CN106577350A - 宠物类型识别的方法及装置 - Google Patents
宠物类型识别的方法及装置 Download PDFInfo
- Publication number
- CN106577350A CN106577350A CN201611032333.8A CN201611032333A CN106577350A CN 106577350 A CN106577350 A CN 106577350A CN 201611032333 A CN201611032333 A CN 201611032333A CN 106577350 A CN106577350 A CN 106577350A
- Authority
- CN
- China
- Prior art keywords
- pet
- image
- feature
- matching
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012216 screening Methods 0.000 claims description 38
- 238000006073 displacement reaction Methods 0.000 claims description 28
- 230000007246 mechanism Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 7
- 241000282326 Felis catus Species 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 210000003128 head Anatomy 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000006854 communication Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 241000282472 Canis lupus familiaris Species 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000036651 mood Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010037180 Psychiatric symptoms Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003705 background correction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000007873 sieving Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241001580935 Aglossa pinguinalis Species 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000879777 Lynx rufus Species 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出的宠物类型识别方法和装置,其方法中,智能终端获取宠物图像;根据所述宠物图像提取宠物的多个身体特征;将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型,可使用户快速获知宠物的类型,增进对宠物的了解,帮助用户选择自己喜爱的宠物。
Description
技术领域
本发明涉及到图像识别技术领域,特别是涉及到一种宠物类型识别的方法及装置。
背景技术
宠物一般指人们为了消除孤寂或出于娱乐目的而豢养的动物。宠物是为了精神的目的而豢养的动植物。一般为了消除孤寂,或娱乐而豢养,一般是哺乳纲或鸟纲的动物,因为这些动物脑子比较发达,容易和人交流。
宠物种类繁多,常见的宠物有猫、狗、鱼、鸟等。宠物猫的品种大致可分为加菲猫,折耳猫,短毛猫,波斯猫,暹罗猫,虎斑猫,金吉拉,巴厘猫,伯曼猫,孟买猫,缅甸猫,埃及猫,缅因猫,欧西猫,布偶猫,卷毛猫,新加坡猫,挪威森林猫,荧光猫,索马里猫,土耳其梵猫,美国短尾猫等42种(采用美国CAF标准)。而在《AKC犬名录》记录中,全世界犬种300多种,AKC认可的149种,包括阿芬平嘉犬,阿富汗猎犬,万能梗,秋田犬,阿拉斯加雪橇犬等。
显然,依靠个人经验去识别如此种类繁多的宠物品种是一件不容易的事情。而对于一个喜欢小宠物的用户,看到一只可爱的小宠物,却对其一无所知,是一件非常遗憾的事情。
发明内容
本发明的主要目的为提供一种宠物类型识别的方法和装置,帮助用户识别宠物的类型。
本发明提出了一种宠物类型识别的方法,包括:
获取宠物图像;
根据所述宠物图像提取宠物的多个身体特征;
将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型。
优选地,所述通过相机拍摄所述宠物图像,包括:
通过相机拍摄宠物,得到初始宠物图像;
记录拍摄所述初始宠物图像时,相机的位移信息;
判断所述位移信息是否在设定的允许识别的位移阈值范围内,在判断出所述位移信息在所述位移阈值范围内时,将所述初始宠物图像作为宠物图像。
优选地,所述根据所述宠物图像提取宠物的多个身体特征,包括:
从宠物图像中提取宠物的整体轮廓;
从所述宠物的整体轮廓中定位脸部、躯干、尾巴和四肢的位置区域;
在所述脸部、躯干、尾巴和四肢的位置区域中分别提取宠物的脸部特征、躯干特征、尾巴特征和四肢特征,所述脸部特征包括眼睛特征、嘴巴特征、鼻子特征、耳朵特征以及脸部轮廓;
将所述宠物的脸部特征、躯干特征、尾巴特征和四肢特征组合在一起,形成宠物身体特征集合,每个特征包括颜色和形状两个参数。
优选地,所述宠物身体特征数据库中的数据包括:
多个宠物类型的匹配图像集,每个宠物类型的匹配图像集包括一张或多张预设的宠物匹配图像,其中包含一张携带宠物类型标记的所述宠物匹配图像,记为代表宠物图像;
从每张所述宠物匹配图像提取得到的参比宠物身体特征集合,所述参比宠物身体特征集合中包含所述宠物匹配图像中所述宠物的多个特征;
与每个宠物类型的匹配图像集对应的区别特征集合,所述区别特征集合表示某一类型宠物的一个或多个区别特征,所述区别特征为用于该类型宠物与其他类型宠物进行区分的特征。
优选地,所述将所述宠物身体特征集合与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型包括:
判断所述宠物身体特征集合是否包含区别特征集合;
若包含区别特征集合,则判断包含的区别特征集合是否多于一个;
若是,则将包含的区别特征集合记为筛分区别特征集合,采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型;
若包含一个区别特征集合,则获取与所述区别特征集合对应的宠物类型的匹配图像集的宠物类型标记,得到匹配的宠物类型。
优选地,所述采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型,包括:
获取与筛分区别特征集合对应的宠物类型的筛分匹配图像集;
调取所述筛分匹配图像集中的所有宠物图像,获取每张宠物图像对应的参比宠物身体特征集合;
将所述宠物身体特征集合中的特征与调取的参比宠物身体特征集合中的特征进行逐一比对,计算所述宠物身体特征集合与每个调取的参比宠物身体特征集合的匹配度;
通过根据所述筛分匹配图像集中所有宠物身体特征集合与每个调取的参比宠物身体特征集合的匹配度,计算所述宠物身体特征集合中的特征与调取的参比宠物身体特征集合的匹配度,计算所述筛分匹配图像集与所述宠物身体特征集合匹配度的平均值,获得作为宠物图像与宠物类型的整体匹配度;
将整体匹配度最高的筛分匹配图像集参比宠物身体特征集合对应的宠物类型作为匹配宠物类型。
本发明还提出了一种宠物类型识别的装置,包括:
获取模块,用于获取宠物图像;
特征提取模块,用于根据所述宠物图像提取宠物的身体特征;
匹配模块,用于将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型。
优选地,所述特征提取模块包括:
整体轮廓提取单元,用于从宠物图像中提取宠物的整体轮廓;
身***置定位单元,用于从所述宠物的整体轮廓中定位脸部、躯干、尾巴和四肢的位置区域;
特征提取单元,用于在所述脸部、躯干、尾巴和四肢的位置区域中分别提取宠物的脸部特征、躯干特征、尾巴特征和四肢特征,所述脸部特征包括眼睛特征、嘴巴特征、鼻子特征、耳朵特征以及脸部轮廓;
将所述宠物的脸部特征、躯干特征、尾巴特征和四肢特征组合在一起,形成宠物身体特征集合,每个特征包括颜色和形状两个参数。
优选地,所述宠物身体特征数据库包括:
多个宠物类型的匹配图像集,每个宠物类型的匹配图像集包括一张或多张预设的宠物匹配图像,其中包含一张携带宠物类型标记的所述宠物匹配图像,记为代表宠物图像;
从每张所述宠物匹配图像提取得到的参比宠物身体特征集合,所述参比宠物身体特征集合中包含所述宠物匹配图像中所述宠物的多个特征;
与每个宠物类型的匹配图像集对应的区别特征集合,所述区别特征集合表示某一类型宠物的一个或多个区别特征,所述区别特征为用于该类型宠物与其他类型宠物进行区分的特征。
优选地,所述匹配模块包括:
匹配单元,用于判断所述宠物身体特征集合是否包含区别特征集合;
匹配单元,用于判断所述宠物身体特征集合是否包含区别特征集合;
结果分析单元,用于分析若包含区别特征集合,则判断包含的区别特征集合是否多于一个;
多结果处理单元,用于结果分析单元出现多个结果时,则将包含的区别特征集合记为筛分区别特征集合,采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型;
单一结果处理单元,用于结果分析单元只有一个结果时,则获取与所述区别特征集合对应的宠物类型的匹配图像集的宠物类型标记,得到匹配的宠物类型。
本发明提出的宠物类型识别方法和装置,其方法中,智能终端获取宠物图像;根据所述宠物图像提取宠物的多个身体特征;将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型,可使用户快速获知宠物的类型,增进对宠物的了解,帮助用户选择自己喜爱的宠物。
附图说明
图1为本发明宠物类型识别的方法的第一实施例的流程示意图;
图2为本发明宠物类型识别的方法宠物身体特征数据库中的数据类型示意图;
图3为本发明宠物类型识别的装置的第一实施例的结构示意图;
图4为本发明宠物类型识别的装置的第二实施例的结构示意图;
图5为本发明宠物类型识别的装置的第三实施例的结构示意图;
图6为本发明宠物类型识别的装置的第五实施例的结构示意图;
图7为本发明宠物类型识别的装置的第六实施例的结构示意图;
图8为本发明宠物类型识别方法和装置的构思解析图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”“上述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件、单元、模块和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、单元、模块、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,这里所使用的“终端”、“智能终端”、“移动终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal CommunicationsService,个人通信***),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位***)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/ 或空间的任何其他位置运行。这里所使用的“终端”、“智能终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提出一种宠物类型识别的方法,该宠物类型识别的方法可以应用于控制终端,控制终端可以为但不限于平板电脑、手机或其他智能设备。本实施例及以下实施例以手机为例进行说明。图像识别过程一般是图像通过手机上传至服务器,由服务器解析而获得结果再将结果传回手机。参照图1,图1为本发明宠物类型识别的方法的第一实施例的流程示意图。本发明提出的宠物类型识别的方法,包括如下步骤:
S10、获取宠物图像;
S20、根据所述宠物图像提取宠物的多个身体特征;
S30、将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型。
如步骤S10所述,首先是获取宠物图像,该图像可通过手机拍摄而获取,也可以通过导入手机内部的图像或加载网络上的图像。
如步骤S20所述,可通过现有的识别技术对宠物的身体特征进行提取。
在步骤S30中,宠物身体特征数据库中储存了大量类型的宠物数据。某一类型的宠物也储存了大量的个体宠物特征信息。数据库统计了某一类型宠物的某一特征的排布情况,若该特征离散性较大,则说明该特征并不是该类型宠物的区分特征,则此特征在匹配计算时,权重占比可忽略或占比小;若该特征离散性小,则说明该特征是该类型宠物的区分特征,则此特征在匹配计算时,权重占比大。具体的占比权重根据宠物类型的不同而不同。如宠物X同时包括区别特征A和区别特征B,区别特征A属于A类型宠物,区别特征B属于B类型宠物。此时,装置可分析宠物X的其他特征是否落入A类型或B类型宠物的范围,若只有A类型符合而B类型不符合,则优先传送A类型的宠物图片和名称。匹配过程中,宠物身体特征集合与宠物身体特征数据库进行匹配的方式为,宠物身体特征集合中的各个特征变量与宠物身体特征数据库中各个类型的宠物特征数据逐一匹配,获得匹配结果。
当匹配出对应的宠物类型后,可以通过输出匹配结果给用户,告知用户匹配的宠物类型。输出的结果可以是包括宠物类型名称,该类型宠物的某一图片或图片集。选用的图片来自于宠物数据库,该宠物数据库包含了宠物身体特征数据库中对应特征的宠物图像。选用的图片一般与要辨识的图像中宠物的动作相同。输出结果可以是单一结果,但不限于单一结果。可依据匹配度的高低依次输出判断结果,匹配度高的优先显示,用户对该结果不满意可切换至较低匹配度的结果。
进一步的,基于本发明宠物类型识别的方法的第一实施例,本发明还提出了宠物类型识别的方法的第二实施例,与宠物类型识别的方法的第一实施例不同的是,步骤S10包括:
S101、通过相机拍摄宠物,得到初始宠物图像;
S102、记录拍摄所述初始宠物图像时,相机的位移信息;
S103、判断所述位移信息是否在设定的允许识别的位移阈值范围内,在判断出所述位移信息在所述位移阈值范围内时,将所述初始宠物图像作为宠物图像。
步骤S101中,在此场景下,用户是通过手机对准宠物拍照,获取宠物的图像。辨识装置可读取相机的型号以及成像条件。成像条件包括像素值,ISO感光系数,白平衡参数等。辨识装置可根据具体型号的相机型号及成像条件对图像进行优化,使该宠物图像数据与实际值更为接近。
在步骤S102、S103中,用户看到一只自己心仪的宠物,心情会比较兴奋,手持手机拍照时,手部可能因为心情兴奋而不能平稳地拍摄宠物图像。本实施例的方法可检测用户拍照时是否手抖过度而导致拍摄的宠物图像无法用于识别宠物类型。
具体的方法是通过三轴陀螺仪或其他相关位置获取配件,获取手机中拍摄所述宠物图像时的设备位置信息,记录成像前的位置信息为(x0,y0,z0),成像后的位置信息为(x1,y1,z1),则可计算其位移信息ΔX。具体为:
判断所述位移信息是否超过设定允许识别的位移阈值。若没有超过,则该图像可以用于宠物类型识别,若超过,则提醒用户重新拍摄。
进一步的,基于本发明宠物类型识别的方法的第一实施例,本发明还提出了宠物类型识别的方法的第三实施例,与宠物类型识别的方法的第一实施例不同的是,步骤S20包括:
S21、从宠物图像中提取宠物的整体轮廓;
S22、从所述宠物的整体轮廓中定位脸部、躯干、尾巴和四肢的位置区域;
S23、在所述脸部、躯干、尾巴和四肢的位置区域中分别提取宠物的脸部特征、躯干特征、尾巴特征和四肢特征,所述脸部特征包括眼睛特征、嘴巴特征、鼻子特征、耳朵特征以及脸部轮廓。
如步骤S21所述,对宠物轮廓的辨识,是通过建立神经网络模型实现的。通过大量的图片训练,使装置可辨别宠物图像中宠物和背景的差异,进而找出宠物的轮廓。
一般地,就辨识宠物类型而言,识别脸部特征最为重要。利用神经网络模型的培训机制,辨识装置可识别出宠物的脸部轮廓。根据宠物脸部的颜色与环境颜色的差异,判断周围环境的环境参数。结合所述脸部的轮廓内颜色和所述环境参数辨识宠物的整体轮廓。比如辨识一只猫所处的环境,是在床单上还是在地板上,是在草地上还是在道路上。扣除了背景之后,便可获得宠物的整体轮廓。
在一些较为复杂的背景中,扣除背景后获得的宠物整体轮廓并不是真实的宠物轮廓,还包括了部分背景,此时可通过宠物身体轮廓定位模型,保留合理的轮廓部分。
如步骤S22所述,在辨别出宠物轮廓的基础上,将宠物的轮廓划分成四个区域:头部,躯干,四肢和尾巴。由于成像的角度问题,四肢和尾巴的特征可能在图像中不显著,在统计特征时,可根据实际情况忽略该两处特征。
在步骤S23中,辨识头部的特征最为重要,头部的特征具体包括了耳朵形状,耳朵颜色,耳朵相对于脸部的大小,耳朵位置等;眼睛形状,眼睛相对于脸部的大小,眼睛颜色,眼睛在脸部位置等;鼻子形状,鼻子相对于脸部的大小,鼻子颜色,鼻子在脸部的位置等;嘴巴形状,嘴巴相对于脸部的大小,嘴巴颜色,嘴巴在脸部的位置;脸部相对于躯干的大小,脸部颜色,脸部形状等。
躯干的特征主要包括躯干相对于头部的大小,躯干的颜色和颜色分布等。
四肢的特征主要包括腿长,腿部颜色,腿的粗细等。
尾巴的特征主要包括尾巴长度,尾巴颜色和尾巴粗细等。但实际拍摄中,尾巴常常不能完整地出现于图像之中,所以装置可智能筛选可甄别的特征。
以上宠物的身体特征,每个特征都用一个变量表示。提取宠物图像上所有的宠物特征,将所有特征组成一个宠物身体特征集合。但在提取的过程中并不是每个特征都能被提取。此时,宠物身体特征集合中,表示不能被提取的特征的变量的值记为0。
进一步的,基于本发明宠物类型识别的方法的第三实施例,本发明还提出了宠物类型识别的方法的第四实施例,与宠物类型识别的方法的第三实施例不同的是,步骤S30中宠物身体特征数据库中的数据包括:
多个宠物类型的匹配图像集301,每个宠物类型的匹配图像集包括一张或多张预设的宠物匹配图像,其中包含一张携带宠物类型标记的所述宠物匹配图像,记为代表宠物图像;
从每张所述宠物匹配图像提取得到的参比宠物身体特征集合302,所述参比宠物身体特征集合中包含所述宠物匹配图像中所述宠物的多个特征;
与每个宠物类型的匹配图像集对应的区别特征集合303,所述区别特征集合表示某一类型宠物的一个或多个区别特征,所述区别特征为用于该类型宠物与其他类型宠物进行区分的特征。
如图2所示,宠物身体特征数据库中包括多种宠物类型的特征数据,每种宠物类型的特征数据又分为三种数据类型,分别为匹配图像集,参比宠物身体特征集合和区别特征集合。
匹配图像集301是指某一宠物类型的图像集,比如针对波斯猫,宠物身体特征数据库储存有波斯猫的图像集。为了使数据不过度与具体的宠物个体拟合,某个宠物个体的宠物图像不超过三张。
参比宠物身体特征集合302是指与每张数据库储存的图片对应的宠物身体特征集合。宠物身体特征的提取可参照实施例二和实施例三的方法。
区别特征集合303是指某一类型用于该类型宠物与其他类型宠物进行区分的特征集合。可通过收集该类型的宠物图像,提取每张宠物图像的身体特征,统计各个身体特征的排布情况。区别特征集合303中,可区分重要区别特征,一般区别特征。在实际情况下可定义超过80%的宠物图像具有的宠物特征为重要区别特征,超过60%但小于80%的宠物图像具有的宠物特征设置为一般区别特征。在单一的区别特征中,可设置多个数据范围,并定义对不同的数据范围设置不同的权重,例如,将某一特征划分为三个数据范围[0,1],(1,2],(2,3],[0,1] 的权重设置为0.8,(1,2]的权重设置为0.6,(2,3]的权重设置为0.4。权重为0.8表示该类型>80%的宠物图像具有该特征。
进一步的,基于本发明宠物类型识别的方法的第四实施例,本发明还提出了宠物类型识别的方法的第五实施例,与宠物类型识别的方法的第四实施例不同的是,步骤S30还包括:
S31、判断所述宠物身体特征集合是否包含区别特征集合;
S32、若包含区别特征集合,则判断包含的区别特征集合是否多于一个;
S33、若是,则将包含的区别特征集合记为筛分区别特征集合,采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型;
S34、若包含一个区别特征集合,则获取与所述区别特征集合对应的宠物类型的匹配图像集的宠物类型标记,得到匹配的宠物类型。
如步骤S31所述,假设宠物身体特征集合为{a1,a2,a3…an},记为集合A。某一类型的区别特征集合为{{X1},{X2},{X3}},记为集合X,此处假定区别特征集合X只包括三个区别特征。另一类型的区别特征集合Q为{{Q1},{Q2}},此处假定区别特征集合Q只包括两个区别特征。设定a1,a2,a3分别与{X1},{X2},{X3}对应,a4,a5分别与{Q1},{Q2}对应。若a1∈{X1},a2∈{X2},a3∈{X3},则可判断集合A包含区别特征集合X。若a4∈{Q1},a5∈{Q2},则判断集合A包含区别特征集合Q。若区别特征集合X中的子集Xn不包含集合A的对应特征元素an,则可判定集合A不包含区别特征集合X。
如步骤S32、S33、S34所述,本步骤是关于判断出现不同结果的处理方法。若集合A不包含任何区别特征集合,则匹配不成功,输出无法识别的结果。若集合A包含一个区别特征集合,则输出与该区别特征集合对应的宠物类型的宠物代表图像。点击宠物代表图像,可加载相应的匹配宠物图像集,方便用户查看该类型宠物的不同个体的特点,增加该类型的宠物的了解。若集合A包含多个区别特征集合,则采用筛分机制,对得到的结果进一步筛分,获得各个区别特征集合的匹配度,按匹配度的高低输出匹配结果。
进一步的,基于本发明宠物类型识别的方法的第五实施例,本发明还提出了宠物类型识别的方法的第六实施例,与宠物类型识别的方法的第五实施例不同的是,步骤S33中,所述采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型,包括:
S331、获取与筛分区别特征集合的多个对应的宠物类型的筛分匹配图像集;
S332、调取与每个所述宠物类型的所述筛分匹配图像集中的所有宠物图像,获取每张宠物图像对应的参比宠物身体特征集合;
S333、将所述宠物身体特征集合中的特征与调取的参比宠物身体特征集合中的特征进行逐一比对,计算所述宠物身体特征集合与每个调取的参比宠物身体特征集合的匹配度;
S334、通过根据所述筛分匹配图像集中所有宠物身体特征集合与每个调取的参比宠物身体特征集合的匹配度,计算所述宠物身体特征集合中的特征与调取的参比宠物身体特征集合的匹配度,计算所述筛分匹配图像集与所述宠物身体特征集合匹配度的平均值,获得作为宠物图像与宠物类型的整体匹配度;
S335、将整体匹配度最高的参比宠物身体特征集合对应的宠物类型作为匹配宠物类型。
步骤S331、S332中,假设筛分区别特征集合对应的宠物类型为B、C、D,则调取宠物类型B、C、D对应的宠物图像集,并调取B、C、D宠物图像集中所有的宠物图像对应的参比宠物身体特征集合。以宠物类型B为例,宠物类型B中有n张宠物图像,则其对应的参比宠物身体特征集合也有n个,记为B1,B2,…Bn。参比宠物身体特征集合Bt={b1,b2,…bn},t为正整数,取值范围为[1,n]。
在步骤S333中,集合A分别与B1,B2,…Bn比较,计算出相应的匹配度η1,η2,…ηn。则宠物类型B整体匹配度ηB可由求解η1,η2,…ηn的平均值得到。同理可求出宠物类型C的整体匹配度ηC和宠物类型D的整体匹配度ηD。
在步骤S334、S335中,根据整体匹配度的大小,按顺序输出相应的宠物代表图像。整体匹配度最高的宠物类型优先显示,点击宠物代表图像,可加载相应的匹配宠物图像集。假定整体匹配度ηB最高,用户可在宠物图像集B中查看多张B类型宠物图像,直观地与现实中的宠物对比,得出自己的判断结果。
参照图3,图3为本发明宠物类型识别的装置的第一实施例的结构示意图。本发明提出一种宠物类型识别的装置,包括:
获取模块10,用于获取宠物图像;
特征提取模块20,用于根据所述宠物图像提取宠物的身体特征;
匹配模块30,用于将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型。
获取模块10中,首先是获取宠物图像,该图像可通过手机拍摄而获取,也可以通过导入手机内部的图像或加载网络上的图像。
特征提取模块20,是通过建立神经网络模型实现的。通过大量的图片训练,使装置可辨别宠物图像中宠物和背景的差异,进而找出宠物的轮廓。
在辨别出宠物轮廓的基础上,将宠物的轮廓划分成四个区域:头部,躯干,四肢和尾巴。由于成像的角度问题,四肢和尾巴的特征可能在图像中不显著,在统计特征时,可根据实际情况忽略该两处特征。
辨识头部的特征最为重要,头部的特征具体包括了耳朵形状,耳朵颜色,耳朵相对于脸部的大小,耳朵位置;眼睛形状,眼睛相对于脸部的大小,眼睛颜色,眼睛在脸部位置;鼻子形状,鼻子相对于脸部的大小,鼻子颜色,鼻子在脸部的位置;嘴巴形状,嘴巴相对于脸部的大小,嘴巴颜色,嘴巴在脸部的位置;脸部相对于躯干的大小,脸部颜色,脸部形状。
躯干的特征主要包括躯干相对于头部的大小,躯干的颜色和颜色分布。
四肢的特征主要包括腿长,腿部颜色,腿的粗细。
尾巴的特征主要包括尾巴长度,尾巴颜色和尾巴粗细。但实际拍摄中,尾巴常常不能完整地出现于图像之中,所以装置可智能筛选可甄别的特征。
在匹配模块30中,宠物身体特征数据库中储存了大量类型的宠物数据。某一类型的宠物也储存了大量的个体宠物特征信息。数据库统计了某一类型宠物的某一特征的排布情况,若该特征离散性较大,则说明该特征并不是该类型宠物的区分特征,则此特征在匹配计算时,权重占比可忽略或占比小;若该特征离散性小,则说明该特征是该类型宠物的区分特征,则此特征在匹配计算时,权重占比大。具体的占比权重根据宠物类型的不同而不同。如宠物X同时包括区别特征A和区别特征B,区别特征A属于A类型宠物,区别特征B属于B类型宠物。此时,装置可分析宠物X的其他特征是否落入A类型或B类型宠物的范围,若只有A类型符合而B类型不符合,则优先传送A类型的宠物图片和名称。
输出结果是包括宠物类型名称,该类型宠物的某一图片或图片集。选用的图片来自于宠物数据库,该宠物数据库包含了宠物身体特征数据库中对应特征的宠物图像。选用的图片一般与辨识的图像宠物动作相同。输出结果可以是单一结果,但不限于单一结果。可依据匹配度的高低依次输出判断结果,匹配度高的优先显示,用户对该结果不满意可切换至较低匹配度的结果。
如图4所示,图4为本发明宠物类型识别的装置的第二实施例的结构示意图。进一步的,基于本发明宠物类型识别的装置的第一实施例,本发明还提出了宠物类型识别的装置的第二实施例。与宠物类型识别的装置的第一实施例不同的是,获取模块10还包括:
图像获取单元101,用于通过相机拍摄宠物,得到初始宠物图像。
位移记录单元102,用于记录拍摄所述宠物图像时的设备位移信息;
图像清晰度判断单元103,用于判断所述位移信息是否在设定的允许识别的位移阈值范围内,在判断出所述位移信息在所述位移阈值范围内时,将所述初始宠物图像作为宠物图像。
图像获取单元101中,用户是通过手机对准宠物拍照,获取宠物的图像。辨识装置可读取相机的型号以及成像条件。成像条件包括像素值,ISO感光系数,白平衡参数等。辨识装置可根据具体型号的相机型号及成像条件对图像进行优化,使该宠物图像数据与实际值更为接近。
位移记录单元102中,用户看到一只自己心仪的宠物,心情会比较兴奋,手持手机拍照时,手部可能因为心情兴奋而不能平稳地拍摄宠物图像。本实施例的装置可检测用户拍照时是否手抖过度而导致拍摄的宠物图像无法用于识别宠物类型。
图像清晰度判断单元103中,具体的装置是通过三轴陀螺仪或其他相关位置获取配件,获取手机中拍摄所述宠物图像时的设备位置信息,记录成像前的位置信息为(x0,y0,z0),成像后的位置信息为(x1,y1,z1),则可计算其位移信息ΔX。具体为:
判断所述位移信息是否超过设定允许识别的位移阈值范围内,其中,位移值范围为预先设置。若没有超过,则该图像可以用于宠物类型识别,若超过,则提醒用户重新拍摄。
如图5所示,图5为本发明宠物类型识别的装置的第三实施例的结构示意图。进一步的,基于本发明宠物类型识别的装置的第一实施例,本发明还提出了宠物类型识别的装置的第三实施例,与宠物类型识别的装置的第一实施例不同的是,所述特征提取模块20包括:
整体轮廓提取单元21,用于从宠物图像中提取宠物的整体轮廓;
身***置定位单元22,用于从所述宠物的整体轮廓中定位脸部、躯干、尾巴和四肢的位置区域;
特征提取单元23,用于在所述脸部、躯干、尾巴和四肢的位置区域中分别提取宠物的脸部特征、躯干特征、尾巴特征和四肢特征,所述脸部特征包括眼睛特征、嘴巴特征、鼻子特征、耳朵特征以及脸部轮廓。
整体轮廓提取单元21中,对宠物轮廓的辨识,是通过建立神经网络模型实现的。通过大量的图片训练,使装置可辨别宠物图像中宠物和背景的差异,进而找出宠物的轮廓。
一般地,就辨识宠物类型而言,识别脸部特征最为重要。利用神经网络模型的培训机制,辨识装置可识别出宠物的脸部轮廓。根据宠物脸部的颜色与环境颜色的差异,判断周围环境的环境参数。结合所述脸部的轮廓内颜色和所述环境参数辨识宠物的整体轮廓。比如辨识一只猫所处的环境,是在床单上还是在地板上,是在草地上还是在道路上。扣除了背景之后,便可获得宠物的整体轮廓。
在一些较为复杂的背景中,扣除背景后获得的宠物整体轮廓并不是真实的宠物轮廓,还包括了部分背景,此时可通过宠物身体轮廓定位模型,保留合理的轮廓部分。
身***置定位单元22中,在辨别出宠物轮廓的基础上,将宠物的轮廓划分成四个区域:头部,躯干,四肢和尾巴。由于成像的角度问题,四肢和尾巴的特征可能在图像中不显著,在统计特征时,可根据实际情况忽略该两处特征。
特征提取单元23中,辨识头部的特征最为重要,头部的特征具体包括了耳朵形状,耳朵颜色,耳朵相对于脸部的大小,耳朵位置等;眼睛形状,眼睛相对于脸部的大小,眼睛颜色,眼睛在脸部位置等;鼻子形状,鼻子相对于脸部的大小,鼻子颜色,鼻子在脸部的位置等;嘴巴形状,嘴巴相对于脸部的大小,嘴巴颜色,嘴巴在脸部的位置;脸部相对于躯干的大小,脸部颜色,脸部形状等。
躯干的特征主要包括躯干相对于头部的大小,躯干的颜色和颜色分布等。
四肢的特征主要包括腿长,腿部颜色,腿的粗细等。
尾巴的特征主要包括尾巴长度,尾巴颜色和尾巴粗细等。但实际拍摄中,尾巴常常不能完整地出现于图像之中,所以装置可智能筛选可甄别的特征。
以上宠物的身体特征,每个特征都用一个变量表示。提取宠物图像上所有的宠物特征,将所有特征组成一个宠物身体特征集合。但在提取的过程中并不是每个特征都能被提取。此时,宠物身体特征集合中,表示不能被提取的特征的变量的值记为0。
将所述宠物的脸部特征、躯干特征、尾巴特征和四肢特征组合在一起,形成宠物身体特征集合,每个特征包括颜色和形状两个参数。
进一步的,基于本发明宠物类型识别的装置的第三实施例,本发明还提出了宠物类型识别的装置的第四实施例,与宠物类型识别的装置的第三实施例不同的是,所述宠物身体特征数据库包括:
多个宠物类型的匹配图像集301,每个宠物类型的匹配图像集包括一张或多张预设的宠物匹配图像,其中包含一张携带宠物类型标记的所述宠物匹配图像,记为代表宠物图像;
从每张所述宠物匹配图像提取得到的参比宠物身体特征集合302,所述参比宠物身体特征集合中包含所述宠物匹配图像中所述宠物的多个特征;
与每个宠物类型的匹配图像集对应的区别特征集合303,所述区别特征集合表示某一类型宠物的一个或多个区别特征,所述区别特征为用于该类型宠物与其他类型宠物进行区分的特征。
匹配图像集301是指某一宠物类型的图像集,比如针对波斯猫,宠物身体特征数据库储存有波斯猫的图像集。为了使数据不过度与具体的宠物个体拟合,某个宠物个体的宠物图像不超过三张。
参比宠物身体特征集合302是指与每张数据库储存的图片对应的宠物身体特征集合。宠物身体特征的提取可参照实施例2和实施例3的方法。
区别特征集合303是指某一类型用于该类型宠物与其他类型宠物进行区分的特征集合。可通过收集该类型的宠物图像,提取每张宠物图像的身体特征,统计各个身体特征的排布情况。区别特征集合303中,可区分重要区别特征,一般区别特征。在实际情况下可定义超过80%的宠物图像具有的宠物特征为重要区别特征,超过60%但小于80%的宠物图像具有的宠物特征设置为一般区别特征。在单一的区别特征中,可设置多个数据范围,并定义对不同的数据范围设置不同的权重,例如,将某一特征划分为三个数据范围[0,1],(1,2],(2,3],[0,1]的权重设置为0.8,(1,2]的权重设置为0.6,(2,3]的权重设置为0.4。权重为0.8表示该类型>80%的宠物图像具有该特征。
如图6所示,图6为本发明宠物类型识别的装置的第五实施例的结构示意图。进一步的,基于本发明宠物类型识别的装置的第四实施例,本发明还提出了宠物类型识别的装置的第五实施例,与宠物类型识别的装置的第四实施例不同的是,所述匹配模块30包括:
匹配单元31,用于判断所述宠物身体特征集合是否包含区别特征集合;
结果分析单元32,用于分析若包含区别特征集合,则判断包含的区别特征集合是否多于一个;
多结果处理单元33,用于结果分析单元出现多个结果时,则将包含的区别特征集合记为筛分区别特征集合,采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型;
单一结果处理单元34,用于结果分析单元只有一个结果时,则获取与所述区别特征集合对应的宠物类型的匹配图像集的宠物类型标记,得到匹配的宠物类型。
匹配单元31中,假设宠物身体特征集合为{a1,a2,a3…an},记为集合A。某一类型的区别特征集合为{{X1},{X2},{X3}},记为集合X,此处假定区别特征集合X只包括三个区别特征。另一类型的区别特征集合Q为{{Q1},{Q2}},此处假定区别特征集合Q只包括两个区别特征。设定a1,a2,a3分别与{X1},{X2},{X3}对应,a4,a5分别与{Q1},{Q2}对应。若a1∈{X1},a2∈{X2},a3∈{X3},则可判断集合A包含区别特征集合X。若a4∈{Q1},a5∈{Q2},则判断集合A包含区别特征集合Q。若区别特征集合X中的子集Xn不包含集合A的对应特征元素an,则可判定集合A不包含区别特征集合X。
结果分析单元32中,若集合A不包含任何区别特征集合,则输出无法识别的结果。单一结果处理单元34中,集合A只包含一个区别特征集合,则输出与该区别特征集合对应的宠物类型的宠物代表图像。点击宠物代表图像,可加载相应的匹配宠物图像集,方便用户查看该类型宠物的不同个体的特点,增加该类型的宠物的了解。多结果处理单元33中,集合A包含多个区别特征集合,则采用筛分机制,对得到的结果进一步筛分,获得各个区别特征集合的匹配度,按匹配度的高低输出匹配结果。
如图7所示,图7为本发明宠物类型识别的装置的第六实施例的结构示意图。进一步的,基于本发明宠物类型识别的装置的第五实施例,本发明还提出了宠物类型识别的装置的第六实施例,与宠物类型识别的装置的第五实施例不同的是,结果分析单元33中的匹配机制包括:
调取单元331,用于获取与筛分区别特征集合对应的宠物类型的筛分匹配图像集;调取所述筛分匹配图像集中的所有宠物图像,获取每张宠物图像对应的参比宠物身体特征集合;
匹配单元332,用于将所述宠物身体特征集合中的特征与调取的参比宠物身体特征集合中的特征进行逐一比对,计算所述宠物身体特征集合与每个调取的参比宠物身体特征集合的匹配度;通过根据所述筛分匹配图像集中所有宠物身体特征集合与每个调取的参比宠物身体特征集合的匹配度,计算所述宠物身体特征集合中的特征与调取的参比宠物身体特征集合的匹配度,计算所述筛分匹配图像集与所述宠物身体特征集合匹配度的平均值,获得作为宠物图像与宠物类型的整体匹配度;
适配单元333,用于将整体匹配度最高的筛分匹配图像集参比宠物身体特征集合对应的宠物类型作为匹配宠物类型。
调取单元331中,假设筛分区别特征集合对应的宠物类型为B、C、D,则调取宠物类型B、C、D对应的宠物图像集,并调取B、C、D宠物图像集中所有的宠物图像对应的参比宠物身体特征集合。以宠物类型B为例,宠物类型B中有n张宠物图像,则其对应的参比宠物身体特征集合也有n个,记为B1,B2,…Bn。参比宠物身体特征集合Bt={b1,b2,…bn},t为正整数,取值范围为[1,n]。
匹配单元332中,集合A分别与B1,B2,…Bn比较,计算出相应的匹配度η1,η2,…ηn。则宠物类型B整体匹配度ηB可由求解η1,η2,…ηn的平均值得到。同理可求出宠物类型C的整体匹配度ηC和宠物类型D的整体匹配度ηD。
适配单元333中,根据整体匹配度的大小,按顺序输出相应的宠物代表图像。整体匹配度最高的宠物类型优先显示,点击宠物代表图像,可加载相应的匹配宠物图像集。假定整体匹配度ηB最高,用户可在宠物图像集B中查看多张B类型宠物图像,直观地与现实中的宠物对比,得出自己的判断结果。
如图8所示,图8为本发明宠物类型识别方法和装置的构思解析图。本发明提出的宠物类型识别方法,首先是通过训练机制判断宠物的位置(即宠物的轮廓),再将宠物的轮廓划分为头部,躯干,四肢,尾部四个部位,提取各个部位的特征,与宠物身体特征数据库中的数据进行匹配,输出匹配结果。
本发明提出的宠物类型识别方法和装置,其方法中,智能终端获取宠物图像;根据所述宠物图像提取宠物的多个身体特征;将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型,可使用户快速获知宠物的类型,增进对宠物的了解,帮助用户选择自己喜爱的宠物。
值得注意的是,本发明的宠物类型识别方法及宠物类型识别装置可实施为电脑程序产品的电脑可读媒体。进一步而论,本发明提供一种宠物类型识别可读媒体,其中宠物类型识别可读媒体储存宠物类型识别方法或宠物类型识别装置,且宠物类型识别可读媒体具有辨识影像及测量影像内容的功效。
换句话说,宠物类型识别方法及宠物类型识别装置可以实施为各种形式,例如:硬件实施例、软件实施例(包含韧体、常驻软件或微程式码等)。此外,宠物类型识别方法及宠物类型识别装置可以实施为软件与硬件的实施例,例如:宠物类型识别电子模块、宠物类型识别嵌入式装置,但不以此为限。在实际应用中,本发明的宠物类型识别方法及宠物类型识别装置可通过有形的媒体形式实施为电脑程式产品,其中电脑程式产品具有复数个影像程序码,且该等影像程序码包含上述宠物类型识别方法或上述宠物类型识别装置。
一个或更多个电脑可使用或可读取媒体的组合都可以利用。举例来说,电脑可使用或可读取媒体可以是(但并不限于)电子的、磁的、光学的、电磁的、红外线的或半导体的***、装置、设备或传播媒体。更具体的电脑可读取媒体实施例可以包括下列所示(非限定的例示):由一个或多个连接线所组成的电气连接、可携式的电脑磁片、硬碟机、随机存取存储器(RAM)、只读存储器(ROM)、可抹除程序化只读存储器(EPROM或快闪存储器)、光纤、可携式光碟片(CD-ROM)、光学储存装置、传输媒体(例如网际网络(Internet)或内部网络(intranet)的基础连接)、或磁储存装置。需注意的是,电脑可使用或可读取媒体还可以为纸张或任何可用于将程序列印在其上而使得该程序可以再度被电子化的适当媒体,例如通过光学扫描该纸张或其他媒体,然后再编译、解译或其他合适的必要处理方式,然后可再度被储存在电脑存储器中。在本文中,电脑可使用或可读取媒体可以是任何用于保持、储存、传送、传播或传输程序码的媒体,以供与其相连接的指令执行***、装置或设备来处理。电脑可使用媒体可包括其中储存有电脑可使用程序码的传播数据信号,不论是以基频(baseband)或是部分载波的型态。电脑可使用程序码的传输可以使用任何适体的媒体,包括(但并不限于)无线、有线、光纤缆线、射频(RF)等。
用于执行本发明操作的电脑程序码可以使用一种或多种程序语言的组合来撰写,包括物件导向程序语言(例如Java、Smalltalk、C++或其他类似者)以及传统程序语言(例如C程序语言或其他类似的程序语言)。程序码可以独立软件套件的形式完整的在使用者的电脑上执行或部分在使用者的电脑上执行,或部分在使用者电脑而部分在远端电脑,或者全部在远端电脑或服务器上执行。在后面的情况,远端电脑可以任何形式的网络连接至使用者的电脑,包括区域网络(LAN)或广域网络(WAN),或者也可利用外部电脑来做连结(例如利用网际网络服务提供者来连接至网际网络)。
本发明的相关叙述会参照依据本发明具体实施例的***、装置、方法及电脑程序产品的流程图及/或方块图来进行说明。当可理解每一个流程图及/或方块图中的每一个方块,以及流图及/或方块图中方块的任何组合,可以使用电脑程序指令来实施。这些电脑程序指令可供通用型电脑或特殊电脑的处理器或其他可程序化数据处理装置所组成的机器来执行,而指令经由电脑或其他可程序化数据处理装置处理以便实施流程图及/或方块图中所说明的功能或操作。
这些电脑程序指令亦可被储存在电脑可读取媒体上,以便指示电脑或其他可程序化数据处理装置来进行特定的功能,而这些储存在电脑可读取媒体上的指令构成一制成品,其内包括的指令可实施流程图及/或方块图中所说明的功能或操作。
电脑程序指令亦可被载入到电脑上或其他可程序化数据处理装置,以便在电脑或其他可程序化装置上进行一***操作步骤,而在该电脑或其他可程序化装置上执行该指令时产生电脑实施程序以达成流程图及/或方块图中所说明的功能或操作。
在图式中显示依据本发明各种实施例的***、装置、方法及电脑程序产品可实施的架构、功能及操作的流程图及方块图。因此,流程图或方块图中的每个方块可表示一模块、区段、或部分的程序码,其包含一个或多个可执行指令,以实施指定的逻辑功能。另当注意的是,某些其他的实施例中,方块所述的功能可以不依图中所示的顺序进行。举例来说,两个图示相连接的方块事实上亦可以同时执行,或依所牵涉到的功能在某些情况下亦可以依图示相反的顺序执行。此外亦需注意者,每个方块图及/或流程图的方块,以及方块图及/或流程图中方块的组合,可通过基于特殊目的硬件的***来实施,或者通过特殊目的硬件与电脑指令的组合,来执行特定的功能或操作。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种宠物类型识别的方法,其特征在于,包括:
获取宠物图像;
根据所述宠物图像提取宠物的多个身体特征;
将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型。
2.根据权利要求1所述的宠物类型识别的方法,其特征在于,所述通过相机拍摄所述宠物图像,包括:
通过相机拍摄宠物,得到初始宠物图像;
记录拍摄所述初始宠物图像时,相机的位移信息;
判断所述位移信息是否在设定的允许识别的位移阈值范围内,在判断出所述位移信息在所述位移阈值范围内时,将所述初始宠物图像作为宠物图像。
3.根据权利要求1所述的宠物类型识别的方法,其特征在于,所述根据所述宠物图像提取宠物的多个身体特征,包括:
从宠物图像中提取宠物的整体轮廓;
从所述宠物的整体轮廓中定位脸部、躯干、尾巴和四肢的位置区域;
在所述脸部、躯干、尾巴和四肢的位置区域中分别提取宠物的脸部特征、躯干特征、尾巴特征和四肢特征,所述脸部特征包括眼睛特征、嘴巴特征、鼻子特征、耳朵特征以及脸部轮廓;
将所述宠物的脸部特征、躯干特征、尾巴特征和四肢特征组合在一起,形成宠物身体特征集合,每个特征包括颜色和形状两个参数。
4.根据权利要求3所述的宠物类型识别的方法,其特征在于,所述宠物身体特征数据库中的数据包括:
多个宠物类型的匹配图像集,每个宠物类型的匹配图像集包括一张或多张预设的宠物匹配图像,其中包含一张携带宠物类型标记的所述宠物匹配图像,记为代表宠物图像;
从每张所述宠物匹配图像提取得到的参比宠物身体特征集合,所述参比宠物身体特征集合中包含所述宠物匹配图像中所述宠物的多个特征;
与每个宠物类型的匹配图像集对应的区别特征集合,所述区别特征集合表示某一类型宠物的一个或多个区别特征,所述区别特征为用于该类型宠物与其他类型宠物进行区分的特征。
5.根据权利要求4所述的宠物类型识别的方法,其特征在于,所述将所述宠物身体特征集合与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型包括:
判断所述宠物身体特征集合是否包含区别特征集合;
若包含区别特征集合,则判断包含的区别特征集合是否多于一个;
若是,则将包含的区别特征集合记为筛分区别特征集合,采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型;
若包含一个区别特征集合,则获取与所述区别特征集合对应的宠物类型的匹配图像集的宠物类型标记,得到匹配的宠物类型。
6.根据权利要求5所述的宠物类型识别的方法,其特征在于,所述采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型,包括:
获取与筛分区别特征集合对应的宠物类型的筛分匹配图像集;
调取所述筛分匹配图像集中的所有宠物图像,获取每张宠物图像对应的参比宠物身体特征集合;
将所述宠物身体特征集合中的特征与调取的参比宠物身体特征集合中的特征进行逐一比对,计算所述宠物身体特征集合与每个调取的参比宠物身体特征集合的匹配度;
根据所述筛分匹配图像集中所有的参比宠物身体特征集合的匹配度,计算所述筛分匹配图像集与所述宠物身体特征集合匹配度的平均值,作为宠物图像与宠物类型的整体匹配度;
将整体匹配度最高的筛分匹配图像集对应的宠物类型作为匹配宠物类型。
7.一种宠物类型识别的装置,其特征在于,包括:
获取模块,用于获取宠物图像;
特征提取模块,用于根据所述宠物图像提取宠物的身体特征;
匹配模块,用于将所述宠物的多个身体特征与宠物身体特征数据库中的数据进行匹配,得到匹配的宠物类型。
8.根据权利要求7所述的宠物类型识别的装置,其特征在于,所述特征提取模块包括:
整体轮廓提取单元,用于从宠物图像中提取宠物的整体轮廓;
身***置定位单元,用于从所述宠物的整体轮廓中定位脸部、躯干、尾巴和四肢的位置区域;
特征提取单元,用于在所述脸部、躯干、尾巴和四肢的位置区域中分别提取宠物的脸部特征、躯干特征、尾巴特征和四肢特征,所述脸部特征包括眼睛特征、嘴巴特征、鼻子特征、耳朵特征以及脸部轮廓;
将所述宠物的脸部特征、躯干特征、尾巴特征和四肢特征组合在一起,形成宠物身体特征集合,每个特征包括颜色和形状两个参数。
9.根据权利要求8所述的宠物类型识别的装置,其特征在于,所述宠物身体特征数据库包括:
多个宠物类型的匹配图像集,每个宠物类型的匹配图像集包括一张或多张预设的宠物匹配图像,其中包含一张携带宠物类型标记的所述宠物匹配图像,记为代表宠物图像;
从每张所述宠物匹配图像提取得到的参比宠物身体特征集合,所述参比宠物身体特征集合中包含所述宠物匹配图像中所述宠物的多个特征;
与每个宠物类型的匹配图像集对应的区别特征集合,所述区别特征集合表示某一类型宠物的一个或多个区别特征,所述区别特征为用于该类型宠物与其他类型宠物进行区分的特征。
10.根据权利要求9所述的宠物类型识别的装置,其特征在于,所述匹配模块包括:
匹配单元,用于判断所述宠物身体特征集合是否包含区别特征集合;
结果分析单元,用于分析若包含区别特征集合,则判断包含的区别特征集合是否多于一个;
多结果处理单元,用于结果分析单元出现多个结果时,则将包含的区别特征集合记为筛分区别特征集合,采用匹配机制对所述多个筛分区别特征集合进行筛分,得到匹配的宠物类型;
单一结果处理单元,用于结果分析单元只有一个结果时,则获取与所述区别特征集合对应的宠物类型的匹配图像集的宠物类型标记,得到匹配的宠物类型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611032333.8A CN106577350B (zh) | 2016-11-22 | 2016-11-22 | 宠物类型识别的方法及装置 |
PCT/CN2017/074840 WO2018094892A1 (zh) | 2016-11-22 | 2017-02-24 | 宠物类型识别的方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611032333.8A CN106577350B (zh) | 2016-11-22 | 2016-11-22 | 宠物类型识别的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106577350A true CN106577350A (zh) | 2017-04-26 |
CN106577350B CN106577350B (zh) | 2020-10-09 |
Family
ID=58591589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611032333.8A Active CN106577350B (zh) | 2016-11-22 | 2016-11-22 | 宠物类型识别的方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106577350B (zh) |
WO (1) | WO2018094892A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875564A (zh) * | 2018-05-02 | 2018-11-23 | 浙江工业大学 | 一种宠物面部识别方法 |
CN109274891A (zh) * | 2018-11-07 | 2019-01-25 | 北京旷视科技有限公司 | 一种图像处理方法、装置及其存储介质 |
CN109409319A (zh) * | 2018-11-07 | 2019-03-01 | 北京旷视科技有限公司 | 一种宠物图像美化方法、装置及其存储介质 |
CN110704646A (zh) * | 2019-10-16 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 一种豢养物档案建立方法及装置 |
CN112101070A (zh) * | 2019-06-18 | 2020-12-18 | 财团法人农业科技研究院 | 以鼻纹提升识别率的动物身份识别***及其方法 |
WO2021212760A1 (zh) * | 2020-04-24 | 2021-10-28 | 北京旷视科技有限公司 | 确定人员身份类型的方法、装置和电子*** |
CN113657318A (zh) * | 2021-08-23 | 2021-11-16 | 平安科技(深圳)有限公司 | 基于人工智能的宠物分类方法、装置、设备及存储介质 |
WO2022206291A1 (zh) * | 2021-03-29 | 2022-10-06 | 青岛海尔空调器有限总公司 | 空调的控制方法、装置、设备和存储介质 |
CN115546838A (zh) * | 2022-10-20 | 2022-12-30 | 星宠王国(北京)科技有限公司 | 一种基于狗脸图像识别技术的婚介***及方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113366525A (zh) | 2019-02-01 | 2021-09-07 | 雀巢产品有限公司 | 宠物食物推荐装置和方法 |
CN112132026B (zh) * | 2020-09-22 | 2024-07-05 | 深圳赛安特技术服务有限公司 | 动物识别方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5134277A (en) * | 1983-11-07 | 1992-07-28 | Australian Meat And Live-Stock Corporation | Remote data transfer system with ambient light insensitive circuitry |
EP0821912A2 (en) * | 1996-07-25 | 1998-02-04 | Oki Electric Industry Co., Ltd. | Animal body identifying device and body identifying system |
CN101309357A (zh) * | 2007-05-18 | 2008-11-19 | 卡西欧计算机株式会社 | 具有图像抖动检测功能的摄像装置 |
CN201409150Y (zh) * | 2008-12-19 | 2010-02-17 | 康佳集团股份有限公司 | 一种可识别宠物的手机 |
CN102523380A (zh) * | 2011-11-10 | 2012-06-27 | 深圳市同洲电子股份有限公司 | 对移动终端的相机进行防抖的方法及该移动终端 |
JP2012129933A (ja) * | 2010-12-17 | 2012-07-05 | Casio Comput Co Ltd | 撮像装置及びプログラム |
CN102594857A (zh) * | 2010-10-11 | 2012-07-18 | 微软公司 | 移动设备上的图像识别和共享 |
CN103124311A (zh) * | 2013-01-24 | 2013-05-29 | 广东欧珀移动通信有限公司 | 一种手机拍照方法 |
WO2014018531A1 (en) * | 2012-07-23 | 2014-01-30 | Clicrweight, LLC | Body condition score determination for an animal |
CN105744164A (zh) * | 2016-02-24 | 2016-07-06 | 惠州Tcl移动通信有限公司 | 一种移动终端拍照方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320319B (zh) * | 2008-05-14 | 2010-06-09 | 山东大学 | 一种适时识别水生动物的装置及其工作方法 |
WO2012154841A2 (en) * | 2011-05-09 | 2012-11-15 | Mcvey Catherine Grace | Image analysis for determining characteristics of animal and humans |
CN104573745B (zh) * | 2015-01-21 | 2017-10-03 | 中国计量学院 | 基于磁共振成像的实蝇分类方法 |
CN105954281B (zh) * | 2016-04-21 | 2018-07-27 | 南京农业大学 | 一种稻谷霉变真菌菌落无损识别的方法 |
-
2016
- 2016-11-22 CN CN201611032333.8A patent/CN106577350B/zh active Active
-
2017
- 2017-02-24 WO PCT/CN2017/074840 patent/WO2018094892A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5134277A (en) * | 1983-11-07 | 1992-07-28 | Australian Meat And Live-Stock Corporation | Remote data transfer system with ambient light insensitive circuitry |
EP0821912A2 (en) * | 1996-07-25 | 1998-02-04 | Oki Electric Industry Co., Ltd. | Animal body identifying device and body identifying system |
CN101309357A (zh) * | 2007-05-18 | 2008-11-19 | 卡西欧计算机株式会社 | 具有图像抖动检测功能的摄像装置 |
CN201409150Y (zh) * | 2008-12-19 | 2010-02-17 | 康佳集团股份有限公司 | 一种可识别宠物的手机 |
CN102594857A (zh) * | 2010-10-11 | 2012-07-18 | 微软公司 | 移动设备上的图像识别和共享 |
JP2012129933A (ja) * | 2010-12-17 | 2012-07-05 | Casio Comput Co Ltd | 撮像装置及びプログラム |
CN102523380A (zh) * | 2011-11-10 | 2012-06-27 | 深圳市同洲电子股份有限公司 | 对移动终端的相机进行防抖的方法及该移动终端 |
WO2014018531A1 (en) * | 2012-07-23 | 2014-01-30 | Clicrweight, LLC | Body condition score determination for an animal |
CN103124311A (zh) * | 2013-01-24 | 2013-05-29 | 广东欧珀移动通信有限公司 | 一种手机拍照方法 |
CN105744164A (zh) * | 2016-02-24 | 2016-07-06 | 惠州Tcl移动通信有限公司 | 一种移动终端拍照方法及*** |
Non-Patent Citations (6)
Title |
---|
关锦文: "《移动互联网技术应用基础》", 31 January 2015, 华南理工大学出版社 * |
刘子山: "人脸信息识别技术研究及在虚拟宠物上的应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
曾陈颖: "面向珍稀野生动物保护的图像监测与识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨震 等: "《物联网的技术体系》", 30 September 2013, 北京邮电大学出版社 * |
谢素仪: "宠物猫脸检测的方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
高旭 等: "基于图像识别的濒危动物信息采集***设计", 《电子世界》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875564A (zh) * | 2018-05-02 | 2018-11-23 | 浙江工业大学 | 一种宠物面部识别方法 |
CN109274891A (zh) * | 2018-11-07 | 2019-01-25 | 北京旷视科技有限公司 | 一种图像处理方法、装置及其存储介质 |
CN109409319A (zh) * | 2018-11-07 | 2019-03-01 | 北京旷视科技有限公司 | 一种宠物图像美化方法、装置及其存储介质 |
CN109274891B (zh) * | 2018-11-07 | 2021-06-22 | 北京旷视科技有限公司 | 一种图像处理方法、装置及其存储介质 |
CN112101070A (zh) * | 2019-06-18 | 2020-12-18 | 财团法人农业科技研究院 | 以鼻纹提升识别率的动物身份识别***及其方法 |
CN110704646A (zh) * | 2019-10-16 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 一种豢养物档案建立方法及装置 |
WO2021212760A1 (zh) * | 2020-04-24 | 2021-10-28 | 北京旷视科技有限公司 | 确定人员身份类型的方法、装置和电子*** |
WO2022206291A1 (zh) * | 2021-03-29 | 2022-10-06 | 青岛海尔空调器有限总公司 | 空调的控制方法、装置、设备和存储介质 |
CN113657318A (zh) * | 2021-08-23 | 2021-11-16 | 平安科技(深圳)有限公司 | 基于人工智能的宠物分类方法、装置、设备及存储介质 |
CN113657318B (zh) * | 2021-08-23 | 2024-05-07 | 平安科技(深圳)有限公司 | 基于人工智能的宠物分类方法、装置、设备及存储介质 |
CN115546838A (zh) * | 2022-10-20 | 2022-12-30 | 星宠王国(北京)科技有限公司 | 一种基于狗脸图像识别技术的婚介***及方法 |
CN115546838B (zh) * | 2022-10-20 | 2023-11-24 | 星宠王国(北京)科技有限公司 | 一种基于狗脸图像识别技术的婚介***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106577350B (zh) | 2020-10-09 |
WO2018094892A1 (zh) | 2018-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106577350A (zh) | 宠物类型识别的方法及装置 | |
Fernandes et al. | Deep Learning image segmentation for extraction of fish body measurements and prediction of body weight and carcass traits in Nile tilapia | |
CN110348387B (zh) | 一种图像数据处理方法、装置以及计算机可读存储介质 | |
US20210241607A1 (en) | Methods and systems for content processing | |
CN108764372B (zh) | 数据集的构建方法和装置、移动终端、可读存储介质 | |
KR102102161B1 (ko) | 이미지 내 객체의 대표 특성을 추출하는 방법, 장치 및 컴퓨터 프로그램 | |
US9918183B2 (en) | Methods and systems for content processing | |
US8768313B2 (en) | Methods and systems for image or audio recognition processing | |
CA2734613C (en) | Methods and systems for content processing | |
Pierce et al. | Photographic identification of sharks | |
CN110222718A (zh) | 图像处理的方法及装置 | |
CN110826371A (zh) | 一种动物识别方法、装置、介质及电子设备 | |
CN111753697B (zh) | 智能宠物管理***及其管理方法 | |
CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测*** | |
JPWO2021084590A5 (zh) | ||
CN117079195B (zh) | 一种基于图像视频的野生动物识别方法和*** | |
CN108270958A (zh) | 摄像模组自适应***及其自适应方法 | |
CN112507770B (zh) | 一种水稻病虫害识别方法和*** | |
JP5351084B2 (ja) | 画像認識装置及び画像認識方法 | |
CN108664921B (zh) | 一种安卓平台下基于词袋模型的图像识别方法及*** | |
CN117133014A (zh) | 一种生猪面部关键点检测方法 | |
CN110796197A (zh) | 鱼种识别方法及*** | |
Hitelman et al. | The effect of age on young sheep biometric identification | |
CN110489634A (zh) | 一种造型信息推荐方法、装置、***及终端设备 | |
CN110620877B (zh) | 位置信息生成方法、装置、终端及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210915 Address after: 518000 201, No.26, yifenghua Innovation Industrial Park, Xinshi community, Dalang street, Longhua District, Shenzhen City, Guangdong Province Patentee after: Shenzhen waterward Information Co.,Ltd. Address before: 5 / F, block B, huayuancheng digital building, 1079 Nanhai Avenue, Nanshan District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN WATER WORLD Co.,Ltd. |
|
TR01 | Transfer of patent right |