CN120220192A 基于图像处理的大熊猫个体标识特征提取方法及系统

(19)国家知识产权局(10)申请公布号CN120220192A(71)申请人成都大熊猫繁育研究基地地址610057四川省成都市成华区熊猫大道1375号(74)专利代理机构成都天汇致远知识产权代理专利代理师胡晓(54)发明名称基于图像处理的大熊猫个体标识特征提取方法及系统本申请公开了基于图像处理的大熊猫个体标识特征提取方法及系统，涉及生物识别技术领域。首先获取待识别大熊猫的原始红外图像文件集，并从中提取待识别大熊猫的原始图像文件集，再对原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像集和肩带原始图像集；随后通过最小二乘椭圆拟合法对眼眶原始图像进行处理，获取待识别大熊猫的眼眶特征参数；最后根据肩带原始图像集获取待识别大熊猫的肩带特征参数；本申请通过对大熊猫体温与环境温度之间的温差提高了原始图像文件的准确性，对熊猫的眼眶参数提取，同时还对个体差异更大的肩带图案进行提取，从而通过眼眶特征与21.基于图像处理的大熊猫个体标识特征提取方法，其特征在于，包括以下步骤：获取待识别大熊猫的原始红外图像文件集；从所述原始红外图像文件集中提取待识别大熊猫的原始图像文件集；对所述原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像集和肩带原始图像集；采用最小二乘椭圆拟合法对所述眼眶原始图像进行处理，获取待识别大熊猫的眼眶特征参数；根据所述肩带原始图像集获取待识别大熊猫的肩带特征参数。2.根据权利要求1所述的基于图像处理的大熊猫个体标识特征提取方法，其特征在于，所述从所述原始红外图像文件集中提取待识别大熊猫的原始图像文件集，包括以下步骤：设定原始红外图像文件集的识别温度阈值；获取待识别大熊猫的原始红外图像文件集，从中提取任一原始红外图像；根据所述识别温度阈值对所述原始红外图像进行二值化处理；对二值化处理后的所述原始红外图像进行热分布特征提取，获取待识别大熊猫的原始重复步骤获取待识别大熊猫的原始红外图像文件集，从中提取任一原始红外图像的步骤，直至获取待识别大熊猫的原始图像文件集。3.根据权利要求1所述的基于图像处理的大熊猫个体标识特征提取方法，其特征在于，所述对所述原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像集和肩带获取原始图像文件集，并从所述原始图像文件集中任选一原始图像；将所述原始图像转换为灰度图像并进行降噪处理；设定筛分灰度值，根据所述筛分灰度值获取特征图像；重复获取原始图像文件集，并从所述原始图像文件集中任选一原始图像的步骤，直至获取所有特征图像；划分各所述特征图像，获取待识别熊猫的眼眶原始图像集和肩带原始图像集。4.根据权利要求3所述的基于图像处理的大熊猫个体标识特征提取方法，其特征在于，所述设定筛分灰度值，根据所述筛分灰度值获取特征图像，包括以下步骤：设定筛分灰度值G₀;获取降噪处理后的原始图像，并将其划分为若干单元格；分别获取各所述单元格的实际灰度值G,其中n表示单元格编号；重复比对各单元格的像素值，根据各单元格的编号拼接保留的各所述单元格得到特征图像。5.根据权利要求1所述的基于图像处理的大熊猫个体标识特征提取方法，其特征在于，所述采用最小二乘椭圆拟合法对所述眼眶原始图像进行处理，获取待识别大熊猫的眼眶特获取眼眶原始图像集，并从中任选一眼眶原始图像；根据所述眼眶原始图像的灰度值提取原始眼眶曲线；3采用最小二乘椭圆拟合法对原始眼眶曲线进行拟合获取拟合眼眶曲线；根据所述拟合眼眶曲线计算眼眶特征参数，所述眼眶特征参数包括长轴、短轴以及旋转角度。6.根据权利要求5所述的基于图像处理的大熊猫个体标识特征提取方法，其特征在于，所述根据所述眼眶原始图像的灰度值提取原始眼眶曲线，包括以下步骤：调取第一筛分灰度值G₀;将所述眼眶原始图像划分为若干单元格，分别获取各所述单元格的实际灰度值G;其中n表示单元格编号；提取所有实际灰度值等于第一筛分灰度值G₀的单元格，并按照顺时针或逆时针方向分根据所述第一单元格集生成第一拟合曲线集；在所述单元格A中随机依次选取若干像素单元P,通过拟合曲线L依次平滑连接各所述像素单元P;根据各所述拟合曲线的编号，依次平滑串联各所述拟合曲线L,获取原始眼眶曲线。7.根据权利要求1所述的基于图像处理的大熊猫个体标识特征提取方法，其特征在于，所述根据所述肩带原始图像集获取待识别大熊猫的肩带特征参数，包括以下步骤：获取肩带原始图像集，并从中任选一肩带原始图像；根据所述肩带原始图像的灰度值计算肩带面积S实；根据所述肩带原始图像的灰度值提取原始肩带曲线；根据所述原始肩带曲线判断肩带类型，并生成相应的尺寸参数；将所述肩带面积、肩带类型和尺寸参数作为肩带特征参数输出。8.根据权利要求7所述的基于图像处理的大熊猫个体标识特征提取方法，其特征在于，所述根据所述肩带原始图像的灰度值计算肩带面积S实，包括以下步骤，调取肩带原始图像，设定第二筛分灰度值G₀';将所述肩带原始图像划分为若干单元格，分别获取各所述单元格的实际灰度值G';其中n表示单元格编号；提取所有实际灰度值G。’小于第二筛分灰度值G。’的单元格作为第一单元格，计算第一肩带面积，所述第一肩带面积的表达式为S₁=j*s。,其中j表示第一单元格的面积；提取所有实际灰度值G。’等于第二筛分灰度值G。’的单元格作为第二单元格，获取第二获取任一第二单元格A,’,在所述第二单元格A,'中随机依次选取若干像素单元P’,通过拟合曲线L,’依次平滑连接各所述像素单元Px';其中所述像素单元P’在灰度为第二筛分通过所述拟合曲线L’分割所述第二单元格A’,取实际灰度值G。’小于第二筛分灰度值获取所有第二单元格的有效面积s,’,计算第二肩带面积和肩带面积，其中所述第二肩9.根据权利要求7所述的基于图像处理的大熊猫个体标识特征提取方法，其特征在于，4所述根据所述原始肩带曲线判断肩带类型，并生成相应的特征参数，包括以下步骤：获取原始肩带曲线，判断所述原始肩带围合的封闭区域的个数P;若个数P≥2,则判定原始肩带为断裂带，并分别为各断裂区生成最大宽度值、最小宽度值和长度值；若个数P=1,则为所述原始肩带曲线生成最小外接矩形，并计算所述最小外接矩形的面设定区分比值Q,并计算实际比值Q,若Q≥Q₀,则判定原始肩带为矩形肩带，并为所述若Q实<Q₀,则判定原始肩带为U形肩带，并为所述原始肩带生成最小宽度值，第一宽度10.基于权利要求1-9中任意一项所述提取方法的系统，其特征在于，包括，数据获取模块，用于获取待识别大熊猫的原始红外图像文件集；数据提取模块，用于从所述原始红外图像文件集中提取待识别大熊猫的原始图像文件图像处理模块，用于对所述原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像和肩带原始图像；第一计算模块，用于采用最小二乘椭圆拟合法对所述眼眶原始图像进行处理，获取待识别大熊猫的眼眶特征参数；第二计算模块，用于根据所述肩带原始图像获取待识别大熊猫的肩带特征参数。5基于图像处理的大熊猫个体标识特征提取方法及系统技术领域[0001]本申请涉及生物识别设备技术领域，具体涉及基于图像处理的大熊猫个体标识特征提取方法及系统。背景技术[0002]为了提高对大熊猫的保护力度，基于熊猫面部特征、声音等生理参数的识别技术得到了广泛应用，在通过声音进行识别的技术中，识别结果极易受到杂音的干扰，而通过面部特征进行识别时，其提取的特征参数较少，且熊猫的面部差异较小，由此导致熊猫的识别准确率较低。发明内容[0003]本申请的主要目的在于提供基于图像处理的大熊猫个体标识特征提取方法及系统，旨在解决现有技术中存在的识别准确率的缺陷。[0004]本申请通过以下技术方案实现上述目的：基于图像处理的大熊猫个体标识特征提取方法，包括以下步骤：获取待识别大熊猫的原始红外图像文件集；从所述原始红外图像文件集中提取待识别大熊猫的原始图像文件集；对所述原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像集和肩带原始图像集；采用最小二乘椭圆拟合法对所述眼眶原始图像进行处理，获取待识别大熊猫的眼眶特征参数；根据所述肩带原始图像集获取待识别大熊猫的肩带特征参数。[0005]可选的，从所述原始红外图像文件集中提取待识别大熊猫的原始图像文件集，包括以下步骤：设定原始红外图像文件集的识别温度阈值；获取待识别大熊猫的原始红外图像文件集，从中提取任一原始红外图像；根据所述识别温度阈值对所述原始红外图像进行二值化处理；对二值化处理后的所述原始红外图像进行热分布特征提取，获取待识别大熊猫的原始图像；重复步骤获取待识别大熊猫的原始红外图像文件集，从中提取任一原始红外图像的步骤，直至获取待识别大熊猫的原始图像文件集；可选的，对所述原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像集和肩带原始图像集，包括以下步骤：获取原始图像文件集，并从所述原始图像文件集中任选一原始图像；将所述原始图像转换为灰度图像并进行降噪处理；设定筛分灰度值，根据所述筛分灰度值获取特征图像；6重复步骤获取原始图像文件集，并从所述原始图像文件集中任选一原始图像的步骤，直至获取所有特征图像；划分各所述特征图像，获取待识别熊猫的眼眶原始图像集和肩带原始图像集。[0006]可选的，设定筛分灰度值，根据所述筛分灰度值获取特征图像，包括以下步骤：设定筛分灰度值G₀;获取降噪处理后的原始图像，并将其划分为若干单元格；分别获取各所述单元格的实际灰度值G,其中n表示单元格编号；若G≥G₀,则剔除该单元格，否则保留；重复比对各单元格的像素值，根据各单元格的编号拼接保留的各所述单元格得到特征图像。[0007]可选的，采用最小二乘椭圆拟合法对所述眼眶原始图像进行处理，获取待识别大熊猫的眼眶特征参数，包括以下步骤：获取眼眶原始图像集，并从中任选一眼眶原始图像；根据所述眼眶原始图像的灰度值提取原始眼眶曲线；采用最小二乘椭圆拟合法对原始眼眶曲线进行拟合获取拟合眼眶曲线；根据所述拟合眼眶曲线计算眼眶特征参数，所述眼眶特征参数包括长轴、短轴以及旋转角度。[0008]可选的，根据所述眼眶原始图像的灰度值提取原始眼眶曲线，包括以下步骤：调取第一筛分灰度值G₀;将所述眼眶原始图像划分为若干单元格，分别获取各所述单元格的实际灰度值G;其中n表示单元格编号；提取所有实际灰度值等于第一筛分灰度值G₀的单元格，并按照顺时针或逆时针方向分别对各个单元格进行编号，获取第一单元格集{A₁、A₂、...、A};其中m表示单元格编号；根据所述第一单元格集生成第一拟合曲线集；在所述单元格A中随机依次选取若干像素单元P,通过拟合曲线L依次平滑连接各所述像素单元Px;根据各所述拟合曲线的编号，依次平滑串联各所述拟合曲线L,获取原始眼眶曲[0009]可选的，根据所述肩带原始图像集获取待识别大熊猫的肩带特征参数，包括以下步骤：获取肩带原始图像集，并从中任选一肩带原始图像；根据所述肩带原始图像的灰度值计算肩带面积S实；根据所述肩带原始图像的灰度值提取原始肩带曲线；根据所述原始肩带曲线判断肩带类型，并生成相应的尺寸参数；将所述肩带面积、肩带类型和尺寸参数作为肩带特征参数输出。[0010]可选的，根据所述肩带原始图像的灰度值计算肩带面积S卖，包括以下步骤，调取肩带原始图像，设定第二筛分灰度值G₀';将所述肩带原始图像划分为若干单元格，分别获取各所述单元格的实际灰度值G';其中n表示单元格编号；7提取所有实际灰度值G。’小于第二筛分灰度值G。’的单元格作为第一单元格，计算第一肩带面积，所述第一肩带面积的表达式为S₁=j*s₀,其中j表示第一单元格的个数，s,表示单元格的面积；提取所有实际灰度值G。’等于第二筛分灰度值G。’的单元格作为第二单元格，获取第二单元格集{A₁’、A₂'、...、A₄’};其中t表示单元格编号；根据第二筛分灰度值G₀’分别在所述各所述第二单元格A,'中生成拟合曲线L’,获取第二拟合曲线集{L'、L₂'、...、L'};所述通过第二拟合曲线集{L₁'、L₂'、...、L’}分别分割各所述第二单元格A’,拟合计算各所述第二单元格A,’的有效面积s,’;计算第二肩带面积和肩带面积，其中所述第二肩带面积的表达式为S₂=s₁'+s₂'+...+s:'+...+s’;S实=S₁+S₂。[0011]可选的，根据所述原始肩带曲线判断肩带类型，并生成相应的特征参数，包括以下步骤：获取原始肩带曲线，判断所述原始肩带围合的封闭区域的个数P;若个数P≥2,则判定原始肩带为断裂带，并分别为各断裂区生成最大宽度值、最小宽度值和长度值；若个数P=1,则为所述原始肩带曲线生成最小外接矩形，并计算所述最小外接矩形设定区分比值Q,并计算实际比值Q,若Q≥Q₀,则判定原始肩带为矩形肩带，并为所述原始肩带曲线生成肩带宽度值和肩带长度值；其中所述Q。的取值为0.8-1,所述Q实=S实/若Q实<Q₀,则判定原始肩带为U形肩带，并为所述原始肩带生成最小宽度值，第一宽度值、第二度值和长度值。[0012]相应的，本申请还公开了基于上述特征提取方法的系统，包括，数据获取模块，用于获取待识别大熊猫的原始红外图像文件集；数据提取模块，用于从所述原始红外图像文件集中提取待识别大熊猫的原始图像文件集；图像处理模块，用于对所述原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像和肩带原始图像；第一计算模块，用于采用最小二乘椭圆拟合法对所述眼眶原始图像进行处理，获取待识别大熊猫的眼眶特征参数；第二计算模块，用于根据所述肩带原始图像获取待识别大熊猫的肩带特征参数。[0013]与现有技术相比，本申请具有以下有益效果：本申请包括首先获取待识别大熊猫的原始红外图像文件集，并从中提取待识别大熊猫的原始图像文件集，再对所述原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像集和肩带原始图像集；随后通过最小二乘椭圆拟合法对所述眼眶原始图像进行处理，获取待识别大熊猫的眼眶特征参数；最后根据所述肩带原始图像集获取待识别大熊猫的肩带特征参数；与现有技术相比，首先本申请通过红外图像文件提取原始图像文件，其原因在于，8大熊猫作为恒温动物，其红外温度图像相对稳定，而熊猫周边的环境温度也比较稳定，因此大熊猫与环境温度之间将会形成稳定的温差，通过上述温差能够在红外图像上准确的提取原始图像文件，从而降低环境背景对特征提取的影响，提高特征的准确性和识别的准确性；其次，本申请在具体的参数提取过程中，本申请不但对熊猫的眼眶参数提取，同时还对具有明显区别个体差异的肩带图案进行提取，从而通过眼眶特征与肩带特征的结合实现对熊猫个体的精确标识，提高熊猫识别的准确率；最后本申请在对熊猫眼眶的特征参数进行提取时，采用了最小二乘椭圆拟合法，与现有技术中通过熊猫眼眶黑色斑块的轮廓比对方式相比，本申请获取的参数更加简洁，其比对的效率更高，同时椭圆参数能够更加全面的反应熊猫眼眶的整体情况，有利于提高识别的准确率。附图说明[0014]图1为本申请实施例1提供的基于图像处理的大熊猫个体标识特征提取方法的流图2为眼眶原始图像上划分单元格的原理图；图3为第一拟合曲线的生成原理图；图4为断裂型肩带的示意图；图5为矩形肩带的示意图；图6为U型肩带原始图像上划分单元格的原理图；图7为第二单元格中有效面积的计算原理图；图8为第二拟合曲线的生成原理图；图9为标识特征提取系统的结构示意图；本申请目的实现、功能特点及优点将结合实施例，参照附图作进一步说明。具体实施方式[0015]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技9例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。[0019]实施例1[0020]参照图1到图8,本实施方式公开了一种基于图像处理的大熊猫个体标识特征提取S1、获取待识别大熊猫的原始红外图像文件集；通过红外照相机对待识别大熊猫进行拍照，需要指出的是，拍照时不但需要拍摄大熊猫脸部的正面照，同时还需要拍摄其背部照片，从而获取包含有多张红外图像的原始红外图像文件集；需要指出的是，也可以从数据库中进行筛选获取原始红外图像文件集；S2、从所述原始红外图像文件集中提取待识别大熊猫的原始图像文件集；S21、设定原始红外图像文件集的识别温度阈值；大熊猫的日常体温一般为36.5℃-37.5℃,因此根据大熊猫的体温，将识别温度阈值设定于36.5℃-37.5℃;S22、获取待识别大熊猫的原始红外图像文件集，从中提取任一原始红外图像；S23、根据所述识别温度阈值对所述原始红外图像进行二值化处理；对所述原始红外图像划分为若干单元格，根据识别温度阈值对各个单元格进行分即温度高于或等于识别温度阈值的区域为一类，将其标记为1,温度低于识别温度阈值的为一类，将其标记为0,通过上述即使措施即可完成原始红外图像的二值化处理；S24、对二值化处理后的所述原始红外图像进行热分布特征提取，获取待识别大熊猫的原始图像；获取二值化处理后的原始红外图像，由于需要提取熊猫个体的图像，因此提取所有标记为1的区域，去除所有标记为0的区域，从而得到待识别大熊猫的原始图像；S25、重复步骤获取待识别大熊猫的原始红外图像文件集，从中提取任一原始红外图像的步骤，直至获取待识别大熊猫的原始图像文件集；重复上述步骤即可获取所有原始图像，并将其归集为待识别大熊猫的原始图像文[0021]S3、对所述原始图像文件集进行灰度处理，分别获取待识别熊猫的眼眶原始图像集和肩带原始图像集；S31、获取原始图像文件集，并从所述原始图像文件集中任选一原始图像；S32、将所述原始图像转换为灰度图像并进行降噪处理；需要说明的是转换为灰度图像与对图像进行降噪处理均采用现有技术，如采用高斯滤波或中值滤波进行降噪。[0022]通过上述降噪处理能够有效提高数据提取的准确性；S331、设定第一筛分灰度值G₀;第一筛分灰度值可以采用人工设定，也可以由计算机根据设定的范围随机设定，但是需要指出的是，由于获取照片时，各个大熊猫体表的清洁程度不同，同时各个大熊猫的毛发颜色存在一定的差异，因此在设定筛分灰度值时优先考虑人工设定，以提高参数设定的准确性。[0023]S332、获取降噪处理后的原始图像，并将其划分为若干单元格；S333、分别获取各所述单元格的实际灰度值G,其中n表示单元格编号；将原始图像划分为若干单元格后，首先为各个单元格进行编号，优选的，编号找日常从左至右的顺序进行；随后通过计算机系统分别获取各单元格的实际灰度值G,其中n表示单元格编号；提取实际灰度值G₁,比较实际灰度值G₁与第一筛分灰度值G₀,如果满足G₁≥G₀,则表明实际灰度值G₁不符合要求，将该单元格剔除；S335、重复比对各单元格的像素值，根据各单元格的编号拼接保留的各所述单元格得到特征图像。[0024]提取实际灰度值G₂,并重复上述比对，直至完成所有实际灰度值的比对，将满足G≥G₀的单元格全部剔除；随后在保留原始位置的前提下，拼接保留的各所述单元格从而得到特征图像；其次，也可以将划分为多个单元格的图像作为基础，当识别需要清除的单元格时，将其从图像上删除，而需要保留的单元格则予以保留，从而通过不断的清除单元格得到最终的特征图像；S34、重复获取原始图像文件集，并从所述原始图像文件集中任选一原始图像的步重复步骤S31-S33即可获取所有特征图像；S35、划分各所述特征图像，获取待识别熊猫的眼眶原始图像集和肩带原始图像集。[0025]熊猫眼眶一般包括两个完全隔离的黑色斑块，二者之间具有较块的间隔；两斑块具有一定的对称性，且两斑块的面积较小，因此通过上述区别特点能够快速识别眼眶原始图像和肩带原始图像，进而分别获取待识别熊猫的眼眶原始图像集和肩带原始图像集。[0026]S4、采用最小二乘椭圆拟合法对所述眼眶原始图像进行处理，获取待识别大熊猫的眼眶特征参数；获取步骤S3中得到的眼眶原始图像集，并从中任选一眼眶原始图像；S42、根据所述眼眶原始图像的灰度值提取原始眼眶曲线；S422、将所述眼眶原始图像划分为若干单元格，分别获取各所述单元格的实际灰度值G;其中n表示单元格编号；需要指出的是，本步骤可以直接调用步骤S333中的编码参数和单元格划分，采用11上述方法则可能导致编号不连续；也可以将眼眶原始图像重新划分为若干单元格，最后在分别对各个单元格进行编[0027]S423、提取所有实际灰度值等于第一筛分灰度值G₀的单元格，并按照顺时针或逆时针方向分别对各个单元格进行编号，获取第一单元格集{A₁、A₂、...、A};其中m表示单元格编号；以大熊猫眼眶的中心点为原点，其眼眶黑斑的颜色变化具有一定的规律性，即沿径向方向，指向原点的方向，颜色组件加深；因此在眼眶轮廓线内的区域，其灰度值将逐步降低，直至接近0;远离原点灰度将逐步升高，而边界区域则等于第一筛分灰度值G₀;基于上述原理，提取所有实际灰度值等于第一筛分灰度值G₀的单元格，为保证后续计算的有序性，同时基于熊猫眼眶为闭合环形结构的特点，按照顺时针或逆时针方向分需要说明的是，上述各第一单元格能够依次闭合连接。从所述第一单元格集中获取任一单元格A,将第一单元格Ai分解为若干像素单元，读取每个像素单元的灰度值，上述各像素单元的灰度值中，部分会高于第一筛分灰度值G₆,部分会等于第一筛分灰度值G₀,会低于第一筛分灰度值G,选取等于第一筛分灰度值G₀的像素单元，按照一定的顺序分别标记各像素单元P,随后通过平滑曲线串联上述各像素单元P,该平滑曲线即为第一拟合曲线L;需要说明的是，上述标记方向可以选择单元格的长度方向，以避免连接后的曲线同时对于部分杂乱点还可以通过人工排出的方式进行删减；重复上述步骤即可获取第一单元格集中所有单元格的第一拟合曲线，并轨迹得到第一拟合曲线集{L₁、L₂..、L};S426、根据各所述拟合曲线的编号，依次平滑串联各所述第一拟合曲线L,获取原始眼眶曲线。[0029]调取拟合曲线集{L₁、L₂...、L},由于各个单元格A按照顺时针或逆时针的顺序依次编号，因此按照编号顺序依次平滑串联各所述拟合曲线L,即可获取原始眼眶曲线；通过上述方法能够在边缘区域进一步以像素单元为单位细化提取熊猫眼眶的边[0030]S43、采用最小二乘椭圆拟合法对原始眼眶曲线进行拟合获取拟合眼眶曲线；调取步骤S426获取的原始眼眶曲线，通过最小二乘法对上述曲线进行拟合，获取拟合眼眶曲线；S44、根据所述拟合眼眶曲线计算眼眶特征参数，所述眼眶特征参数包括长轴、短[0031]通过计算机拟合得到拟合眼眶曲线后，即可自动计算眼眶特征参数，由于大熊猫的眼眶为椭圆形结构，因此通过拟合得到的拟合眼眶曲线为一椭圆形，进而得到所述眼眶其中两个眼眶呈八字形结构分布，通过旋转角度能够表征两眼眶之间的夹角；重复步骤S4即可获取所有眼眶原始图像的眼眶特征参数；S5、根据所述肩带原始图像集获取待识别大熊猫的肩带特征参数。[0032]S51、获取肩带原始图像集，并从中任选一肩带原始图像；S52、根据所述肩带原始图像的灰度值计算肩带面积S实；S521、调取肩带原始图像，设定第二筛分灰度值G₀’;需要说明的是，所述第二筛分灰度值G。’可以与第一筛分灰度值G₀相同，也可以不同，且可以通过人工设定的方式设定第二筛分灰度值G。';S522、将所述肩带原始图像划分为若干单元格，分别获取各所述单元格的实际灰度值G’;其中n表示单元格编号；将步骤S51获取的肩带原始图像划分为若干单元格，按照一定的顺序为每个单元格进行编号，通过分别获取每个单元格的实际灰度值G’;其中n表示单元格编号；S523、提取所有实际灰度值G’小于第二筛分灰度值G。’的单元格作为第一单元格，计算第一肩带面积，所述第一肩带面积的表达式为S₁=j*s₀,其中j表示第一单元格的个数，so表示单元格的面积；以第二筛分灰度值G。’为基准，各个单元格的实际灰度值存在3种情况，即大于、等于和小于第二筛分灰度值G₀',其中大于第二筛分灰度值G。’的单元格需要排除，等于第二筛分灰度值G。’的单元格属于边界区域，上述区域需要进一步区分边界，小于第二筛分灰度值G。’的单元格属于肩带板块的核心区域，上述区域可以全部用于计算肩带的面积；因此，提取所有实际灰度值G’小于第二筛分灰度值G。’的单元格作为第一单元格，由于每个单元格的面积相同，因此所述第一肩带面积的表达式为S₁=j*s₀,其中j表示第一单元格的个数，s₀表示单元格的面积；S524、提取所有实际灰度值G。'等于第二筛分灰度值G。’的单元格作为第二单元格，获取第二单元格集{A₁'、A₂'、...、A₄'};其中t表示单元格编号；S525、根据第二筛分灰度值G。’分别在所述各所述第二单元格A,’中生成拟合曲线L',获取第二拟合曲线集{L₁'、L₂'、...、L'};从所述第二单元格集{A₁'、A₂'、...、A’}中任选一第二单元格A',将第二单元格A’分解为若干像素单元，读取每个像素单元的灰度值，上述各像素单元的灰度值中，部分会高于第二筛分灰度值G₀',部分会等于第二筛分灰度值G。’,会低于第二筛分灰度值G。',选取等于第二筛分灰度值G。’的像素单元，按照一定的顺序分别标记各像素单元P’,随后通过平滑曲线串联上述各像素单元Px',该平滑曲线即为第二拟合曲线L,';需要说明的是上述标记方向可以选择单元格的长度方向，以避免连接后的曲线出现混乱；同时对于部分杂乱点还可以通过人工排出的方式进行删减；重复上述步骤即可获取第二单元格集中所有单元格的拟合曲线，并轨迹得到第二拟合曲线集{L₁’、L₂'、..、L'};S526、所述通过第二拟合曲线集{L₁'、L₂'、...、L’}分别分割各所述第二单元格A,’,拟合计算各所述第二单元格A,'的有效面积s,';首先从第二拟合曲线集{L₁’、L₂'、...、L'}调取第二拟合曲线L₁’,再调取对应的第二单元格A₁’;另一侧为低于第二筛分灰度值G₀’,取低于低于第二筛分灰度值G。’的一侧区域为有效面积区，通过拟合计算的方式计算该区域的有效面积s,';S527、计算第二肩带面积和肩带面积，其中所述第二肩带面积S₂=s₁'+s₂'+...+s;'[0033]第二肩带面积的计算公式为S₂=s₁'+s₂'+...+s,'+...+st’,提取步骤S526中所有有效面积，即可得到第二肩带面积；随后根据公式S实=S₁+S₂计算肩带面积。[0034]S53、根据所述肩带原始图像的灰度值提取原始肩带曲线；需要说明的是，通过灰度值提取原始肩带曲线的方法与步骤S42中提取原始眼眶平滑连接各第二拟合曲线得到原始肩带曲线；S54、根据所述原始肩带曲线判断肩带类型，并生成相应的尺寸参数；S541、获取原始肩带曲线，判断所述原始肩带围合的封闭区域的个数P;S542、若个数P≥2,则判定原始肩带为断裂带，并分别为各断裂区生成最大宽度若个数P≥2,则表示大熊猫的肩带存在至少两个相互分离的区域，即肩带出现断裂区，此时直接判定原始肩带为断裂带；随后根据所述原始肩带曲线分别为各断裂区生成最大宽度值、最小宽度值和长度S543、若个数P=1,则为所述原始肩带曲线生成最小外接矩形，并计算所述最小外如果个数P=1,则表示所述原始肩带曲线围合为一个完整的区域，此时通过计算机拟合提取所述原始肩带曲线的最小外接矩形，并计算最小外接矩形的面积S外；所述原始肩带曲线生成肩带宽度值和肩带长度值；其中所述Q。的