專利名稱：基于橢圓擬合的豬行走姿態識別方法
技術領域：
本發明屬于圖像處理和機器視覺技術。具體還涉及橢圓擬合和動物行為識別與分類技術。
背景技術：
視頻和圖像是客觀事物生動直觀的描述。進入二十一世紀后，數字化和網絡化的步伐逐步加快，視頻監控系統以直觀性和實時性的優點而倍受青睞，并已經應用于許多方面，包括政府機關、電力電信、監獄、軍隊、銀行、金庫、超市、商場、賓館、小區、學校、辦公樓寸。隨著生活水平的提高，人們對食品要求的焦點從數量增長逐漸轉向了數量和質量同步增長。豬肉類食品在人們生活中已是一種不可缺少的食品，因此，豬肉類產品的質量提高已經和產量增加同樣重要，也就是說不僅要關注生產產量，而且要關注產品的整個生長過程。為此，豬的行為的研究越來越受到關注。豬的行為通常采用人工觀察和手工記錄。利用人工觀察和手工記錄，一方面觀察人員勞動強度大，且工作環境差，長時間在豬舍中觀察將嚴重影響工作人員的健康；另一方面由于僅靠人工觀察，因人手緊、成本高以及人的疲勞和認知程度等因素會導致信息不準和疏漏等現象發生，所以，尋找更方便、精確和可靠的自動檢測方法成了迫切需要。豬體是一個有機的整體，其體形外貌不僅是軀體結構的外部表現也是其內部組織器官及生長發育、生理機能、行為狀況的體現，因此，可以通過獲得豬體的形體參數信息用來了解豬的行為和生理狀況。本發明利用橢圓來構建豬體模型，利用橢圓擬合算法，實現對豬行為姿態的識別， 這對了解和改善豬的生長環境和條件，改善豬的福利，提高豬產品質量具有重要意義。該方法從連續的視頻圖像中提取出運動目標(豬)，對提取出的豬進行跟蹤，并對其行為進行描述和理解。具體地說，根據豬身體各個部位的相對位置及其運動等行為特征， 利用形態學、計算機視覺技術和定量分析方法，計算出描述豬行為的體態參數，構建相應的模型，實現對豬的行走姿態識別。

發明內容
本發明主要包括幾何圖形建模和橢圓擬合算法。首先采用背景差分法對豬圈內的目標豬進行邊緣檢測，得到豬的輪廓，利用形態學方法對豬的輪廓圖像進行預處理，去除輪廓中的噪聲，然后利用改進的隨機橢圓檢測算法對豬體輪廓上的點進行橢圓擬合。根據由頭頸部、軀體和四肢等部位所擬合成四個橢圓，以豬體軀干所代表的面積最大的橢圓的圓心為原點，該橢圓的長軸就是坐標系的橫軸，建立一個二維坐標系0'。然后通過各個橢圓在該坐標系中的相對位置分布特征建立幾何模型并確定相應的姿態參數。最后將這些參數輸入支持向量機分類器，對豬的正常站立，低頭站立和躺臥等不同姿態進行識別與分類。附圖表說明
3


圖1是本發明的設計方案流程圖。圖2是豬行為姿態支持向量機分類器的訓練過程。圖3是背景圖像圖4是采集的目標圖像圖5是邊緣檢測結果6是坐標建立7是豬行為姿態特征參數表示8是豬的不同姿勢的坐標圖和擬合圖
具體實施例方式本發明的設計方案流程圖如圖1所示。具體步驟如下。1.通過圖像采集系統對豬圈中的豬進行圖像采集。2.利用背景差分法檢測出圖像中的目標豬，提取出目標豬的輪廓；利用形態學算法對提取出的輪廓進行處理，分別去除豬體中的突刺和填充圖像中的空洞，得到一個完整的豬體輪廓。3.利用改進的隨機橢圓檢測算法對圖像中的豬體輪廓進行橢圓擬合并建立坐標系。(1)改進的隨機橢圓檢測算法現有的隨機橢圓檢測(Randomized Ellipse Detection, RED)算法在豬姿態識別中存在誤差偏大的缺陷，本文對RED算法做了如下改進1)選用自適應閾值Td，避免參數選取不當而導致擬合的橢圓與真實橢圓差別過大的問題，確保隨機選取的相鄰的數據點控制在一定的范圍區間內，2)增加迭代循環，對不在初始假設橢圓上的點進行收集并再次擬合。 該算法中所使用到的參數見表1。表1算法參數表(問題(l)Td那行“第4點”是否打錯？是不是“數據點”？是“數據點”(2)np、f、那行是否應該np表示集合U中邊緣點的數量？)是改進后的具體算法如下1)初始化計數器f，使f = 0。2)取豬體輪廓邊緣上的四個數據點PiJP Pi e U，i = (Udd)JiPi e U滿足其中任何2個不同Pi的幾何距離不能小于閾值Ta ；在集合U中去掉所取的數據，使U =U-{PJ ；當f = Tf或者np < Teffl時，進行中斷，給出結果。3)根據Pi擬合出假設的橢圓判斷4個數據點是否符合條件，即任何一個數據點到假設橢圓的距離是否大于閾值Td，如果大于等于閾值Td，則將這4個數據點返回到集合U 中，并使計數器加1，轉到步驟2，否則直接進入下一步。4)設步驟3中擬合出的假設橢圓為Euk，初始化η使η = 0。判斷集合U中的數據點Pm到Eijk的距離L和閾值Td的關系，如果L < Td,則使η = η+1，并設集合V用來收集不在假設橢圓上的數據點，使V = U-Pm。5)利用步驟4遍歷集合U中的所有數據點，即可得到滿足閾值Td的計數器值~ = η。6)求出Euk的周長Cuk，判斷是否滿足彡TrCijk,如果滿足，則跳轉到步驟7，否則認為Euk不存在，然后將步驟4中的~個數據點返回到U中，計數器加1，即f = f+Ι，然后跳轉到步驟2。7)設置迭代次數T = 0且T的最大值為Tmax，最小變化率Tn，并使N。ld = ne。8)將步驟4中的集合V中的數據點進行再次擬合，并且使迭代次數加1，即T = T+1。9)通過假設存在的橢圓Euk來求解Td的值；遍歷V中的數據點，尋找所選的到可能橢圓的距離D < Td的數據點，更新和可能橢圓邊界點集合I，并將的值賦給Nnrat ；如果|N_-N。ld|/N。ld > Tn并且T < Tt，則跳轉到步驟2 ；否則算法終止，V = V-Ve ；確認橢圓的表達式。10)確認橢圓Euk是真實的。將計數器清零，跳回步驟2，再次對其他橢圓進行檢測。由上述擬合過程可以得知，在原RED算法中插入了一個迭代的過程，對可能存在的而又不在假設橢圓上的數據點重新進行收集，使橢圓擬合的過程更加精確。(2)建立豬體的幾何模型由于豬輪廓非剛體特性以及身體各部分大小的差異，擬合后的豬體是由很多個橢圓構成。通過橢圓的大小分別確定豬體的頭頸部、軀干、前肢和后肢4個部分所擬合的橢圓，而四個橢圓的面積大小關系是軀干>頭頸部>前后肢。擬合的所有的橢圓中，豬體軀干所代表的橢圓是所有橢圓中面積最大的橢圓，以此橢圓的圓心為原點建立一個二維坐標系 0'，該橢圓的長軸就是坐標系的橫軸。然后通過橢圓在坐標系中的相對位置參數建立幾何模型。設豬體中任何一個橢圓I (X，y)的質心為(瓦y)，其中⑴y =^-YjI {χ, y)y(2)這里的N為該橢圓區域所有像素，表達式為N = Y1^y)⑶該橢圓區域的協方差矩陣為
a d c b
去Σ辦，少)
υ
(x_J)2 (x-x)(y-y) (x-x)(y-y) (y-yf
(4)該協方差矩陣的特征值λ ρ λ 2與對應的特征向量Vl、V2表示該橢圓的長短軸的長度和方向。橢圓長軸長度為L，則L = λ i，短軸長度M，則M = λ 2。橢圓的偏轉角度θ就是橢圓的長軸與坐標系中的橫軸的夾角，即 θ = Zyl= cos
TT
(5)相對于每一幀的特征矢量就是蘆(幻=&,>^肩)，其中i為四個橢圓的下標t通過假設存在的橢圓Ei1k來求解自適應閾值Td
Td = ^au2jl +ua+vA+ Cv2a + duA + eva +1| uA =U0 + vA =va+[L + ddif)sin0
(6)其中(U(1，V(1)是橢圓的中心點坐標，ddif為點到橢圓邊界的最大距離，L和θ分別是
橢圓的長軸長度和橢圓的偏轉角度4個不同橢圓中各自的F中的4個參數，包括質心( )
和長軸長度L和橢圓偏轉角θ共有16個的特征參數，以此16個特征作為豬體姿態識別的特征。4.基于支持向量機(SVM)對姿態進行分類(1)豬的行為姿態支持向量機分類器構建支持向量機的主要思想是把非線性可分的數據通過一個變換Φ :RN — F映射到一個高維線性特征空間F，然后通過解約束優化問題 min 沴(w，0 =
w+取.
Z=I
(7)
s. t. Yi (w ‘ Φ (Xi)+b) ^l-I1, ξ i > 0，i = 1，· · ·，1 構造最優分類超平面
H :f (x) = w · Φ (x)+b
⑶
(9)其中，w是特征空間中分類超平面的系數向量，b是分類面的閾值，ξ是考慮分類誤差而引入的松弛因子，C是對誤差的懲罰因子。特征空間F的維數一般很大，在其中直接計算幾乎是不可能的，但由于 w = Za,y/(x,)，因而svM在特征空間中所有運算都是點積運算，svM中引入核函數方法，
Z=I
即 K (Xi, X1) = Φ (Xi) · Φ (X1)
(10) 則不需明確地知道的具體形式就可以把高維特征空間中的點積運算轉化為低維輸入空間的核函數運算，巧妙地解決了在高維空間中計算帶來的“維數災難”問題。本發明
采用徑向基函數
足(χ，x) = exP(-
Xi_X j
、作為核函數，分類器的性能直接受到參數大小
σ
6的影響。徑向基核參數ο直接影響SVM分類器的性能優劣。式(7)中的誤差懲罰參數C 用來實現在錯分樣本的比例和算法復雜度之間的折衷，即在確定的特征子空間中調節機器學習置信范圍和經驗風險的比例，使機器學習的泛化能力最好。本發明采用決策導向非循環圖方法，其基本思想是把多個兩類分類器組合成多類分類器。該方法在訓練階段，當分類數為M時，它構造的SVM個數為M(M-I) /2 ；但是，對于決策階段，該方法則是使用由根節點出發的導向循環圖。此循環圖有Μ(Μ-1)/2個內部節點和M個葉子節點，每一個內部的節點都為一個兩類分類器，葉子的節點是最后的類別；對于給定的一個測試樣本，從根節點開始，以分類器的輸出值為依據來決定其是走右側路徑還是走左側路徑，直到葉子節點終止， 從而得出樣本屬于該類的結果。(2)支持向量機(SVM)姿態分類器的訓練采集用做訓練的豬的不同的正常站立(行走)，低頭站立(行走)和俯臥等類別樣本圖像，采用步驟3中的方法提取相應的特征數據，并形成豬姿態數據庫。同時利用這些訓練集樣本數據對支持向量機(SVM)分類器進行訓練，其訓練過程如圖2所示。(3)支持向量機分類器對豬的行為姿態分類對被測的豬的行為姿態的圖像采用步驟3中的方法提取相應的特征參數數據，將這些參數數據輸入到訓練過的SVM中去，實現對豬的正常站立(行走)，低頭站立(行走) 和俯臥等等行為姿態進行識別。豬的行為姿態識別過程在采集豬圖像前，更新無任何豬存在的豬圈背景，背景圖像見圖3。首先采集一幅豬圈內豬的圖像，見圖4，然后采用背景差分算法檢測出豬圈內豬的輪廓，如圖5所示。利用改進的隨機橢圓檢測算法對豬的輪廓進行橢圓擬合；在擬合的所有橢圓中，豬體軀干所代表的橢圓是所有橢圓中面積最大的橢圓，以此橢圓的圓心為原點建立一個新的二維坐標系 0'，該橢圓的長軸就是坐標系的橫軸，如圖6所示。驗證面積僅小于軀干橢圓的頭頸部橢圓是否位于軀干橢圓的左側，如果頭頸部橢圓位于軀干橢圓的右側，則將圖片進行水平偏轉后再進行建立坐標系。利用4個橢圓對豬體進行建模，4個橢圓分別為頭頸部的橢圓Itead(X，y)、軀體的橢圓lb。dy(x，y)、前肢的橢圓Itoeleg(X，y)、后肢的橢圓Ihindleg(χ，y)。4個不同橢圓中，每個
橢圓中的4個參數，包括質心( )長軸長度L和橢圓偏轉角θ共有16個特征，以此16
、
個特征作為豬體姿態識別的特征。如圖7所示，其中坐標系為0'，Ihead(x, y)，Ibody (x, y)， IforeIeg (X ‘ W，Ihindleg (Χ ‘ Y)分別是坐標系中的四個橢圓，L是橢圓的長軸，在圖(7)中，以 Ibody(χ, y)為例表示。θ是橢圓Itead(x，y)的長軸與橢圓lb。dy(x，y)的長軸的夾角，稱為偏轉角，在圖(7)中，以Ihead(X，y)在坐標系的偏轉角為例表示。當判斷豬站立姿態時，前、后肢擬合橢圓的位置可不考慮，僅考慮橢圓Ihead(x，y) 與橢圓Ib。dy(x，y)的相對位置。當豬正常站立時，其頭頸部擬合橢圓的中心位于參考坐標系 0'的第二或第三象限，如圖8(a)示的Ihead(x，y)，且橢圓Ihead(x，y)的長軸與橢圓Ib。dy(x， y)的長軸的夾角，即偏轉角小于30° ；而豬低頭站立的時候，其頭頸部擬合橢圓的中心則位于參考坐標系的第三象限，如圖8(b)所示的Ihead(x，y)大部分在坐標系中的第三象限，但是偏轉角大于30° ；
當判斷豬是否躺臥時，主要考慮前、后肢擬合橢圓的位置。當豬躺臥時，前、后肢擬合橢圓則位于參考坐標系0'的第三象限和第四象限，并且橢圓Iforeleg(X，y)和Ihindleg(x，y) 的長軸與橢圓Ib。dy(x，y)的長軸幾乎平行，其夾角小于10°，并且兩個橢圓面積也很小，如 0 8(c)所示。
權利要求
1.基于橢圓擬合的豬行走姿態識別方法，其特征在于包括以下步驟 步驟(一)采用背景差分法獲得清晰的目標對象豬的輪廓的方法； 步驟(二)利用橢圓擬合確定豬體輪廓各部位特征參數；步驟(三)基于支持向量機的豬行走姿態分類器，從而實現對正常站立，低頭站立和躺臥等不同的姿態進行分類。
2.根據權利要求1所述的基于橢圓擬合的豬行走姿態識別方法，其特征在于所述步驟(一)包括以下步驟步驟(1)利用背景差分法檢測出圖像中的目標豬，提取出目標豬的輪廓； 步驟(2)使用形態學處理方法對提取出的輪廓進行形態學處理，分別去除豬體中的突刺和填充圖像中的空洞；步驟(3)利用邊緣檢測算子提取出圖像中豬的邊緣輪廓。
3.根據權利要求1所述的基于橢圓擬合的豬行走姿態識別方法，其特征在于所述步驟(二)中的利用橢圓擬合確定豬體輪廓各部位特征參數方法的特征為對圖像中的豬體輪廓各部分進行橢圓擬合并建立坐標系，擬合后的豬體是由很多個橢圓構成，通過橢圓的大小分別確定豬體的4個部分所擬合的橢圓，然后通過代表頭部，軀干，前肢和后肢的橢圓在坐標系的位置確定豬體輪廓各部位特征參數。
4.根據權利要求1所述的基于橢圓擬合的豬行走姿態識別方法，其特征在于所述步驟(三)中的基于支持向量機的豬行走姿態分類器的特征為采用支持向量機(SVM)設計豬行走姿態分類器，以橢圓擬合確定的豬體輪廓各部位特征參數作為分類器的輸入，實現對豬的正常站立(行走)，低頭站立(行走)和俯臥等姿態的識別。
全文摘要
一種基于橢圓擬合的豬行走姿態識別方法，其特征在于包括以下步驟步驟(一)采用背景差分法獲得清晰的目標對象豬的輪廓的方法；步驟(二)利用橢圓擬合確定豬體輪廓各部位特征參數；步驟(三)基于支持向量機的豬行走姿態分類器，從而實現對正常站立，低頭站立和躺臥等不同的姿態進行分類。
文檔編號G06K9/00GK102521563SQ20111036891
公開日2012年6月27日 申請日期2011年11月19日 優先權日2011年11月19日
發明者何亞旗, 朱偉興, 李新城, 馬長華 申請人:江蘇大學