基于动物虹膜的动物状态检测方法、装置、设备和介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及基于动物虹膜的动物状态检测方法、装置、设备和介质。


背景技术：

2.目前，对动物舍(例如，猪舍，宠物舍等)中动物的身体状态的检测，通常采用的方式为：通过兽医定期检测动物舍中每只动物的身体状态，以防止出现动物传染病。
3.然而，采用上述检测方法通常会存在以下技术问题：
4.第一，通过兽医定期检测动物舍中每只动物的身体状态，需要耗费较多的时间对动物舍中每只动物的身体状态进行检测；
5.第二，无法及时检测出异常状态的动物，导致无法及时对异常状态的动物进行医治。


技术实现要素：

6.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
7.本公开的一些实施例提出了基于动物虹膜的动物状态检测方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
8.第一方面，本公开的一些实施例提供了一种基于动物虹膜的动物状态检测方法，该方法包括：响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集；对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集；对于上述标准虹膜图像集中的每个标准虹膜图像，执行如下处理步骤：对于上述标准虹膜图像的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组，其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值；基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值；响应于上述虹膜波动值大于等于预设波动值，将上述标准虹膜图像标记为异常虹膜图像。
9.第二方面，本公开的一些实施例提供了一种基于动物虹膜的动物状态检测装置，装置包括：采集单元，被配置成响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集；标准化单元，被配置成对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集；图像处理单元，被配置成对于上述标准虹膜图像集中的每个标准虹膜图像，执行如下处理步骤：对于上述标准虹膜图像的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组，其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值；基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值；响应于上述虹膜波动值大于等于预设波动值，将上述标准虹膜图像标记为异常虹膜图像。
10.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
11.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
12.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于动物虹膜的动物状态检测方法，缩短了检测动物舍中每只动物的身体状态的时间。具体来说，需要耗费较多的时间对动物舍中每只动物的身体状态进行检测的原因在于：通过兽医定期检测动物舍中每只动物的身体状态，需要耗费较多的时间对动物舍中每只动物的身体状态进行检测。基于此，本公开的一些实施例的基于动物虹膜的动物状态检测方法，首先，响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集。由此，可以采集动物的虹膜图像，便于后续根据动物的虹膜图像确定动物当前的身体状态。接着，对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集。由此，便于提高了后续进行虹膜图像检测的准确度。然后，对于上述标准虹膜图像集中的每个标准虹膜图像，执行如下处理步骤：首先，对于上述标准虹膜图像的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组。其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值。由此，可以确定相邻的两个像素之间的像素值的变化。然后，基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值。由此，可以检测出整个虹膜图像中像素的像素值变化的程度。从而，可以初步检测出动物的虹膜的状态。最后，响应于上述虹膜波动值大于等于预设波动值，将上述标准虹膜图像标记为异常虹膜图像。由此，可以根据所检测出的动物的虹膜的状态，初步检测出动物当前的身体状态。也因为可以通过动物舍中动物的虹膜检测动物的身体状态，有效地提高了对动物舍中每只动物的身体状态检测的速度，缩短了检测动物舍中每只动物的身体状态的时间。
附图说明
13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
14.图1是本公开的一些实施例的基于动物虹膜的动物状态检测方法的一个应用场景的示意图；
15.图2是根据本公开的基于动物虹膜的动物状态检测方法的一些实施例的流程图；
16.图3是根据本公开的基于动物虹膜的动物状态检测方法的标准虹膜图像的示意图；
17.图4是根据本公开的基于动物虹膜的动物状态检测方法的另一些实施例的流程图；
18.图5是根据本公开的基于动物虹膜的动物状态检测装置的一些实施例的结构示意图；
19.图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
20.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
21.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
22.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
23.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
24.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
25.下面将参考附图并结合实施例来详细说明本公开。
26.图1是根据本公开一些实施例的基于动物虹膜的动物状态检测方法的一个应用场景的示意图。
27.在图1的应用场景中，首先，计算设备101可以响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集102。其次，计算设备101可以对上述虹膜图像集102中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集103。然后，计算设备101可以对于上述标准虹膜图像集103中的每个标准虹膜图像1031，执行如下处理步骤：首先，计算设备101可以对于上述标准虹膜图像1031的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组。其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值。然后，计算设备101可以基于所得到的各个像素差值组104，生成上述标准虹膜图像的虹膜波动值105。最后，计算设备101可以响应于上述虹膜波动值105大于等于预设波动值，将上述标准虹膜图像1031标记为异常虹膜图像106。
28.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
29.应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
30.继续参考图2，示出了根据本公开的基于动物虹膜的动物状态检测方法的一些实施例的流程200。该基于动物虹膜的动物状态检测方法，包括以下步骤：
31.步骤201，响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集。
32.在一些实施例中，基于动物虹膜的动物状态检测方法的执行主体(例如图1所示的计算设备101)可以响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到
虹膜图像集。这里，预设时间为预设设定的每天采集动物舍(例如，猪舍)中每只动物(例如，猪)的虹膜图像的时间。例如，预设时间可以是每天的早上8点。实践中，上述执行主体可以通过相关联的具有摄像功能的移动机器人采集动物舍中每只动物的虹膜图像，得到虹膜图像集。
33.步骤202，对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集。
34.在一些实施例中，上述执行主体可以对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集。这里，标准化处理可以是指去除虹膜图像中可能存在的动物毛区域，以及将去除动物毛区域后的虹膜图像进行展开处理。即，标准虹膜图像可以为一个将圆环虹膜图像展开的长方形虹膜图像。
35.在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像：
36.第一步，去除上述虹膜图像所包括的瞳孔区域，以生成去除瞳孔区域的虹膜图像作为初始虹膜图像。
37.第二步，对上述初始虹膜图像进行展开处理以生成展开虹膜图作为标准虹膜图像(如图3所示)。
38.步骤203，对于上述标准虹膜图像集中的每个标准虹膜图像，执行如下处理步骤：
39.步骤2031，对于上述标准虹膜图像的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组。
40.在一些实施例中，对于上述标准虹膜图像的垂直方向上的每条像素线，上述执行主体可以确定上述像素线中的每两个像素之间的像素差值，得到像素差值组。其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值。实践中，首先，上述执行主体可以提取出上述像素线中的每个像素的像素值，得到像素值序列。然后，上述执行主体可以将上述像素值序列中每两个像素值的差值的绝对值确定为对应上述像素线中的两个像素之间的像素差值，得到像素差值组。
41.步骤2032，基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值。
42.在一些实施例中，上述执行主体可以基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值。实践中，上述执行主体可以将所得到的各个像素差值组所包括的各个像素差值的平均值确定为上述标准虹膜图像的虹膜波动值。
43.在一些实施例的一些可选的实现方式中，基于所得到的各个像素差值组，上述执行主体还可以通过以下步骤生成上述标准虹膜图像的虹膜波动值：
44.第一步，对于所得到的每个像素差值组，执行如下处理步骤：
45.第一步骤，对上述像素差值组包括的各个像素差值进行降序处理，得到像素差值序列。
46.第二步骤，依次去除上述像素差值序列中第一数目个像素差值，以生成第一像素差值序列。这里，对于第一数目的设定，不作限制。例如，第一数目可以是6。
47.第三步骤，依次倒序去除上述像素差值序列中第二数目个像素差值，以生成第二像素差值序列。这里，对于第二数目的设定，不作限制，例如，第二数目可以是5。
48.第二步，基于所生成的各个第二像素差值序列，生成上述标准虹膜图像的虹膜波
动值。
49.实践中，上述第二步包括以下子步骤：
50.第一子步骤，确定上述各个第二像素差值序列中每个第二像素差值序列的中位数，得到中位数组。
51.第二子步骤，将上述中位数组中大于等于预设中位数的中位数确定为第一中位数，得到第一中位数组。这里，对于预设中位数的设定，不作限制。
52.第三子步骤，将上述中位数组中小于上述预设中位数的中位数确定为第二中位数，得到第二中位数组。
53.第四子步骤，响应于上述第一中位数组中所包括的第一中位数的数量大于上述第二中位数组所包括的第二中位数的数量，从上述第一中位数组对应的各个第二像素差值序列中选择包括的第二像素差值最多的第二像素差值序列作为第一目标像素差值序列。实践中，首先，上述执行主体可以响应于确定上述第一中位数组中所包括的第一中位数的数量大于上述第二中位数组所包括的第二中位数的数量，将上述第一中位数组中每个中位数对应的第二像素差值序列所包括的第二像素差值的数量确定为差值数量，得到差值数量组。然后，上述执行主体可以将上述差值数量组中差值数量最大的差值数量对应的第二像素差值序列作为第一目标像素差值序列。
54.第五子步骤，将上述第一目标像素差值序列包括的各个第一目标像素差值的平均值确定为上述标准虹膜图像的虹膜波动值。
55.可选地，上述第二步还包括以下子步骤：
56.第六子步骤，响应于上述第一中位数组中所包括的第一中位数的数量小于上述第二中位数组所包括得第二中位数的数量，从上述第二中位数组对应的各个第二像素差值序列中选择包括的第二像素差值最多的第二像素差值序列作为第二目标像素差值序列。
57.第七子步骤，将上述第二目标像素差值序列包括的各个第二目标像素差值的平均值确定为上述标准虹膜图像的虹膜波动值。
58.可选地，上述第二步还包括以下子步骤：
59.第八子步骤，响应于上述第一中位数组中所包括的第一中位数的数量等于上述第二中位数组所包括的第二中位数的数量，从上述第一中位数组对应的各个第二像素差值序列中选择包括的第二像素差值最多的第二像素差值序列作为第三目标像素差值序列。
60.第九子步骤，从上述第二中位数组对应的各个第二像素差值序列中选择包括的第二像素差值最多的第二像素差值序列作为第四目标像素差值序列。
61.第十子步骤，将上述第三目标像素差值序列包括的各个第三目标像素差值的平均值确定为第一虹膜波动值。
62.第十一子步骤，将上述第四目标像素差值序列包括的各个第四目标像素差值的平均值确定为第二虹膜波动值。
63.第十二子步骤，将上述第一虹膜波动值和上述第二虹膜波动值的平均值确定为上述标准虹膜图像的虹膜波动值。
64.步骤2033，响应于上述虹膜波动值大于等于预设波动值，将上述标准虹膜图像标记为异常虹膜图像。
65.在一些实施例中，上述执行主体可以响应于上述虹膜波动值大于等于预设波动
值，将上述标准虹膜图像标记为异常虹膜图像。这里，对于预设波动值的设定，不作限制。实践中，上述执行主体可以将上述标准虹膜图像标记上异常的字样，以将上述标准虹膜图像标记为异常虹膜图像。
66.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于动物虹膜的动物状态检测方法，缩短了检测动物舍中每只动物的身体状态的时间。具体来说，需要耗费较多的时间对动物舍中每只动物的身体状态进行检测的原因在于：通过兽医定期检测动物舍中每只动物的身体状态，需要耗费较多的时间对动物舍中每只动物的身体状态进行检测。基于此，本公开的一些实施例的基于动物虹膜的动物状态检测方法，首先，响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集。由此，可以采集动物的虹膜图像，便于后续根据动物的虹膜图像确定动物当前的身体状态。接着，对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集。由此，便于提高了后续进行虹膜图像检测的准确度。然后，对于上述标准虹膜图像集中的每个标准虹膜图像，执行如下处理步骤：首先，对于上述标准虹膜图像的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组。其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值。由此，可以确定相邻的两个像素之间的像素值的变化。然后，基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值。由此，可以检测出整个虹膜图像中像素的像素值变化的程度。从而，可以初步检测出动物的虹膜的状态。最后，响应于上述虹膜波动值大于等于预设波动值，将上述标准虹膜图像标记为异常虹膜图像。由此，可以根据所检测出的动物的虹膜的状态，初步检测出动物当前的身体状态。也因为可以通过动物舍中动物的虹膜检测动物的身体状态，有效地提高了对动物舍中每只动物的身体状态检测的速度，缩短了检测动物舍中每只动物的身体状态的时间。
67.进一步参考图4，示出了根据本公开的基于动物虹膜的动物状态检测方法的另一些实施例。该基于动物虹膜的动物状态检测方法，包括以下步骤：
68.步骤401，响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集。
69.步骤402，对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集。
70.步骤403，对于上述标准虹膜图像集中的每个标准虹膜图像，执行如下处理步骤：对于上述标准虹膜图像的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组，其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值；基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值；响应于上述虹膜波动值大于等于预设波动值，将上述标准虹膜图像标记为异常虹膜图像。
71.在一些实施例中，步骤401-403的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203，在此不再赘述。
72.步骤404，根据所标记的每个异常虹膜图像对应的动物的动物标识，从预设的动物虹膜图像数据库中获取对应上述动物标识的动物虹膜对照图像。
73.在一些实施例中，对于所标记的每个异常虹膜图像对应的动物的动物标识，基于
动物虹膜的动物状态检测方法的执行主体(例如图1所示的计算设备101)可以通过有线连接或无线连接的方式从预设的动物虹膜图像数据库中获取对应上述动物标识的动物虹膜对照图像，得到动物虹膜对照图像组。这里，预设的动物虹膜图像数据库可以是存储了动物舍中各个动物的动物虹膜对照图像的数据库。这里，动物虹膜对照图像可以是指正常状态的动物的虹膜展开图。这里，正常状态的动物可以是指经过兽医检查后，无任何异常的动物。实践中，对于所标记的每个异常虹膜图像对应的动物的动物标识，上述执行主体可以从预设的动物虹膜图像数据库中获取对应的动物标识与上述动物标识相同的动物虹膜对照图像。
74.步骤405，对于每个异常虹膜图像，执行如下处理步骤：
75.步骤4051，对上述异常虹膜图像进行特征提取处理，得到异常虹膜图像特征向量。
76.在一些实施例中，上述执行主体可以通过预先训练的虹膜图像提取网络模型对上述异常虹膜图像进行特征提取处理，得到异常虹膜图像特征向量。这里，预先训练的虹膜图像提取网络模型可以是vgg(visual geometry group network，视觉几何群网络)16模型、vgg19模型等模型。
77.步骤4052，对上述异常虹膜图像对应的动物虹膜对照图像进行特征提取处理，得到动物虹膜对照图像特征向量。
78.在一些实施例中，上述执行主体可以通过预先训练的虹膜图像提取网络模型对上述异常虹膜图像对应的动物虹膜对照图像进行特征提取处理，得到动物虹膜对照图像特征向量。这里，预先训练的虹膜图像提取网络模型可以是vgg(visual geometry group network，视觉几何群网络)16模型、vgg19模型等模型。
79.步骤4053，确定上述异常虹膜图像特征向量与上述动物虹膜对照图像特征向量的特征相似度。
80.在一些实施例中，上述执行主体可以通过向量相似度公式确定上述异常虹膜图像特征向量与上述动物虹膜对照图像特征向量的特征相似度。这里。向量相似度公式可以是余弦相似度公式或者欧式距离公式。
81.步骤4054，响应于上述特征相似度小于等于预设相似度，将上述异常虹膜图像特征向量对应的动物的动物状态标记为异常动物状态。
82.在一些实施例中，上述执行主体可以响应于上述特征相似度小于等于预设相似度，将上述异常虹膜图像特征向量对应的动物的动物状态标记为异常动物状态。实践中，上述执行主体可以将上述异常虹膜图像特征向量对应的动物的动物状态标记上异常的字样。
83.步骤406，控制相关联的报警设备对每个异常动物状态对应的动物标识进行语音警报操作。
84.在一些实施例中，上述执行主体可以控制相关联的报警设备对每个异常动物状态对应的动物标识进行语音警报操作。这里，报警设备可以是指语音警报设备。这里，语音警报操作可以是指语音播报。实践中，上述执行主体可以控制与上述执行主体通信连接的报警设备对每个异常动物状态对应的动物标识进行语音播报。
85.步骤404-406中的相关内容作为本公开的一个发明点，由此解决了背景技术提及的技术问题二“无法及时检测出异常状态的动物，导致无法及时对异常状态的动物进行医治”。法及时对异常状态的动物进行医治的因素往往如下：无法及时检测出异常状态的动
物，导致无法及时对异常状态的动物进行医治。如果解决了上述因素，就可以及时医治异常状态的无法及时检测出异常状态的动物的效果。为了达到这一效果，本公开首先，根据所标记的每个异常虹膜图像对应的动物的动物标识，从预设的动物虹膜图像数据库中获取对应上述动物标识的动物虹膜对照图像。由此，便于后续准确地检测出动物当前的身体状态。接着，对于每个异常虹膜图像，执行如下处理步骤：首先，对上述异常虹膜图像进行特征提取处理，得到异常虹膜图像特征向量。其次，对上述异常虹膜图像对应的动物虹膜对照图像进行特征提取处理，得到动物虹膜对照图像特征向量。然后，确定上述异常虹膜图像特征向量与上述动物虹膜对照图像特征向量的特征相似度。由此，可以确定出当前异常虹膜图像与动物虹膜对照图像的特征相似度。特征相似度越小，表明当前异常虹膜图像与动物虹膜对照图像的差异越大。即，表明当前异常虹膜图像对应的动物的身体状态越差。然后，响应于上述特征相似度小于等于预设相似度，将上述异常虹膜图像特征向量对应的动物的动物状态标记为异常动物状态。由此，可以及时检测出异常状态的动物。最后，控制相关联的报警设备对每个异常动物状态对应的动物标识进行语音警报操作。由此，可以提醒兽医及时对异常状态的动物进行医治。
86.从图4可以看出，与图2对应的一些实施例的描述相比，图4对应的一些实施例中的流程400可以提醒兽医及时对异常状态的动物进行医治。
87.进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种基于动物虹膜的动物状态检测装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
88.如图5所示，一些实施例的基于动物虹膜的动物状态检测装置500包括：采集单元501、标准化单元502和图像处理单元503。其中，采集单元501被配置成响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集；标准化单元502被配置成对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集；图像处理单元503被配置成对于上述标准虹膜图像集中的每个标准虹膜图像，执行如下处理步骤：对于上述标准虹膜图像的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组，其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值；基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值；响应于上述虹膜波动值大于等于预设波动值，将上述标准虹膜图像标记为异常虹膜图像。
89.可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
90.下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)600的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
91.如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)
601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
92.通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像只、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
93.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。
94.需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
95.在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
96.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多
个程序被该电子设备执行时，使得该电子设备：响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集；对上述虹膜图像集中的每个虹膜图像进行标准化处理，以生成标准虹膜图像，得到标准虹膜图像集；对于上述标准虹膜图像集中的每个标准虹膜图像，执行如下处理步骤：对于上述标准虹膜图像的垂直方向上的每条像素线，确定上述像素线中的每两个像素之间的像素差值，得到像素差值组，其中，上述像素差值组中的像素差值为两个像素对应的两个像素值的差值绝对值；基于所得到的各个像素差值组，生成上述标准虹膜图像的虹膜波动值；响应于上述虹膜波动值大于等于预设波动值，将上述标准虹膜图像标记为异常虹膜图像。
97.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
98.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
99.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括采集单元、标准化单元和图像处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，采集单元还可以被描述为“响应于当前时间为预设时间，采集动物舍中每只动物的虹膜图像，得到虹膜图像集的单元”。
100.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
101.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。