一种基于红外成像的个体分割方法及系统与流程

1.本发明涉及图像处理技术领域，特别是涉及一种基于红外成像的个体分割方法及系统。


背景技术：

2.在当前畜牧业领域，智能化成为发展趋势。在传统的养殖模式中，需要饲养员进入到养殖现场查看各只动物的生长情况，不仅耗费人力，效率低，并且饲养员流动在各个养殖现场，增加了动物传染病的传播性。


技术实现要素：

3.鉴于以上所述，本发明的目的是提供一种基于红外成像的个体分割方法及系统，根据区域的红外光图像分割出区域内各个体，以进一步监视各个体，能够节省人力，提高效率。
4.为实现上述目的，本发明提供如下技术方案：
5.一种基于红外成像的个体分割方法，包括：
6.获取目标区域的红外光图像；
7.获取所述红外光图像的第一图像，所述第一图像反映所述红外光图像的纹理特征分布；
8.使用个体分割模型处理所述第一图像，得到将所述红外光图像中各个体分割出的结果。
9.优选的，获取所述红外光图像的第一图像包括：提取所述红外光图像的y通道图像，得到所述第一图像。
10.优选的，在使用个体分割模型处理所述第一图像之前还包括：对所述第一图像的像素值进行非线性处理，以增强所述第一图像的对比度。
11.优选的，在使用个体分割模型处理所述第一图像之前还包括：
12.对于所述第一图像的每一像素，获取表征本像素邻域内像素的像素值分布情况的参量；
13.根据所述第一图像各个像素的所述参量，分别调节所述第一图像各个像素的像素值。
14.优选的，训练所述个体分割模型包括：作为训练样本的红外光图像包含分布位置和/或姿态不同的多个个体。
15.优选的，训练所述个体分割模型包括：在作为训练样本的红外光图像中分割出每一个体，将属于同一个体的像素标记为相同的标签，将属于不同个体的像素分别标记为不同的标签。
16.优选的，训练所述个体分割模型包括：
17.获取作为训练样本的红外光图像的第一图像；
18.在作为训练样本的红外光图像的第一图像中分割出各个体；
19.将经过个体分割的图像输入构建的网络模型内进行训练，迭代更新所述网络模型的参数，训练得到所述个体分割模型。
20.优选的，还包括：根据所述红外光图像获得所述红外光图像对应的温度矩阵，所述温度矩阵描述了所述红外光图像各个像素对应的温度。
21.一种基于红外成像的个体分割系统，用于执行以上所述的基于红外成像的个体分割方法。
22.优选的，应用于动物养殖场，所述基于红外成像的个体分割系统包括用于获取养殖场的红外光图像的图像获取装置。
23.由上述技术方案可知，本发明所提供的一种基于红外成像的个体分割方法及系统，首先获取目标区域的红外光图像，根据红外光图像获得反映红外光图像的纹理特征分布的第一图像，然后使用个体分割模型处理第一图像，得到将红外光图像包含的各个体分割出的结果。本发明的基于红外成像的个体分割方法及系统根据区域的红外光图像分割出区域内各个体，以进一步监视各个体，与现有技术相比能够节省人力，提高效率。
附图说明
24.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
25.图1为本发明实施例提供的一种基于红外成像的个体分割方法的流程图；
26.图2为本发明又一实施例提供的一种基于红外成像的个体分割方法的流程图；
27.图3为本发明实施例中训练获得个体分割模型的方法流程图。
具体实施方式
28.为了使本技术领域的人员更好地理解本发明中的技术方案，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，都应当属于本发明保护的范围。
29.请参考图1，图1为本实施例提供的一种基于红外成像的个体分割方法的流程图，如图所示，所述基于红外成像的个体分割方法包括以下步骤：
30.s10：获取目标区域的红外光图像。
31.目标区域的红外光图像是指获取目标区域发出的红外光，进行成像所得的图像。在实际应用中，可以使用红外光摄像装置获取目标区域的红外光图像。
32.s11：获取所述红外光图像的第一图像，所述第一图像反映所述红外光图像的纹理特征分布。
33.根据获取的红外光图像，得到反映红外光图像纹理特征分布的图像，表示为第一图像。
34.s12：使用个体分割模型处理所述第一图像，得到将所述红外光图像包含的各个体分割出的结果。
35.个体分割模型以红外光图像的第一图像为输入，通过对红外光图像的第一图像处理，输出将红外光图像包含的各个体分割出的结果。
36.本实施例的基于红外成像的个体分割方法根据区域的红外光图像分割出区域内各个体，以进一步监视各个体，与现有技术相比能够节省人力，提高效率。并且若应用于养殖场对养殖动物监视，能够减少饲养员流动在各个区域，有助于提高养殖场的卫生质量。
37.下面对本基于红外成像的个体分割方法进行详细说明。如图1所示，所述基于红外成像的个体分割方法包括以下步骤：
38.s10：获取目标区域的红外光图像。
39.优选的，可以通过巡检设备上的摄像装置获取目标区域的红外光图像。示例性的若应用于养殖场，可以通过安装在巡检设备上的摄像装置，在巡检过程中获取每一栏位内的红外光图像。
40.s11：获取所述红外光图像的第一图像，所述第一图像反映所述红外光图像的纹理特征分布。
41.可选的，若获取的红外光图像是以yuv颜色编码方法描述的图像，则可以通过提取红外光图像的y通道图像，得到反映红外光图像的纹理特征分布的第一图像。但不限于此，在其它实施例中也可以采用其它方法获得红外光图像的反映其纹理特征分布的图像，也都在本发明保护范围内。
42.可选的，可以对第一图像进行编码处理，使得所述第一图像以不同的颜色表示不同的像素值。本实施例中对第一图像进行编码处理的具体方法以及以不同颜色表示的具体方式不进行限定。比如对第一图像进行热金属编码处理，使第一图像变换为在视觉上比较直观的红外热图，对应温度从低到高在图像中表现为从蓝紫色到暗红色再到亮黄色的变化。
43.s12：使用个体分割模型处理所述第一图像，得到将所述红外光图像包含的各个体分割出的结果。
44.预先使用样本图像通过训练，获得个体分割模型。可选的，个体分割模型可使用mask r
‑
cnn神经网络模型，是一种卷积神经网络模型。但不限于此，也可以使用其它的神经网络模型来训练得到个体分割模型。
45.优选的请参考图2，图2为又一实施例提供的一种基于红外成像的个体分割方法的流程图，如图所示，在上述实施例的基础上所述方法在使用个体分割模型处理第一图像之前，还包括步骤s13：对所述第一图像的像素值进行非线性处理，以增强所述第一图像的对比度。通过对第一图像的像素值进行非线性变换，可以增强图像的对比度，使得图像中个体的纹理信息更强，有助于提高利用模型实现个体分割的准确性。
46.可选的，可以对第一图像进行gamma变换，计算公式表示为：、y＝x
γ
，其中y表示输出图像的像素值，x表示输入图像的像素值，x的取值范围为[0,1]。γ表示参数，γ<1时，较亮的区域灰度被拉伸，较暗的区域灰度被压缩，图像整体变暗；γ<1时，较亮的区域灰度被压缩，较暗的区域灰度被拉伸，图像整体变亮。对图像进行gamma变换可以使图像从曝光强度的线性响应变为更接近人眼感受的响应。
[0047]
进一步优选的，可参考图2所示，在上述实施例的基础上所述方法在使用个体分割模型处理第一图像之前，还可包括步骤s14：对所述第一图像进行直方图局部增强处理。
[0048]
具体的，对第一图像进行直方图局部增强处理的过程包括以下步骤：
[0049]
s140：对于所述第一图像的每一像素，获取表征本像素邻域内像素的像素值分布情况的参量。
[0050]
对于第一图像的每一像素，选取本像素邻域内的像素，对本像素邻域内各像素的像素值进行统计分析，得到表征本像素邻域内像素的像素值分布情况的参量。
[0051]
表征本像素邻域内像素的像素值分布情况的参量可以是本像素邻域内像素的像素值均值、方差或者梯度，但不限于此，还可以是其它能够反映像素值分布情况的参量，也都在本发明保护范围内。
[0052]
s141：根据所述第一图像各个像素的所述参量，分别调节所述第一图像各个像素的像素值。
[0053]
根据第一图像各个像素的反映邻域内像素值分步的参量取值，获得图像不同区域的像素值差异情况，进而根据图像不同区域的像素值情况，分别地对图像不同区域调节像素值，使得图像的细节纹理更清楚。
[0054]
因此本实施例方法通过对第一图像进行直方图局部增强处理，使得第一图像进一步改善，使图像的直方图分布更均匀，使图像细节更清晰，有助于提高利用模型实现个体分割的准确性。
[0055]
进一步的，训练获得个体分割模型首先需要构建样本数据集，可以对现场区域获取红外光图像，作为训练样本。优选的，作为训练样本的红外光图像包含分布位置和/或姿态不同的多个个体，即采集的样本图像中要包含足够多的个体，以及个体分布位置多样以及个体姿态多样，以满足训练模型对样本多样性的要求，提高模型处理的准确性。
[0056]
请参考图3，图3为本实施例中训练获得个体分割模型的方法流程图，如图所示，使用作为训练样本的红外光图像训练获得个体分割模型的过程可包括以下步骤：
[0057]
s20：获取作为训练样本的红外光图像的第一图像。
[0058]
对于作为训练样本的红外光图像，得到反映其纹理特征分布的图像。获得红外光图像的第一图像的方法可参考上面实施例描述方法。
[0059]
优选的，在对作为训练样本的红外光图像的第一图像分割出各个体之前，可以对作为训练样本的红外光图像的第一图像的像素值进行非线性处理或/和进行直方图局部增强处理，以使得图像中个体的纹理信息更强，使得图像的细节纹理更清晰。
[0060]
s21：在作为训练样本的红外光图像的第一图像中分割出各个体。
[0061]
可选的，可通过目标识别算法对图像处理，在图像中识别以及分割出各个体，可以通过在图像中标注出各个体的轮廓来分割出各个体。对于图像中分割出的各个体，可以将属于同一个体的像素标记为相同的标签，将属于不同个体的像素分别标记为不同的标签。
[0062]
s22：将经过个体分割的图像输入构建的网络模型内进行训练，迭代更新所述网络模型的参数，训练得到所述个体分割模型。
[0063]
使用经过个体分割的图像训练模型，通过反向传播，迭代更新网络模型的参数，训练得到个体分割模型。
[0064]
进一步优选的，本实施例的基于红外成像的个体分割方法还包括：根据所述红外
光图像获得所述红外光图像对应的温度矩阵，所述温度矩阵描述了所述红外光图像各个像素对应的温度。相应的，根据红外光图像得到的个体分割结果以及温度矩阵，能够监视图像中各个体的温度情况，实现对目标区域内各个体温度的监视。若应用于养殖场，可以监视各动物个体的温度，根据温度能够监视各动物个体的健康状况，为动物个体的疾病推理或者诊断提供有效的参考信息。
[0065]
相应的，本实施例还提供一种基于红外成像的个体分割系统，用于执行以上所述的基于红外成像的个体分割方法。
[0066]
本实施例的基于红外成像的个体分割系统根据区域的红外光图像分割出区域内各个体，以进一步监视各个体，与现有技术相比能够节省人力，提高效率。
[0067]
本实施例的基于红外成像的个体分割系统可以应用于动物养殖场，所述基于红外成像的个体分割系统包括用于获取养殖场的红外光图像的图像获取装置。
[0068]
可以通过安装在巡检设备上的图像获取装置获取养殖场的红外光图像，从而能够代替人工巡检，极大节省人力，并减少人与动物的接触，提高养殖场的卫生质量。
[0069]
以上对本发明所提供的一种基于红外成像的个体分割方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。