
US20230089195A1 (en) Control device, control system, control method, and recording medium with control program recorded thereon
JP6773531B2 (ja) 情報処理装置及びプログラム
Minghuang et al. Automatic Measurement of Mongolian Horse Body Based on Improved YOLOv8n-pose and 3D Point Cloud Analysis
JP7309953B1 (ja) サイズ算出方法、サイズ算出装置、およびプログラム
JP2005251123A (ja) 画像処理装置および画像処理方法
EP4130690A1 (en) Imaging device, imaging method, and program

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20926920

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022509786

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20926920

Country of ref document: EP

Kind code of ref document: A1