一种猪只行为识别方法、装置及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115359560A(43)申请公布日2022.11.18(21)申请号202211005072.6G06V10/774(2022.01)(22)申请日2022.08.22G06V10/764(2022.01)G06V10/40(2022.01)(71)申请人深圳职业技术学院G06T7/70(2017.01)地址518000广东省深圳市南山区西丽街G06N3/08(2006.01)道西丽湖镇西丽湖畔申请人广州国家现代农业产业科技创新中心(72)发明人毛亮刘昌乐杨润娜朱文铭张璟楣(74)专利代理机构广州三环专利商标代理有限公司44202专利代理师何卿华(51)Int.Cl.G06V40/20(2022.01)G06V10/80(2022.01)权利要求书3页说明书8页附图5页(54)发明名称一种猪只行为识别方法、装置及存储介质(57)摘要本发明公开了一种猪只行为识别方法、装置及存储介质，方法包括：获取待识别的特征图像，根据预设的猪只行为识别模型对特征图像进行识别，以使所述猪只行为识别模型对特征图像进行维度折叠提取，得到一维的图像特征向量，并根据预设的编码网络对所述图像特征向量进行特征信息提取，获得特征信息，并根据预设的解码网络对特征信息进行行为信息提取，获得行为信息，并根据FFN网络，对行为信息运算，得到若干个预测框，通过计算二分匹配损失函数，使得预测框和真实框之间产生最优的二分匹配，在所述特征图像上生成识别框，输出带有所述识别框的特征图像。通过机器对猪只的行为进行自动识别，提高对猪只行为识别准确率。CN115359560ACN115359560A权利要求书1/3页1.一种猪只行为识别方法，其特征在于，包括：获取待识别的特征图像；其中，所述待识别的特征图像是从猪只图像采集设备上提取出来的；根据预设的猪只行为识别模型对所述特征图像进行识别，以使所述猪只行为识别模型对所述特征图像进行维度折叠提取，得到一维的图像特征向量，并根据预设的编码网络、设置的位置编码和所述图像特征向量，对所述图像特征向量进行特征信息提取，获得特征信息，并根据预设的解码网络、设置的目标查询向量和所述位置编码，对特征信息进行行为信息提取，获得行为信息，并根据FFN网络，对行为信息运算，得到若干个预测框，通过计算二分匹配损失函数，使得所述预测框和真实框之间产生最优的二分匹配，在所述特征图像上生成识别框，输出带有所述识别框的特征图像；其中，所述识别框包括矩形框、猪只预测行为信息和猪只预测位置信息。2.如权利要求1所述的猪只行为识别方法，其特征在于，所述猪只行为识别模型对所述特征图像进行维度折叠提取，得到一维的图像特征向量，具体为：将特征图像输入提取网络，获得图像特征，并将所述图像特征输入1x1卷积层，输出一维的图像特征向量。3.如权利要求1所述的猪只行为识别方法，其特征在于，所述根据预设的编码网络、设置的位置编码和所述图像特征向量，对所述图像特征向量进行特征信息提取，获得特征信息，具体为：将所述图像特征向量输入第一编码子模块的Norm层，将所述Norm层的输出结果输入第一编码子模块的全连接层和第二Add&Norm模块；将设置的位置编码和所述图像特征向量进行相加，获得第一加权和向量，将所述第一加权和所述向量和所述图像特征向量输入Mutil‑HeadSelf‑Attention模块中作为第一编码子模块的输入向量，将所述输入向量和所述图像特征向量输入第一Add&Norm模块输出经过所述全连接层，然后再输入所述第二Add&Norm模块，获得第一编码子模块输出；上一个编码子模块的输出作为下一个编码子模块的图像特征向量输入到下一个编码子模块中，最后一个编码子模块的输出特征信息，将若干个编码子模块构建成编码网络。4.如权利要求1所述的猪只行为识别方法，其特征在于，所述根据预设的解码网络、设置的目标查询向量和所述位置编码，对特征信息进行行为信息提取，获得行为信息，具体为：将所述目标查询向量与自身进行相加，获得的第二加权和向量，将所述目标查询向量和所述第二加权和向量输入到第一解码子模块的第一Mutil‑HeadSelf‑Attention模块中构成第一解码子模块的第一输入向量，将所述第一输入向量和所述目标查询向量输入第一Add&Norm模块，将所述第一Add&Norm模块的输出结果与所述目标查询向量进行相加，获得第三加权和向量；将第三加权和向量与所述特征信息、所述特征信息与所述位置编码相加获得的第四加权和向量输入第一解码子模块的第二Mutil‑HeadSelf‑Attention模块中构成第一解码子模块的第二输入向量，将所述第二输入向量和所述第一Add&Norm模块的输出结果输入第二Add&Norm模块中，所述第二Add&