一种基于神经网络的羊前后拉弓姿态检测方法和检测系统技术方案

本发明专利技术提供一种基于神经网络的羊前后拉弓姿态检测方法和检测系统，检测方法包括如下步骤：获取训练集；建立定位神经网络模型，采用训练集对其进行训练；对羊的一侧进行图像采集，得到其实时动作图像，将其实时动作图像输入到训练后的定位神经网络中，得到与实时动作图像对应的实时热力图；将实时热力图设置在二维坐标系内，得各特征点的二维坐标，并根据各特征点的二维坐标得其相对位置关系；建立羊的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到其中的姿态参数，并根据姿态参数判断羊是否在做前后拉弓动作。本发明专利技术提供的技术方案能够解决现有技术中对羊前后拉弓姿态检测时存在的成本高、效率低和可靠性差的问题。

【技术实现步骤摘要】
一种基于神经网络的羊前后拉弓姿态检测方法和检测系统
本专利技术涉及羊前后拉弓姿态检测
，具体涉及一种基于神经网络的羊前后拉弓姿态检测方法和检测系统。
技术介绍
当羊患有如羊肠套叠、肠胃炎症等疾病时，羊常常会做出弓背、拉弓的姿态来缓解疼痛，因此可以将拉弓姿势是羊肠套叠病症的特异性行为，作为判断是否患有肠套叠病的依据。对羊前后拉弓姿态的传统检测方法是依靠人工观察，即工作人员通过实地观察或者通过摄像头观察羊的动作行为，判断其是否做前后拉弓动作。但是这种方法存在很大缺陷，如对于大型的养殖厂，饲养的羊只数量众多，对羊的监控需要大量的工作人员，并且工作人员还需要一直进行观察以防止出现遗漏的情况，因此这种方式存在成本高、效率低和可靠性差的问题。
技术实现思路
本专利技术的目的是提供一种基于神经网络的羊前后拉弓姿态检测方法和检测系统，以解决现有技术中对羊前后拉弓姿态检测时存在的成本高、效率低和可靠性差的问题。为实现上述目的，本专利技术采用如下技术方案：一种基于神经网络的羊前后拉弓姿态检测方法，包括如下步骤：(1)获取训练集；所述训练集包括羊的侧方图像以及各图像对应的热力图，在热力图上有与对应图像上特征点相应的光斑；所述特征点包括所拍摄侧图像上羊前后腿的蹄子、膝盖和腿根；(2)建立定位神经网络模型，以羊的侧方图像为输入，以对应的热力图为输出，对定位神经网络模型进行训练，得到训练后的定位神经网络模型；所述特征点包括所拍摄侧图像上羊前后腿的蹄子、膝盖和腿根；所述定位神经网络模型的输出为包括与各特征点位置相应的光斑的热力图；(3)对羊的一侧进行图像采集，得到其实时动作图像，将其实时动作图像输入到训练后的定位神经网络中，得到与实时动作图像对应的实时热力图；(4)将实时热力图设置在二维坐标系内，得到其中各光斑的二维坐标，将其分别作为对应特征点的二维坐标，并根据各特征点的二维坐标得其相对位置关系；(5)建立羊的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到其中的姿态参数，并根据姿态参数判断羊是否在做前后拉弓动作。进一步的，根据所述姿态参数判断羊是否在做前后拉弓动作的方法为：将姿态参数与时间进行拟合，得到用于标识姿态参数随时间变化的曲线；判断所述曲线是否呈先上升再下降的趋势，且波峰与波谷的差值是否大于设定差值，如果是，则判断为羊正在做前后拉弓动作。进一步的，根据特征点的二维坐标得到其相对位置关系的方法为：建立三维空间坐标系，在获取训练集时，检测各特征点在三维空间坐标系中的坐标；建立转换神经网络模型，以图像中标志点在二维坐标系的坐标为输入，以对应标志点的三维坐标为输出，对所述转换神经网络模型进行训练，得到训练后的转换神经网络模型；获取实时动作图像中各特征点在二维坐标系中的坐标后，将其输入到训练后的转换神经网络模型中，得到各特征点在三维空间坐标系中的坐标。进一步的，所述步骤(5)中建立羊的SMPL三维模型的方法为：在羊身上设置模型顶点，对羊进行整体扫描，得到羊身上各检测顶点的图像；建立羊的三维立体模型，用GloSS模型对扫描结果进行拟合，将扫描得到的羊身上各检测顶点拟合到羊的三维立体模型上；使用全局拓扑变形网格，得到羊的SMPL三维模型。进一步的，所述定位神经网络模型的损失函数为均方差损失函数：其中e为定位神经网络模型的误差，n为训练集中图片的数量，st为定位神经网络模型输出的预测值，yt为输出值为st时输入值对应的标准值。一种基于神经网络的羊前后拉弓姿态检测系统，包括处理器和存储器，存储器上存储有用于在处理器上执行的计算机程序；所述处理器执行所述计算机程序时，实现基于神经网络的羊前后拉弓姿态检测方法，该方法包括如下步骤：(1)获取训练集；所述训练集包括羊的侧方图像以及各图像对应的热力图，在热力图上有与对应图像上特征点相应的光斑；所述特征点包括所拍摄侧图像上羊前后腿的蹄子、膝盖和腿根；(2)建立定位神经网络模型，以羊的侧方图像为输入，以对应的热力图为输出，对定位神经网络模型进行训练，得到训练后的定位神经网络模型；(3)对羊的一侧进行图像采集，得到其实时动作图像，将其实时动作图像输入到训练后的定位神经网络中，得到与实时动作图像对应的实时热力图；(4)将实时热力图设置在二维坐标系内，得到其中各光斑的二维坐标，将其分别作为对应特征点的二维坐标，并根据各特征点的二维坐标得其相对位置关系；(5)建立羊的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到其中的姿态参数，并根据姿态参数判断羊是否在做前后拉弓动作。进一步的，根据所述姿态参数判断羊是否在做前后拉弓动作的方法为：将姿态参数与时间进行拟合，得到用于标识姿态参数随时间变化的曲线；判断所述曲线是否呈先上升再下降的趋势，且波峰与波谷的差值是否大于设定差值，如果是，则判断为羊正在做前后拉弓动作。进一步的，根据特征点的二维坐标得到其相对位置关系的方法为：建立三维空间坐标系，在获取训练集时，检测各特征点在三维空间坐标系中的坐标；建立转换神经网络模型，以图像中标志点在二维坐标系的坐标为输入，以对应标志点的三维坐标为输出，对所述转换神经网络模型进行训练，得到训练后的转换神经网络模型；获取实时动作图像中各特征点在二维坐标系中的坐标后，将其输入到训练后的转换神经网络模型中，得到各特征点在三维空间坐标系中的坐标。进一步的，所述步骤(5)中建立羊的SMPL三维模型的方法为：在羊身上设置模型顶点，对羊进行整体扫描，得到羊身上各检测顶点的图像；建立羊的三维立体模型，用GloSS模型对扫描结果进行拟合，将扫描得到的羊身上各检测顶点拟合到羊的三维立体模型上；使用全局拓扑变形网格，得到羊的SMPL三维模型。进一步的，所述定位神经网络模型的损失函数为均方差损失函数：其中e为定位神经网络模型的误差，n为训练集中图片的数量，st为定位神经网络模型输出的预测值，yt为输出值为st时输入值对应的标准值。本专利技术所提供的技术方案，采用定位神经网络模型，在羊侧方图像上检测特征点的位置，将特征点的位置加载到羊的SMPL三维模型中，得到其姿态参数，并根据姿态参数判断羊是否在做前后拉弓动作。本专利技术所提供的技术方案，能够自动检测并识别羊是否在做前后拉弓动作，不需要人工监控，能够解决现有技术中对羊前后拉弓姿态检测时存在的成本高、效率低和可靠性差的问题。附图说明图1是本专利技术方法实施例中基于神经网络的羊前后拉弓姿态检测方法的流程图；图2是本专利技术方法实施例中摄像机拍摄羊侧方图像的示意图；图3是本专利技术方法实施例中标识姿态参数随时间变化关系的示意图。具体实施方式本专利技术的目的是提供一种基于神经网络的羊前后拉弓姿态检测方法本文档来自技高网...

【技术保护点】
1.一种基于神经网络的羊前后拉弓姿态检测方法，其特征在于，包括如下步骤：/n(1)获取训练集；/n所述训练集包括羊的侧方图像以及各图像对应的热力图，在热力图上有与对应图像上特征点相应的光斑；所述特征点包括所拍摄侧图像上羊前后腿的蹄子、膝盖和腿根；/n(2)建立定位神经网络模型，以羊的侧方图像为输入，以对应的热力图为输出，对定位神经网络模型进行训练，得到训练后的定位神经网络模型；/n(3)对羊的一侧进行图像采集，得到其实时动作图像，将其实时动作图像输入到训练后的定位神经网络中，得到与实时动作图像对应的实时热力图；/n(4)将实时热力图设置在二维坐标系内，得到其中各光斑的二维坐标，将其分别作为对应特征点的二维坐标，并根据各特征点的二维坐标得其相对位置关系；/n(5)建立羊的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到其中的姿态参数，并根据姿态参数判断羊是否在做前后拉弓动作。/n

【技术特征摘要】
1.一种基于神经网络的羊前后拉弓姿态检测方法，其特征在于，包括如下步骤：
(1)获取训练集；
所述训练集包括羊的侧方图像以及各图像对应的热力图，在热力图上有与对应图像上特征点相应的光斑；所述特征点包括所拍摄侧图像上羊前后腿的蹄子、膝盖和腿根；
(2)建立定位神经网络模型，以羊的侧方图像为输入，以对应的热力图为输出，对定位神经网络模型进行训练，得到训练后的定位神经网络模型；
(3)对羊的一侧进行图像采集，得到其实时动作图像，将其实时动作图像输入到训练后的定位神经网络中，得到与实时动作图像对应的实时热力图；
(4)将实时热力图设置在二维坐标系内，得到其中各光斑的二维坐标，将其分别作为对应特征点的二维坐标，并根据各特征点的二维坐标得其相对位置关系；
(5)建立羊的SMPL三维模型，将各特征点的相对位置关系加载到该SMPL三维模型中，得到其中的姿态参数，并根据姿态参数判断羊是否在做前后拉弓动作。


2.根据权利要求1所述的基于神经网络的羊的前后拉弓姿态检测方法，其特征在于，根据所述姿态参数判断羊是否在做前后拉弓动作的方法为：
将姿态参数与时间进行拟合，得到用于标识姿态参数随时间变化的曲线；
判断所述曲线是否呈先上升再下降的趋势，且波峰与波谷的差值是否大于设定差值，如果是，则判断为羊正在做前后拉弓动作。


3.根据权利要求1或2所述的基于神经网络的羊的前后拉弓姿态检测方法，其特征在于，根据特征点的二维坐标得到其相对位置关系的方法为：
建立三维空间坐标系，在获取训练集时，检测各特征点在三维空间坐标系中的坐标；
建立转换神经网络模型，以图像中标志点在二维坐标系的坐标为输入，以对应标志点的三维坐标为输出，对所述转换神经网络模型进行训练，得到训练后的转换神经网络模型；
获取实时动作图像中各特征点在二维坐标系中的坐标后，将其输入到训练后的转换神经网络模型中，得到各特征点在三维空间坐标系中的坐标。


4.根据权利要求1或2所述的基于神经网络的羊的前后拉弓姿态检测方法，其特征在于，所述步骤(5)中建立羊的SMPL三维模型的方法为：
在羊身上设置模型顶点，对羊进行整体扫描，得到羊身上各检测顶点的图像；
建立羊的三维立体模型，用GloSS模型对扫描结果进行拟合，将扫描得到的羊身上各检测顶点拟合到羊的三维立体模型上；
使用全局拓扑变形网格，得到羊的SMPL三维模型。


5.根据权利要求1所述的基于神经网络的羊的前后拉弓姿态检测方法，其特征在于，所述定位神经网络模型的损失函数为均方差损失函数：



其中e为定位神经网络模型的误差，n为训练集中图片的数量，st为定位神经网络模型输出的预测值，yt为输出值为st时输入值对应的标准值。


6.一种基于神经网络的羊前后拉弓姿态检测系统，包括处理器和存储...

【专利技术属性】
技术研发人员：夏波，康文静，
申请(专利权)人：夏波，
类型：发明
国别省市：江苏;32