CN114511925B 一种基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法 （江苏大学）

一种基于嘴部区域的猪只饮水行为和多特本发明公开了一种基于嘴部区域的猪只饮期动量的步进更新算法对上述网络中的特征融2步骤2，在猪图像上标定饮水口框，并提取其轮廓作为轮廓模板；当轮廓相似性小于进行关键点特征提取，即利用改进的旋转不变的BRIEF描述符向量和MLBP描述符向量生成进的基于三期动量的步进更新算法对上述网络中的特征融合超参数ε和损失融合超参数γ步骤1中利用提出的基于统计分配多阈值的网格点连通分割算法SAM-GPSA对猪图像进2.2)对可能存在饮水行为的图像利用Pig-YOLO框的重合度来识别饮水行为，若饮水口框与嘴部框重合度达99此时饮水口处于猪只嘴所述利用Pig-YOLO网络检测嘴部框具体包括：将YOLOv3网络改进为Pig-Y2)将非线性激活层改用LeakyRelu层，增强3所述步骤3中改进的旋转不变的BRIEF描述a)对关键点邻接的24个像素点进行符合高斯分布的点配对(b,db)计算所有关键点的灰度质心点的坐标，选取所有分块中位于利用旋转不变的BRIEF描述符向量和旋转不变的MLBP描述符向量生成旋转不变的均匀2.根据权利要求1所述基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法，3.根据权利要求1所述基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法，44.根据权利要求1所述基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法，A)针对原LBP(LocalBinaryPattern)描述符不具备旋转不变性，通过计算对B)针对原LBP描述符只关注关键点与周围像素点的关系，忽略C)将上述A)与B)的二进制描述符级联，生成8维的旋转不变的多维度局部二值特征5.根据权利要求1所述基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法，4.1)利用最后三个偶数卷积层直接输出到最后一层进行4.2)利用关键点二维特征提取局部关键点特征，饮水猪图像通过卷积提取全局特征，所述基于三期动量的步进更新算法TM-SUA对超参数优化选取具体包括：对22)按照当前参数下预测概率值和真实值之间的差值构造指引参数，指引参数公式如5最优和次优峰值前后各2％的区域进行遍历，获得全局最优值；三期动量选择公式如式j6[0001]本发明涉及图像处理、深度学习和计算机[0004]本发明所采用的技术方案是基于嘴部区域的猪只饮水行为和多特征融合的身份阈值的网格点连通分割算法(GridPointSegmentationAlgorithmbasedonStatisticalAllocationMulti-Threshold,简称SAM-GP利用嘴部区域检测网络检测嘴部框，通过饮水口框是否与嘴部框重合来精确判断饮水行[0007](3)图像关键点特征的处理：对分割后饮水猪图像利用局部二值模式中0和1的跃变次数初步选取关键点；再通过均匀网格块非极值剔除算法(NonextremalEliminationAlgorithmforUniformGridBlocks,简称UGB-NEA)筛选关键点；然后利用旋转不变的[0008](4)饮水猪身份识别的处理：将分割后的饮水猪图像和关键点二维特征输入多尺度双通道识别网络；利用基于三期动量的步进更新算法对上述网络中的特征融合超参数ε7设立10种比例，背景灰度值区间占0-1010％-20%,…,90％-100％。比例按照四舍五入8点按照主方向进行相应特征描述符的排列，得出旋转不变的稳定二进制特征(Binary[0027]针对原LBP(LocalBinaryPattern)描述符不具备旋转不变性。本专利通过计算联，生成8维的旋转不变的多维度局部二值特征(MultipleLocalBinaryPattern，简称[0028]利用旋转不变的BRIEF描述符向量和旋转不变的MLBP描述符向量生成旋转不变的9j,l)为对应样本下的预测概率值Wk,j为不j[0055](4)多尺度双通道识别网络中利用权重超参数对提取的特征进行融合，提升识别点个数的比例，例如，设立10种比例，背景灰度值区间占0-1010％-20%,…,90％-[0074]旋转不变的MLBP描述符。针对原LBP(LocalBinaryPattern)描述符不具备旋转[0075]利用旋转不变的BRIEF描述符向量和旋转不变的MLBP描述符向量生成旋转不变的