自適應(yīng)分塊多閾值的俯視群養(yǎng)豬多目標(biāo)提取方法
【專利摘要】本發(fā)明公開了一種自適應(yīng)分塊的多閾值的目標(biāo)提取方法，有效解決了僅利用單幀圖像提取復(fù)雜場(chǎng)景下俯視群養(yǎng)豬前景目標(biāo)的問題。首先，利用直方圖均衡化對(duì)單幀圖像進(jìn)行圖像增強(qiáng)，其后做最大熵全局閾值分割，并通過取分割結(jié)果的“有效區(qū)域”及數(shù)學(xué)形態(tài)學(xué)處理等獲取初始目標(biāo)提取結(jié)果；接著，在初始目標(biāo)中尋找各目標(biāo)質(zhì)心，將原圖像自適應(yīng)分為以質(zhì)心為原點(diǎn)，以質(zhì)心到邊緣最大距離為半徑的多個(gè)圓形子塊；最后，在子塊中做多閾值局部最大熵閾值分割獲取精確二次目標(biāo)提取結(jié)果。本發(fā)明適用于光線漸變、豬停停走走運(yùn)動(dòng)模式、目標(biāo)顏色多樣等復(fù)雜場(chǎng)景下的多目標(biāo)提取。為探索群養(yǎng)豬個(gè)體身份識(shí)別、行為分析等奠定了基礎(chǔ)，同時(shí)為其他類似圖像的目標(biāo)提取提供了新思路。
【專利說明】自適應(yīng)分塊多閾值的俯視群養(yǎng)豬多目標(biāo)提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于機(jī)器視覺【技術(shù)領(lǐng)域】，具體涉及一種視頻監(jiān)控中前景目標(biāo)提取方法，尤 其是自適應(yīng)分塊多閾值的俯視群養(yǎng)豬多目標(biāo)提取方法。

【背景技術(shù)】
[0002] 準(zhǔn)確的豬個(gè)體前景檢測(cè)是開展豬個(gè)體身份識(shí)別、跟蹤、行為分析等后繼研宄的 基礎(chǔ)性工作。單豬視頻中常采用諸如簡(jiǎn)單的背景減等方法可有效獲取其前景（參見：劉 波，朱偉興，楊建軍，等.基于深度圖像和生豬骨架端點(diǎn)分析的生豬步頻特征提取[J].農(nóng) 業(yè)工程學(xué)報(bào)，2014,30(10) :131 - 137 ;劉同海，滕光輝，付為森，等.基于機(jī)器視覺的豬 體體尺測(cè)點(diǎn)提取算法與應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2013,29(2) :161 - 168;WangY，Yang WjWinterP，etal.Walk-throughweighingofpigsusingmachinevisionandan artificialneuralnetwork[J].BiosystemsEngineering.2008,100 (I):117 - 125 ； KashihaM，BahrC，HaredashtSA,etc.Theautomaticmonitoringofpigswateruse bycameras[J].ComputersandElectronicsinAgriculture，2013, 164 - 169.) 〇 但在 規(guī)模養(yǎng)殖場(chǎng)中，特別是在無法預(yù)先獲取不包含前景的背景圖像時(shí)，以及復(fù)雜場(chǎng)景下的俯視 群養(yǎng)豬視頻序列，探討有效的前景目標(biāo)提取方法仍然是一項(xiàng)具有挑戰(zhàn)性的工作。（參見： TuGJjKarstoftH，PedersenLJjetal.Foregrounddetectionusingloopybelief propagation[J].Biosystemsengineering，2013, 116(I) :88 - 96;YizhengGuojWeixing Zhu，PengpengJiao,etal.Foregrounddetectionofgroup-housedpigsbasedonthe combinationofMixtureofGaussiansusingpredictionmechanismandthreshold segmentation[J]·Biosystemsengineering，2014, 125(9) :98 - 104.)D本發(fā)明基本思路 是利用單幀圖像精確獲取復(fù)雜場(chǎng)景下俯視多豬目標(biāo)。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是利用單幀圖像提取復(fù)雜場(chǎng)景下俯視群養(yǎng)豬前景目標(biāo)，為此提出一 種自適應(yīng)分塊多閾值的俯視群養(yǎng)豬多目標(biāo)提取方法。該方法適用于光線漸變、豬停停走走 運(yùn)動(dòng)模式、目標(biāo)顏色多樣等復(fù)雜場(chǎng)景下的多目標(biāo)提取。
[0004] 本發(fā)明采用的技術(shù)方案是：自適應(yīng)分塊多閾值的俯視群養(yǎng)豬多目標(biāo)提取方法，其 特征在于包括以下步驟：
[0005] (1)獲取俯視狀態(tài)下群養(yǎng)豬視頻序列，對(duì)單幀圖像做直方圖均衡化與最大熵閾值 分割，獲取分割結(jié)果；
[0006] (2)取步驟⑴分割結(jié)果的"有效區(qū)域"并做數(shù)學(xué)形態(tài)學(xué)處理，得到初始目標(biāo)提取 結(jié)果；
[0007] (3)獲取各目標(biāo)質(zhì)心點(diǎn)，繪制質(zhì)心一邊緣點(diǎn)距離曲線，其后以質(zhì)心為原點(diǎn)，以質(zhì)心 到邊緣最大距離為半徑，自適應(yīng)設(shè)定圓形子塊區(qū)域；
[0008] (4)在子塊區(qū)域內(nèi)重復(fù)上述最大熵閾值分割及數(shù)學(xué)形態(tài)學(xué)處理可得到最終精確目 標(biāo)提取結(jié)果。
[0009] 步驟（1)具體方法是改建實(shí)驗(yàn)用豬舍，在豬舍正上方安裝拍攝俯視視頻的圖像采 集系統(tǒng)，獲取包含復(fù)雜場(chǎng)景的俯視群養(yǎng)豬彩色視頻片段；視頻分幀后，對(duì)單幀圖像做直方圖 均衡化的圖像增強(qiáng)。接著對(duì)圖像增強(qiáng)后的圖像做最大熵閾值分割。
[0010] 步驟（2)中的"有效區(qū)域"是指豬的矩形活動(dòng)區(qū)域，周圍圍墻、食槽等均不在"有效 區(qū)域"范圍內(nèi)。在取得步驟（1)分割結(jié)果的"有效區(qū)域"后，利用數(shù)學(xué)形態(tài)學(xué)處理得到只包 含前景目標(biāo)的圖像，即初始目標(biāo)提取結(jié)果。
[0011] 步驟（3)具體方法是在初始目標(biāo)提取結(jié)果的基礎(chǔ)上，確定各目標(biāo)的質(zhì)心點(diǎn)，再獲 得分塊半徑，就可以對(duì)原圖像進(jìn)行自適應(yīng)分塊分割。求取目標(biāo)的質(zhì)心（^y。）的公式如下：

【權(quán)利要求】
1. 自適應(yīng)分塊多閾值的俯視群養(yǎng)豬多目標(biāo)提取方法，其特征在于，包括以下步驟： (1) 獲取俯視狀態(tài)下群養(yǎng)豬視頻序列，對(duì)單幀圖像做直方圖均衡化與最大熵閾值分割， 獲取分割結(jié)果； (2) 取步驟⑴分割結(jié)果的"有效區(qū)域"并做數(shù)學(xué)形態(tài)學(xué)處理，得到初始目標(biāo)提取結(jié)果； (3) 獲取各目標(biāo)質(zhì)心點(diǎn)，繪制質(zhì)心一邊緣點(diǎn)距離曲線，其后以質(zhì)心為原點(diǎn)，以質(zhì)心到邊 緣最大距離為半徑，自適應(yīng)設(shè)定圓形子塊區(qū)域； (4) 在子塊區(qū)域內(nèi)重復(fù)上述最大熵閾值分割及數(shù)學(xué)形態(tài)學(xué)處理可得到最終精確目標(biāo)提 取結(jié)果。
2. 根據(jù)權(quán)利要求1所述的提取方法，其特征在于：所述步驟（1)具體方法是改建實(shí)驗(yàn) 用豬舍，在豬舍正上方安裝拍攝俯視視頻的圖像采集系統(tǒng)，獲取包含復(fù)雜場(chǎng)景的俯視群養(yǎng) 豬彩色視頻片段；然后視頻分幀處理，對(duì)單幀圖像做直方圖均衡化及最大熵閾值分割。
3. 根據(jù)權(quán)利要求1所述的提取方法，其特征在于：所述步驟⑵中的"有效區(qū)域"是指 豬的活動(dòng)區(qū)域。
4. 根據(jù)權(quán)利要求1所述的提取方法，其特征在于：步驟（2)中，所述的初始目標(biāo)提取結(jié) 果是取步驟1分割結(jié)果的"有效區(qū)域"，其后經(jīng)過數(shù)學(xué)形態(tài)學(xué)處理，最終獲得只包含前景目 標(biāo)的圖像。
5. 根據(jù)權(quán)利要求1所述的提取方法，其特征在于：步驟（3)中，所述自適應(yīng)設(shè)定圓形 子塊區(qū)域具體方法是：在初始目標(biāo)提取結(jié)果的基礎(chǔ)上，確定各目標(biāo)的質(zhì)心點(diǎn)，再獲得分塊半 徑，就可以對(duì)原圖像進(jìn)行自適應(yīng)分塊分割；這里求取目標(biāo)的質(zhì)心（Xc;，y。）的公式如下：
其中Nb為邊緣點(diǎn)總數(shù)，（Xi,yi)為某一邊緣點(diǎn)； 在確定各目標(biāo)質(zhì)心點(diǎn)后，在豬體輪廓上任取一個(gè)邊緣點(diǎn)（X^yi)作為起始點(diǎn)，計(jì)算邊緣 點(diǎn)（XiJi)與質(zhì)心（xe，y。）的距離，即質(zhì)心一邊緣點(diǎn)距離，計(jì)算公式如下：
按順時(shí)針方向，讓i從1取到Nb，計(jì)算豬體輪廓上每個(gè)邊緣點(diǎn)與質(zhì)心的距離，從而形成 質(zhì)心一邊緣點(diǎn)距離曲線；取質(zhì)心一邊緣點(diǎn)距離曲線的最高點(diǎn)，以該點(diǎn)所對(duì)應(yīng)的距離為分塊 半徑，將原始圖像自適應(yīng)分成若干圓形子塊。
6. 根據(jù)權(quán)利要求1所述的提取方法，其特征在于：所述步驟（4)具體方法是在步驟（3) 獲取的各子塊區(qū)域內(nèi)，重復(fù)步驟（1)、（2)的最大熵分割及取"有效區(qū)域"并做數(shù)學(xué)形態(tài)學(xué)處 理，可得到最終精確目標(biāo)提取結(jié)果。
【文檔編號(hào)】G06T7/20GK104504704SQ201410817095
【公開日】2015年4月8日 申請(qǐng)日期:2014年12月24日 優(yōu)先權(quán)日:2014年12月24日
【發(fā)明者】朱偉興, 郭依正, 李新城 申請(qǐng)人:江蘇大學(xué)