一种基于视频前后帧建模的猪只检测方法技术

本发明专利技术公开了一种基于视频前后帧建模的猪只检测方法。首先，对数据集中的数据进行亮度变换、局部遮挡、PCA抖动等增强操作，以提高对各类目标检测环境的鲁棒性。之后，将迁移学习和注意力机制与端到端的DETR模型进行结合，从而有效地提升了目标检测的精度。随后，设计雅卡尔指数重置置信度获得最终目标检测结果，能够减小将飞雪，斑点等误识别以及猪只重复识别的概率。本发明专利技术有助于智能化猪场建设，可为后续猪只行为识别研究提供参考。后续猪只行为识别研究提供参考。后续猪只行为识别研究提供参考。

【技术实现步骤摘要】
一种基于视频前后帧建模的猪只检测方法


[0001]本专利技术涉及一种基于视频前后帧建模的猪只检测方法，将猪场监控视频建立为含有猪只目标的数字图像集，并在DETR模型基础上引入即插即用注意力机制，设计重置置信度算法和加装人机交互模块，属于计算机视觉目标检测领域。

技术介绍

[0002]数字养殖是一种通过数字技术来培育和管理生物的方法。它可以应用于多种领域，如农业、水产养殖、动物饲养等。数字养殖可以实现对生长环境、饲料、温度、湿度等因素进行精准控制，从而提高生产效率和产品质量。同时，数字养殖还可以通过传感器、互联网、人工智能等技术来实现远程监控和管理，从而实现智能化生产和管理。数字养殖的发展可以带来更高效、更可持续、更环保的生产方式，对于满足人类日益增长的粮食、水产、肉类需求具有重要意义。
[0003]对于猪场而言，数据采集和分析技术是猪只数字养殖的重要构成，其对猪厂进行信息采集与分析反馈。对于猪场的数字图像信息，目标检测技术集成了数据采集和分析功能。该技术获取猪厂内所有猪只各个时段的位置信息，可以帮助判断猪只的健康和活动状况，也是后续进行其他数据采集，如行为识别等的基础，为管理者优化养殖策略和资源分配提供信息支撑。
[0004]目标检测的方法主要有以下几种：基于传统机器学习的目标检测方法：包括基于滑动窗口的分类器的检测方法，基于深度学习的目标检测方法，基于深度学习和传统机器学习结合的目标检测方法，基于单阶段检测器的目标检测方法，基于多阶段检测器的目标检测方法。其各有优缺点，需要根据应用场景进行灵活选择。
[0005]但是现有的算法依旧存在一定不足。首先，现有的算法在卷积操作方面存在一定的局限性，包括难以处理不规则形状的目标，感受野的大小固定，不能适应不同大小的目标。其次，目前算法对于数量较多的目标检测情况存在大量的漏检误检情况，难以在数字养殖方面应用。

技术实现思路

[0006]技术问题：本专利技术的目的在于解决现有技术难以进行猪只密度较大，重叠猪只较多，干扰条件较多情况下的目标检测问题，提供一种基于视频前后帧建模的猪只检测方法。
[0007]技术方案：本专利技术的一种基于视频前后帧建模的猪只检测方法，依次包括以下步骤：
[0008]步骤1：基于实地养猪场的群猪图像，利用数据增强技术，得到2000幅图像数据集；
[0009]步骤2：选用目标检测模型得到初步目标检测结果；
[0010]步骤3：设计雅卡尔指数来衡量目标检测重叠指数；
[0011]步骤4：计算欧几里得距离来衡量目标检测误识别指数；
[0012]步骤5：根据上述求得的结果建立基于视频前后帧的检测模型，得到输入图像的猪
只检测结果。
[0013]进一步地，所述步骤1中，基于实地养猪场的群猪图像，利用亮度变换、局部遮挡、PCA抖动技术进行数据增强，得到2000幅图像数据集。
[0014]进一步地，所述步骤2中，将迁移学习和注意力机制与端到端的DETR模型进行结合，对数据集进行训练，获得猪只检测模型。
[0015]进一步地，所述步骤3中，设计雅卡尔指数来衡量目标检测重叠指数，第i,t个物体之间的雅卡尔指数pc
it
计算公式如下所示。
[0016][0017]上式中，S
t
表示第t种检测结果的识别框面积，S
i
表示第i种检测结果的识别框面积，S
it
表示第i,t两种检测结果的识别框重复面积，其计算公式如下所示。
[0018]S
it
＝(max(x
1t
,x
1i
)
‑
min(x
2t
,x
2i
))(max(y
it
,y
ii
)
‑
min(y
2t
,y
2i
))
[0019]上式中，(x
1t
,y
1t
),(x
1i
,y
1i
)表示第t,i个识别物体左上角的像素坐标，(x
2t
,y
2t
),(x
2i
,y
2i
)表示第t,i个识别物体右下角的像素坐标。
[0020]进一步地，所述步骤4中，基于欧几里得距离计算目标检测误识别指数的计算公式如下所示。
[0021][0022]上式中，D为所有检测结果的欧几里得距离集合，D
i
表示第i个物体的欧几里得距离，其计算公式为：
[0023][0024]上式中，x
m
,y
m
表示上一帧任意一个检测结果的中心点像素坐标，x
i
,y
i
表示本帧检测第i个结果的中心点像素坐标。
[0025]进一步地，所述步骤5中，根据重叠指数、误识别指数及猪只检测模型重置置信度，建立视频前后帧检测模型，其计算公式如下所示。
[0026][0027]上式中，p
′
i
表示视频前后帧检测模型得到的第i种识别结果的置信度，p
i
表示猪只检测模型得到的第i种识别结果的置信度，p
t
表示猪只检测模型得到的第t种识别结果的置信度，pw
i
表示第i种识别结果的误识别指数，pc
it
表示第i,t种识别结果重叠指数，T表示重叠指数阈值。
[0028]有益效果：
[0029]1、本专利技术利用数据增强技术提升了目标检测模型对于各类不同环境的适应能力以及检测精度；
[0030]2、本专利技术使用的基于视频前后帧建模的目标检测方法可以很好地检测遮挡，粘连，干扰因素较大场景下的猪只个体；
[0031]3、本专利技术选用目标检测模型与其它目标检测算法进行了实验比较，结果显示识别
的准确度以及处理速度上都有了一定的提升；
[0032]4、本专利技术有助于管理者监督猪场的整个生产过程，观察监督猪场的生产情况，尽可能地减少进入养殖场的人数，以避免人畜之间的交叉感染。
附图说明
[0033]图1为本专利技术专利总体框架图；
[0034]图2为数据集进行数据增强效果图，其中，2.1为亮度变换数据增强图，2.2为局部遮挡数据增强图，2.3为PCA方法数据增强图；
[0035]图3为本专利技术提出的基于视频前后帧的猪只目标检测方法与只使用所选用的目标检测模型进行检测的效果对比图。
具体实施方式
[0036]下面结合附图和实施例对本专利技术技术方案进行详细说明，但是本专利技术的保护范围不局限于所述实施例。
[0037]如图1所示，本实施例的基于视频前后帧的猪只目标检测方法，依次以下步骤：
[0038]步骤1：基于实地养猪场的群猪图像，利用数据增强技术，得到2000幅图像数据集；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频前后帧建模的猪只检测方法，其特征在于，包括以下步骤：步骤1：基于实地养猪场的群猪图像，利用数据增强技术，得到2000幅图像数据集；步骤2：选用目标检测模型得到初步目标检测结果；步骤3：设计雅卡尔指数来衡量目标检测重叠指数；步骤4：计算欧几里得距离来衡量目标检测误识别指数；步骤5：重置置信度，得到输入图像的猪只检测最终结果。2.根据权利要求1所述的基于视频前后帧建模的猪只检测方法，其特征在于：所述步骤1中，基于实地养猪场的群猪图像，利用亮度变换、局部遮挡、PCA抖动技术进行数据增强，得到2000幅图像数据集。3.根据权利要求1所述的基于视频前后帧建模的猪只检测方法，其特征在于：所述步骤2中，将迁移学习和注意力机制与端到端的DETR模型进行结合，对数据集进行训练，获得猪只检测模型。4.根据权利要求1所述的基于视频前后帧建模的猪只检测方法，其特征在于：所述步骤3中，设计雅卡尔指数来衡量目标检测重叠指数，第i,t个物体之间的雅卡尔指数pc
it
计算公式如下所示：上式中，S
t
表示第t种检测结果的识别框面积，S
i
表示第i种检测结果的识别框面积，S
it
表示第i,t两种检测结果的识别框重复面积，其计算公式如下所示：S
it
＝(max(x
1t
,x
1i
)min(x
2t
,x
2i
))(max(y
1t
,y
1i
)
‑
min(y
2t
,y
...

【专利技术属性】
技术研发人员：刘知秋，余舒扬，张金霞，
申请(专利权)人：东南大学，
类型：发明
国别省市：