基于多源圖像的生豬體表溫度和步態(tài)特征提取方法的研究.pdf

1、生豬養(yǎng)殖規(guī)?；l(fā)展的趨勢(shì)對(duì)養(yǎng)殖自動(dòng)化、信息化、智能化的要求越來越高?；谟?jì)算機(jī)視覺的生豬養(yǎng)殖監(jiān)測(cè)方法具有非接觸、連續(xù)自動(dòng)監(jiān)測(cè)的特點(diǎn)，既有利于及時(shí)發(fā)現(xiàn)生豬疫病進(jìn)行早期治療、采取隔離措施，降低養(yǎng)殖企業(yè)損失;同時(shí)，還有利于降低養(yǎng)殖人員工作強(qiáng)度、改善養(yǎng)殖人員工作環(huán)境、減少因與生豬密切接觸而引發(fā)人畜交叉感染的機(jī)率。該領(lǐng)域的研究具有重要的科學(xué)價(jià)值和廣闊的應(yīng)用前景。
　　本文針對(duì)該領(lǐng)域目前主要通過可見光圖像或視頻進(jìn)行生豬行為識(shí)別、監(jiān)測(cè)的研究中，

2、提取特征有限、監(jiān)測(cè)識(shí)別準(zhǔn)確性易受光照及環(huán)境干擾的問題，在廣泛調(diào)研分析的基礎(chǔ)上，構(gòu)建可見光圖像、紅外熱圖像和深度圖像等的多源圖像采集平臺(tái)，重點(diǎn)開展了基于多源圖像的生豬興趣區(qū)體表溫度特征和行走步頻特征的自動(dòng)提取方法的研究。本文的創(chuàng)新研究成果主要有:
　　(1)提出一種基于射線輪廓匹配的生豬紅外熱圖像和可見光圖像的自動(dòng)配準(zhǔn)方法。由于紅外熱圖像和可見光圖像成像原理不同，傳統(tǒng)的可見光圖像配準(zhǔn)方法在異源圖像配準(zhǔn)中難以獲得較好的配準(zhǔn)效果。本文在

3、分析所采用紅外熱像儀同時(shí)采集的兩種異源圖像特點(diǎn)的基礎(chǔ)上，將圖像配準(zhǔn)變換簡(jiǎn)化為兩圖像尺度變換參數(shù)的待定求解問題。以射線輔助線與輪廓邊緣交點(diǎn)構(gòu)建的特征點(diǎn)集作為特征空間，以加權(quán)部分Hausdorff距離作為相似性度量，迭代求取最優(yōu)尺度變換參數(shù)。利用RPROP(Resilient Backpropagation)算法對(duì)迭代過程進(jìn)行加速，較好地實(shí)現(xiàn)了兩種圖像的自動(dòng)配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明，圖像配準(zhǔn)精度基本滿足進(jìn)一步圖像融合的要求。
　　(2)提出

4、一種基于非子采樣輪廓波(NSCT)的生豬可見光圖像和紅外熱圖像融合方法。在圖像配準(zhǔn)的基礎(chǔ)上，針對(duì)生豬可見光圖像和紅外熱圖像的特點(diǎn)，為改善融合圖像質(zhì)量以便于生豬興趣區(qū)識(shí)別，首先用NSCT變換對(duì)配準(zhǔn)好的待融合圖像進(jìn)行多尺度多方向分解。接著，在分解的低頻系數(shù)融合中綜合考慮鄰域能量和方差對(duì)圖像特征的影響，制訂了基于鄰域能量和方差計(jì)算融合權(quán)重的低頻系數(shù)融合規(guī)則，并以鄰域能量最大作為帶通子帶系數(shù)的融合規(guī)則;最后對(duì)融合系數(shù)進(jìn)行NSCT逆變換，獲得融合

5、圖像。實(shí)驗(yàn)表明，融合圖像相對(duì)可見光源圖像和紅外源圖像而言具有更好的視覺效果和輪廓分割效果。
　　(3)針對(duì)生豬體表溫度興趣區(qū)的紅外熱像自動(dòng)檢測(cè)，在實(shí)驗(yàn)確定以生豬耳根部作為生豬體表溫度特征興趣區(qū)的基礎(chǔ)上，首先提出一種基于改進(jìn)主動(dòng)形狀模型的生豬耳根部區(qū)域自動(dòng)提取的方法。該方法在經(jīng)典主動(dòng)形狀模型方法的基礎(chǔ)上，以圖像融合中各個(gè)像素點(diǎn)NSCT分解系數(shù)替代傳統(tǒng)的灰度局部特征點(diǎn)紋理模型，結(jié)合側(cè)視、俯視視角下生豬圖像骨架特點(diǎn)，通過圖像骨架提取和匹

6、配改進(jìn)平均形狀初始定位，較好地實(shí)現(xiàn)了生豬耳部區(qū)域識(shí)別。然后，通過耳根部輪廓線等距偏移，提取生豬耳根部區(qū)域。最后，通過紅外熱圖像溫度數(shù)據(jù)提取對(duì)應(yīng)耳根部體表溫度(ERST)。對(duì)比手動(dòng)分割提取和本文自動(dòng)提取的溫度統(tǒng)計(jì)結(jié)果，表明了本文方法的有效性。
　　(4)提出一種基于深度圖像骨架端點(diǎn)分析的生豬行走步態(tài)描述子的構(gòu)造方法。針對(duì)生豬行走的計(jì)算機(jī)視覺描述問題，以深度相機(jī)作為采集設(shè)備，側(cè)視采集生豬行走圖像序列。在對(duì)深度圖像進(jìn)行背景差分，提取生豬

7、二值前景圖像的基礎(chǔ)上，首先應(yīng)用骨架提取、剪枝和骨架圖匹配的方法定位生豬前、后肢四個(gè)骨架端點(diǎn);然后，以四肢骨架端點(diǎn)鄰域深度信息為度量，判定骨架端點(diǎn)的左右側(cè)屬性;最后，分別以前、后肢左、右側(cè)骨架端點(diǎn)在圖像坐標(biāo)空間中的水平坐標(biāo)變化關(guān)系構(gòu)造步態(tài)描述子，建立生豬行走的計(jì)算機(jī)視覺描述。所提出的步態(tài)描述子構(gòu)造方法，為通過深度圖像序列分析生豬行走步態(tài)特征奠定了基礎(chǔ)。
　　(5)提出一種基于步態(tài)描述子序列分割和行走步重構(gòu)的生豬行走步頻檢測(cè)方法。該方

8、法將生豬行走深度圖像序列中提取到的步態(tài)描述子看作一個(gè)單變量時(shí)間序列，首先，采用兩次分割方法將序列劃分為正向上升、負(fù)向上升、正向下降、負(fù)向下降和站立等五種基本步態(tài)單元;然后，將基本步態(tài)單元順序組合，按生豬行走規(guī)律，通過步態(tài)基本單元重構(gòu)，將序列轉(zhuǎn)化為正向交叉步、負(fù)向交叉步、正向跛足步和負(fù)向跛足步等單步行走步模式的組合，實(shí)現(xiàn)序列對(duì)應(yīng)行走步的計(jì)數(shù);最后結(jié)合序列采集時(shí)間，計(jì)算求取行走步頻特征。實(shí)驗(yàn)表明，該方法即使在行走中存在跛足行為和原地停留的情