CN107657459A - 牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备 - Google Patents
牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备 Download PDFInfo
- Publication number
- CN107657459A CN107657459A CN201710797493.XA CN201710797493A CN107657459A CN 107657459 A CN107657459 A CN 107657459A CN 201710797493 A CN201710797493 A CN 201710797493A CN 107657459 A CN107657459 A CN 107657459A
- Authority
- CN
- China
- Prior art keywords
- livestock
- tested
- growth
- characteristic
- feature
- 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.)
- Pending
Links
- 244000144972 livestock Species 0.000 title claims abstract description 399
- 238000000034 method Methods 0.000 title claims abstract description 106
- 230000012010 growth Effects 0.000 claims abstract description 152
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 42
- 230000006854 communication Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 241000282898 Sus scrofa Species 0.000 claims description 9
- 241000287828 Gallus gallus Species 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 241000272525 Anas platyrhynchos Species 0.000 claims description 4
- 241000272814 Anser sp. Species 0.000 claims description 4
- 241000283073 Equus caballus Species 0.000 claims description 4
- 241001494479 Pecora Species 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 2
- 238000012549 training Methods 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 8
- 244000144977 poultry Species 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 235000021393 food security Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Animal Husbandry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Agronomy & Crop Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明实施例提供一种牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备。牲畜的身份验证方法,包括:获取待验牲畜的待验图像,待验图像拍摄于待验牲畜的第一生长期;通过用于特征提取的牲畜成长模型,获取与待验牲畜的多个生长期对应的待验特征数据;将待验特征数据和待验牲畜的参照特征数据进行比对,并且根据比对结果确定待验牲畜的身份验证结果,参照特征数据提取自拍摄于待验牲畜的第二生长期的验证参考图像,第二生长期不同于第一生长期。由于使用待验牲畜本身的特征数据,而不是外在的标识对待验牲畜进行验证,因此可更为准确地对处于任一生长期的待验牲畜进行身份验证,并且有效地防止针对牲畜的身份作弊。
Description
技术领域
本发明实施例涉及计算机视觉技术,尤其涉及一种牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备。
背景技术
在对牲畜进行舍饲圈养和管理时,需要定期对牲畜进行检疫、免疫处理,以防止发生影响食品安全的瘟疫;需要对出厂到市场中的牲畜进行溯源,跟踪每头牲畜的出处,以确保在发生食品安全时,有效地控制疫情。此外,养殖户还可对养殖的牲畜投保,在发生规模性牲畜死亡的情况时,可对投保死亡的牲畜要求理赔。
在前述对圈养牲畜的管理任务中,均涉及对牲畜进行识别和跟踪的问题。例如,在处理死亡牲畜的理赔要求时,需要确保该死亡牲畜确为养殖户投保的牲畜,以防止骗保。然而,目前采用打标(例如在牛耳上打标)的方式对牲畜进行识别和跟踪的方式无法有效地防止骗保的发生。例如,如果将不同的标先后打在同一头牲畜上并以此作为依据要求理赔,那么现有的打标方式无法防止这种骗保手段。
发明内容
本发明实施例的目的在于,提供一种牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备,以对处于任一生长期的牲畜进行身份验证。
根据本发明实施例的第一方面,提供一种牲畜的身份验证方法,包括:获取待验牲畜的待验图像,所述待验图像拍摄于所述待验牲畜的第一生长期;通过用于特征提取的牲畜成长模型,获取所述待验牲畜的待验特征数据,所述待验特征数据与待验牲畜的多个生长期对应;将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果,所述待验牲畜的所述参照特征数据提取自拍摄于所述待验牲畜的第二生长期的验证参考图像,所述第二生长期不同于所述第一生长期。
可选地,所述待验特征数据包含与所述待验牲畜的多个生长期对应的多个第一特征向量。
可选地,所述参照特征数据包括提取自所述验证参考图像的第二特征向量;所述将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果包括:分别计算各个所述第一特征向量与所述第二特征向量之间的第一特征相似度;如果计算出的任一第一特征相似度达到预定的第一相似度阈值,则确定所述待验牲畜通过身份验证;如果计算出的第一特征相似度均未达到预定的第一相似度阈值,则确定所述待验牲畜未通过身份验证。
可选地,所述方法还包括:获取所述待验牲畜的验证参考图像;通过所述牲畜成长模型,从所述验证参考图像获取所述参照特征数据,所述参照特征数据包含与所述待验牲畜的多个生长期对应的多个第三特征向量。
可选地,所述将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果包括:分别计算各个所述第一特征向量与相应的所述第三特征向量之间的第二特征相似度;如果计算出的任一第二特征相似度达到预定的第二相似度阈值,则确定所述待验牲畜通过身份验证;如果计算出的第二特征相似度均未达到预定的第二相似度阈值,则确定所述待验牲畜未通过身份验证。
可选地,所述通过用于特征提取的牲畜成长模型,获取所述待验牲畜的待验特征数据,包括:将所述待验图像和所述第一生长期的信息作为输入,从所述牲畜成长模型获取所述待验牲畜的待验特征数据。
可选地,所述通过所述牲畜成长模型,从所述验证参考图像获取所述参照特征数据,包括:将所述验证参照图像和所述第二生长期的信息作为输入,从所述牲畜成长模型获取所述验证参照图像的多个第三特征向量。
可选地,所述方法还包括:使用同一牲畜分别拍摄于多个生长期的多个牲畜样本图像,训练所述牲畜成长模型。
可选地,所述待验特征数据和参照特征数据均为所述待验牲畜的脸部特征数据。
可选地,所述待验牲畜为鸡、鸭、鹅、牛、羊、马或猪。
根据本发明实施例的第二方面,提供一种牲畜的保险理赔方法,包括:获取理赔牲畜的待验图像,并且获取所述理赔牲畜的参照特征数据;根据前述任一牲畜身份的验证方法,确定所述理赔牲畜的身份验证结果;如果所述身份验证结果指示通过身份验证,则对所述理赔牲畜执行理赔处理。
根据本发明实施例的第三方面,提供一种牲畜的溯源方法,包括:获取待定牲畜的待检图像;将所述待检图像作为待验图像,将牲畜数据库中的各个牲畜的特征标识码作为参照特征数据,分别执行前述任一牲畜身份的验证方法;根据所述牲畜数据库中通过身份验证的牲畜的信息确定所述待定牲畜的出处。
根据本发明实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现前述任一所述的牲畜的身份验证方法的步骤。
根据本发明实施例的第五方面,提供一种电子设备,包括:处理器、存储器、通信元件和通信总线,所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行前述任一牲畜的身份验证方法的步骤。
根据本发明实施例的第六方面,还提供一种计算机程序,其包括有计算机程序指令,所述程序指令被处理器执行时实现本申请实施例提供的任一牲畜的身份验证方法的步骤。
根据本发明实施例,通过用于特征提取的牲畜成长模型从待验牲畜的待验图像获取与待验牲畜的多个生长期对应的待验特征数据,将待验特征数据和所述待验牲畜的参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果。由于使用待验牲畜本身的特征数据,而不是外在的标识对待验牲畜进行验证,因此可更为准确地对处于任一生长期的待验牲畜进行身份验证,并且有效地防止针对牲畜的身份作弊。此外,由于使用可适应性地学习与多个生长期对应的待验特征数据,能够克服由于牲畜成长期短而无法通过处于不同生长期的建档信息正确识别待验牲畜的问题,进一步确保身份验证的准确性。
附图说明
图1是示出根据本发明实施例一的牲畜的身份验证方法的流程图;
图2是示出根据本发明实施例二的牲畜的身份验证方法的流程图;
图3是示出根据本发明实施例三的牲畜的身份验证方法的流程图;
图4是示出根据本发明实施例四的牲畜的保险理赔方法的流程图;
图5是示出根据本发明实施例五的牲畜的溯源方法的流程图;
图6是示出根据本发明实施例六的电子设备的结构示意图。
具体实施方式
下面结合附图详细描述本发明实施例的示例性实施例。
在本申请中,“多个”指两个或两个以上,“至少一个”指一个、两个或两个以上。对于本申请中提及的任一部件、数据或结构,在没有明确限定一个的情况下,可理解为一个或多个。
实施例一
图1是示出根据本发明实施例一的牲畜的身份验证方法的流程图。可在任何例如个人电脑、服务器、无线终端设备、平板电脑等具有计算功能的设备中执行实施例一的牲畜的身份验证方法。
参照图1,在步骤S110,获取待验牲畜的待验图像,所述待验图像拍摄于所述待验牲畜的第一生长期。
这里的待验图像是拍摄有待验牲畜的照片或视频帧图像。该图像应满足一定的分辨率要求,至少通过肉眼能够辨别出拍摄到的待验牲畜。这里的待验牲畜为要进行身份验证的目标牲畜,例如,鸡、鸭、鹅、牛、羊、马或猪等,但不限于此。
任何牲畜都经历包括多个生长期的成长周期。可根据牲畜的生长特点和成长周期的长度,人为地定义多个生长期。以食用的猪为例,通常整个成长周期通常为6个月~9个月,则可定义新生、1个月、2个月、3个月、4.5个月、成猪等6个生长期,或者可定义新生、1个月、2个月、3个月、4个月、5个月、成猪等7个生长期。
本申请所提及的牲畜的身份验证方法用于确定待验图像中的待验牲畜与之前为待验牲畜存档的验证参照数据是否一致,即验证参照数据与待验图像中的待验牲畜的数据是否为同一牲畜的数据。为待验牲畜存档的验证参照数据可包括待验牲畜的建档图像、待验牲畜的建档生物特征数据以及待验牲畜的建档图像特征数据当中的至少一种。
这里,将在拍摄待验牲畜的待验图像时,待验牲畜所处的生长期称为前述第一生长期。
在步骤S120,通过用于特征提取的牲畜成长模型,获取所述待验牲畜的待验特征数据,所述待验特征数据与待验牲畜的多个生长期对应。
可采用任何现有的网络训练方法预先训练用于对牲畜图像进行特征提取的牲畜成长模型,该牲畜成长模型可捕捉牲畜的成长特点,为牲畜适应性地学习到与多个生长期相应的特征数据。可根据训练要求,使用基于监督学习方法、无监督方法、强化学习方法或半监督方法等预先训练前述牲畜成长模型。在下文中将具体介绍用于训练牲畜成长模型的一种示例性方法。
具体地,在该步骤,将待验图像作为牲畜成长模型的输入,来获取待验牲畜的待验特征数据,例如,但不限于,待验牲畜各个部位的大小、形状、凹凸、纹理等特征数据、各个部位之间的比例数据等等。
在步骤S130,将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果,所述待验牲畜的所述参照特征数据提取自拍摄于所述待验牲畜的第二生长期的验证参考图像,所述第二生长期不同于所述第一生长期。
在为待验牲畜建档时,会为待验牲畜进行拍照,并且存储与其相关的信息,例如,身份编号、性别、种类、出生日期、建档日期、养殖场信息等,并且存储待验牲畜的建档图像。根据建档日期,可确定待验牲畜当时所处的生长期,即前述第二生长期。
由于一些牲畜的成长周期较短,例如,鸡的成长周期为3个月~4个月,猪的成长周期为6个月~9个月,所以通常在执行根据本发明实施例的牲畜的身份验证方法时,待验牲畜所处的第一生长期和为其建档时所处的第二生长期不同。在不同的生长期,例如鸡或猪的体重、脸型、相貌等均会发生较显著的变化。
由于在前述步骤S120,通过牲畜成长模型已为待验牲畜生成与多个生长期相应的待验特征数据,因此,可将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,确定待验牲畜是否通过身份验证的身份验证结果,以根据身份验证结果进行相应的处理。
根据本发明实施例一的牲畜的身份验证方法,通过用于特征提取的牲畜成长模型从待验牲畜的待验图像获取与待验牲畜的多个生长期对应的待验特征数据,将待验特征数据和所述待验牲畜的参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果。由于使用待验牲畜本身的特征数据,而不是外在的标识对待验牲畜进行验证,因此可更为准确地对处于任一生长期的待验牲畜进行身份验证,并且有效地防止针对牲畜的身份作弊。此外,由于使用可适应性地学习与多个生长期对应的待验特征数据,能够克服由于牲畜成长期短而无法通过处于不同生长期的建档信息正确识别待验牲畜的问题,进一步确保身份验证的准确性。
实施例二
图2是示出根据本发明实施例二的牲畜的身份验证方法的流程图。
参照图2,在步骤S210,获取待验牲畜的待验图像,所述待验图像拍摄于所述待验牲畜的第一生长期。该步骤的处理与前述步骤S110的处理类似,在此不予赘述。
牲畜与人一样,每个牲畜的脸部具有独特的辨识特征。因此,可选地,待验牲畜的待验图像可以是待验牲畜的脸部图像。
在步骤S220,通过用于特征提取的牲畜成长模型,获取所述待验牲畜的待验特征数据,所述待验特征数据包含与所述待验牲畜的多个生长期对应的多个第一特征向量。
这里,牲畜成长模型可以是例如包括多个卷积层和池化层的卷积神经网络。牲畜成长模型输出的待验特征数据可包括与待验牲畜的多个生长期对应的多个第一特征向量。其中,每个第一特征向量可以是表征待验牲畜的多个特征的多维特征向量,如128维的特征向量、256维的特征向量等。
根据本发明实施例二的牲畜的身份验证方法,待验牲畜的参照特征数据包括提取自前述验证参考图像的第二特征向量。这里,根据使用的特征提取方式,待验牲畜的参照特征数据可包括一个多维的第二特征向量,也可包括与待验牲畜的多个生长期对应的多个第二特征向量。例如,如果通过前述牲畜成长模型从验证参考图像提取参照特征数据,则可提取到与待验牲畜的多个生长期对应的多个第二特征向量。
根据本发明的一种可选实施方式,所述待验特征数据和参照特征数据均为所述待验牲畜的脸部特征数据,例如与脸宽、脸高、眼距、鼻长、鼻宽、嘴长、嘴型等特征相应的特征向量,从而更有利于对待验牲畜的特征数据进行比对、进而进行身份验证。相应地,验证参考图像也可为待验牲畜的脸部图像。
在步骤S230,分别计算各个所述第一特征向量与所述第二特征向量之间的第一特征相似度。
例如,可通过计算各个所述第一特征向量与所述第二特征向量之间的欧式距离或余弦相似度等,得到各个第一特征向量与第二特征向量之间的第一特征相似度,以确定待验特征数据和参照特征数据是否相匹配。
如果参照特征数据包括多个第二特征向量,则可通过前述方式分别计算各个第一特征向量与各个第二特征向量之间的第一特征相似度。
在步骤S240,确定有否计算出的第一特征相似度达到预定的第一相似度阈值。
可预先设定或动态地设定作为是否匹配的衡量标准的第一相似度阈值,相应地,在该步骤确定计算得到的多个第一特征相似度当中是否有达到该第一相似度阈值的情形。
如果在步骤S240,确定计算出的任一第一特征相似度达到预定的第一相似度阈值,则在步骤S250,确定所述待验牲畜通过身份验证。
如果在步骤S240,计算出的第一特征相似度均未达到预定的第一相似度阈值,则在步骤S260,确定所述待验牲畜未通过身份验证。
以下将描述训练牲畜成长模型的一种示例性处理。具体地,使用同一牲畜分别拍摄于多个生长期的多个牲畜样本图像,训练所述牲畜成长模型。在训练过程中,可为多个牲畜样本图像分别标注生长期的信息,将这些牲畜样本图像前向传输给牲畜成长模型,获取各个牲畜样本图像的与多个生长期对应的多个第四特征向量,计算各个第四特征向量之间的差异值(如欧式距离、损失值等),再将各个差异值反向传输给牲畜成长模型,通过批量随机梯度下降的方法,更新牲畜成长模型的网络参数,以训练得到达到预期性能的牲畜成长模型。
此外,还可使用不同牲畜拍摄于多个生长期的多个牲畜样本图像作为负样本,进一步训练所述牲畜成长模型,以提高牲畜成长模型的鲁棒性。
以上仅给出用于牲畜成长模型的一种示例性训练方法。应当理解,可根据设计和性能的需要,使用前述列举的任何适用的机器学习方法来训练该牲畜成长模型,而不限于此。
根据本发明实施例二的牲畜的身份验证方法,通过用于特征提取的牲畜成长模型从待验牲畜的待验图像获取与待验牲畜的多个生长期对应的多个第一特征向量,将多个第一特征向量分别与作为所述待验牲畜的参照特征数据的第二特征向量进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果。由于使用待验牲畜本身的特征数据,而不是外在的标识对待验牲畜进行验证,因此可更为准确地对处于任一生长期的待验牲畜进行身份验证,并且有效地防止针对牲畜的身份作弊。此外,由于使用可适应性地学习与多个生长期对应的待验特征数据,能够克服由于牲畜成长期短而无法通过处于不同生长期的建档信息正确识别待验牲畜的问题,进一步确保身份验证的准确性。
实施例三
图3是示出根据本发明实施例三的牲畜的身份验证方法的流程图。
参照图3,在步骤S310,获取待验牲畜的待验图像,所述待验图像拍摄于所述待验牲畜的第一生长期。
在步骤S320,将所述待验图像和所述第一生长期的信息作为输入,从所述牲畜成长模型获取所述待验牲畜的待验特征数据。
可根据牲畜成长模型的具体设计,将待验图像作为输入,或者将待验图像和所述第一生长期的信息作为输入,从所述牲畜成长模型获取所述待验牲畜的待验特征数据。
在步骤S330,获取所述待验牲畜的验证参考图像,通过所述牲畜成长模型,从所述验证参考图像获取所述参照特征数据,所述参照特征数据包含与所述待验牲畜的多个生长期对应的多个第三特征向量。
具体地,可例如从用于牲畜建档的牲畜样本库或通过交互界面,获取待验牲畜的验证参考图像(即建档图像),再通过训练好的牲畜成长模型,从验证参考图像获取包含与所述待验牲畜的多个生长期对应的多个第三特征向量的参照特征数据。这里,第三特征向量和前述第一特征向量可具有同样的数据结构。
可选地,将所述验证参照图像和所述第二生长期的信息作为输入,或者将验证参照图像作为输入,从所述牲畜成长模型获取所述验证参照图像的多个第三特征向量。
需要指出,可并行地执行前述用于获取待验图像和验证参考图像,并且分别通过牲畜成长模型从待验图像和验证参考图像获取待验特征数据和参照特征数据的处理,顺序地执行步骤S310~S320和步骤S330或顺序地执行步骤S330以及步骤S310~S320。
在步骤S340,分别计算各个所述第一特征向量与相应的所述第三特征向量之间的第二特征相似度。
类似地,可通过计算各个所述第一特征向量与相应的所述第三特征向量之间的欧式距离或余弦相似度等,得到各个第一特征向量与第三特征向量之间的第二特征相似度,以确定待验特征数据和参照特征数据是否相匹配。
在步骤S350,确定有否计算出的任一第二特征相似度达到预定的第二相似度阈值。
同理,可预先设定或动态地设定作为是否匹配的衡量标准的第二相似度阈值,相应地,在该步骤确定计算得到的多个第二特征相似度当中是否有达到该第二相似度阈值的情形。
可根据情形,将该第二相似度阈值设定为与第一相似度阈值相同或不同的值。
如果在步骤S350,确定计算出的任一第二特征相似度达到预定的第二相似度阈值,则在步骤S360,确定所述待验牲畜通过身份验证。
如果在步骤S350,确定计算出的第二特征相似度均未达到预定的第二相似度阈值,则在步骤S370,确定所述待验牲畜未通过身份验证。
根据本发明实施例三的牲畜的身份验证方法,通过用于特征提取的牲畜成长模型,分别从待验牲畜的待验图像和验证参考图像获取与待验牲畜的多个生长期对应的多个第一特征向量和多个第三特征向量,将多个第一特征向量分别与相应的第三特征向量进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果。由于使用待验牲畜本身的特征数据,而不是外在的标识对待验牲畜进行验证,因此可更为准确地对处于任一生长期的待验牲畜进行身份验证,并且有效地防止针对牲畜的身份作弊。此外,由于使用可适应性地学习与多个生长期对应的待验特征数据,能够克服由于牲畜成长期短而无法通过处于不同生长期的建档信息正确识别待验牲畜的问题,进一步确保身份验证的准确性。
实施例四
图4是示出根据本发明实施例四的牲畜的保险理赔方法的流程图。可在任何例如个人电脑、服务器、无线终端设备、平板电脑等具有计算功能的设备中执行实施例四的牲畜的保险理赔方法。
参照图4,在步骤S410,获取理赔牲畜的待验图像,并且获取所述理赔牲畜的参照特征数据。
这里,理赔牲畜的参照特征数据提取自拍摄于所述待验牲畜的验证参考图像。可从理赔牲畜的建档数据获取该参照特征数据。
在步骤S420,根据前述实施例中任一牲畜身份的验证方法,确定所述理赔牲畜的身份验证结果。
在步骤S430,确定所述身份验证结果是否指示通过身份验证。
如果在步骤S430,确定所述身份验证结果指示通过身份验证,则在步骤S440,对所述理赔牲畜执行理赔处理。
另一方面,在步骤S430,确定所述身份验证结果指示未通过身份验证,则可返回拒绝对理赔牲畜执行理赔处理的信息。
根据本发明实施例四的牲畜的保险理赔方法,在理赔处理中,通过使用理赔牲畜本身的特征数据,而不是外在的标识对待验牲畜进行验证,并且根据身份验证结果对理赔牲畜执行理赔处理,因此可更为准确地对处于任一生长期的待验牲畜进行身份验证,并且有效地防止在保险理赔处理中针对牲畜的身份作弊,从而防止因牲畜骗保造成的经济损失。
实施例五
图5是示出根据本发明实施例五的牲畜的溯源方法的流程图。可在任何例如个人电脑、服务器、无线终端设备、平板电脑等具有计算功能的设备中执行实施例五的牲畜的溯源方法。
参照图5,在步骤S510,获取待定牲畜的待检图像。
在步骤S520,将所述待检图像作为待验图像,将牲畜数据库中的各个牲畜的特征标识码作为参照特征数据,分别执行前述实施例中任一牲畜身份的验证方法。
这里,牲畜的特征标识码可以是前述实施例中提及的第二特征向量。
具体地,将待定牲畜的待检图像作为待验图像,通过牲畜成长模型获取待定牲畜的待验特征数据,将该待验特征数据与牲畜数据库中的各个牲畜的特征标识码进行比对,确定待定牲畜与各个牲畜进行比对的身份验证结果。
在步骤S530,根据所述牲畜数据库中通过身份验证的牲畜的信息确定所述待定牲畜的出处。
具体地,如果待定牲畜的待验特征数据与牲畜数据库中的各个牲畜的特征标识码的比对结果达到预期,即通过身份验证,则可根据比对结果达到预期的特征标识码对应的牲畜的信息确定待定牲畜的出处(例如,其被圈养的养殖场),从而达到准确的牲畜溯源的目的。
根据本发明实施例五的牲畜的溯源方法,通过使用待定牲畜本身的特征数据,而不是外在的标识与牲畜数据库中的牲畜的特征标识码逐个进行比对及身份验证,并且根据牲畜数据库中通过身份验证的牲畜的信息确定待定牲畜的出处,因此可更为准确地对待定牲畜进行溯源,从而有利于确保食品安全和牲畜防疫。
实施例六
图6是示出根据本发明实施例六的电子设备的结构示意图。
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图6,其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备600的结构示意图。
如图6所示,电子设备600包括一个或多个处理器、通信元件等,所述一个或多个处理器例如:一个或多个中央处理单元(CPU)601,和/或一个或多个图像处理器(GPU)613等,处理器可以根据存储在只读存储器(ROM)602中的可执行指令或者从存储部分608加载到随机访问存储器(RAM)603中的可执行指令而执行各种适当的动作和处理。通信元件包括通信组件612和通信接口609。其中,通信组件612可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,通信接口609包括诸如LAN卡、调制解调器等的网络接口卡的通信接口,通信接口609经由诸如因特网的网络执行通信处理。
处理器可与只读存储器602和/或随机访问存储器630中通信以执行可执行指令,通过总线604与通信组件612相连、并经通信组件612与其他目标设备通信,从而完成本发明实施例提供的任一项方法对应的操作,例如,获取待验牲畜的待验图像,所述待验图像拍摄于所述待验牲畜的第一生长期;通过用于特征提取的牲畜成长模型,获取所述待验牲畜的待验特征数据,所述待验特征数据与待验牲畜的多个生长期对应;将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果,所述待验牲畜的所述参照特征数据提取自拍摄于所述待验牲畜的第二生长期的验证参考图像,所述第二生长期不同于所述第一生长期。
在一种可选的实施方式中,所述待验特征数据包含与所述待验牲畜的多个生长期对应的多个第一特征向量。
在一种可选的实施方式中,所述参照特征数据包括提取自所述验证参考图像的第二特征向量;可执行指令用于使得处理器进一步执行以下操作:分别计算各个所述第一特征向量与所述第二特征向量之间的第一特征相似度;如果计算出的任一第一特征相似度达到预定的第一相似度阈值,则确定所述待验牲畜通过身份验证;如果计算出的第一特征相似度均未达到预定的第一相似度阈值,则确定所述待验牲畜未通过身份验证。
在一种可选的实施方式中,可执行指令用于使得处理器进一步执行以下操作:获取所述待验牲畜的验证参考图像;通过所述牲畜成长模型,从所述验证参考图像获取所述参照特征数据,所述参照特征数据包含与所述待验牲畜的多个生长期对应的多个第三特征向量。
在一种可选的实施方式中,可执行指令用于使得处理器进一步执行以下操作:分别计算各个所述第一特征向量与相应的所述第三特征向量之间的第二特征相似度;如果计算出的任一第二特征相似度达到预定的第二相似度阈值,则确定所述待验牲畜通过身份验证;如果计算出的第二特征相似度均未达到预定的第二相似度阈值,则确定所述待验牲畜未通过身份验证。
在一种可选的实施方式中,可执行指令用于使得处理器进一步执行以下操作:将所述待验图像和所述第一生长期的信息作为输入,从所述牲畜成长模型获取所述待验牲畜的待验特征数据。
在一种可选的实施方式中,可执行指令用于使得处理器进一步执行以下操作:将所述验证参照图像和所述第二生长期的信息作为输入,从所述牲畜成长模型获取所述验证参照图像的多个第三特征向量。
在一种可选的实施方式中,可执行指令用于使得处理器进一步执行以下操作:使用同一牲畜分别拍摄于多个生长期的多个牲畜样本图像,训练所述牲畜成长模型。
在一种可选的实施方式中,所述待验特征数据和参照特征数据均为所述待验牲畜的脸部特征数据。
在一种可选的实施方式中,所述待验牲畜为鸡、鸭、鹅、牛、羊、马或猪。
此外,在RAM 603中,还可存储有装置操作所需的各种程序和数据。第CPU 601、ROM602以及RAM 603通过总线604彼此相连。在有RAM 603的情况下,ROM 602为可选模块。RAM603存储可执行指令,或在运行时向ROM 602中写入可执行指令,可执行指令使处理器601执行上述通信方法对应的操作。输入/输出(I/O)接口605也连接至总线604。通信组件612可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在总线链接上。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信接口609。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
需要说明的是,如图6所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图6的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信组件712可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明的保护范围。
特别地,根据本发明实施例,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,本发明实施例包括一种第一计算机程序产品,其包括有形地包含在机器可读介质上的第一计算机程序,第一计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,用于获取待验牲畜的待验图像的可执行代码,所述待验图像拍摄于所述待验牲畜的第一生长期;用于通过用于特征提取的牲畜成长模型,获取所述待验牲畜的待验特征数据的可执行代码,所述待验特征数据与待验牲畜的多个生长期对应;用于将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果的可执行代码,所述待验牲畜的所述参照特征数据提取自拍摄于所述待验牲畜的第二生长期的验证参考图像,所述第二生长期不同于所述第一生长期。在这样的实施例中,该计算机程序可以通过通信元件从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明实施例的方法中限定的上述功能。
本发明实施例六提供的电子设备,通过用于特征提取的牲畜成长模型从待验牲畜的待验图像获取与待验牲畜的多个生长期对应的待验特征数据,将待验特征数据和所述待验牲畜的参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果。由于使用待验牲畜本身的特征数据,而不是外在的标识对待验牲畜进行验证,因此可更为准确地对处于任一生长期的待验牲畜进行身份验证,并且有效地防止针对牲畜的身份作弊。此外,由于使用可适应性地学习与多个生长期对应的待验特征数据,能够克服由于牲畜成长期短而无法通过处于不同生长期的建档信息正确识别待验牲畜的问题,进一步确保身份验证的准确性。
实施例七
根据本发明实施例七提供一种第一计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现前述任一牲畜的身份验证方法的步骤。该第一计算机可读存储介质用于实现前述方法实施例中相应的牲畜的身份验证方法,并具有相应的方法实施例的有益效果,在此不再赘述。
根据本发明实施例七还提供一种第二计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现前述任一牲畜的保险理赔方法的步骤。该第二计算机可读存储介质用于实现前述方法实施例中相应的牲畜的保险理赔方法,并具有相应的方法实施例的有益效果,在此不再赘述。
根据本发明实施例七还提供一种第三计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现前述任一牲畜的溯源方法的步骤。该第三计算机可读存储介质用于实现前述方法实施例中相应的牲畜的溯源方法,并具有相应的方法实施例的有益效果,在此不再赘述。
此外,根据本发明实施例七还提供一种第二计算机程序产品,其包括有形地包含在机器可读介质上的第二计算机程序,第二计算机程序包含用于执行流程图4所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,用于获取理赔牲畜的待验图像,并且获取所述理赔牲畜的参照特征数据的可执行代码;用于根据前述任一牲畜身份的验证方法,确定所述理赔牲畜的身份验证结果的可执行代码;用于如果所述身份验证结果指示通过身份验证,则对所述理赔牲畜执行理赔处理的可执行代码。
此外,根据本发明实施例七还提供一种第三计算机程序产品,其包括有形地包含在机器可读介质上的第三计算机程序,第三计算机程序包含用于执行流程图5所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,用于获取待定牲畜的待检图像的可执行代码;用于将所述待检图像作为待验图像,将牲畜数据库中的各个牲畜的特征标识码作为参照特征数据,分别执行前述任一牲畜身份的验证方法的可执行代码;用于根据所述牲畜数据库中通过身份验证的牲畜的信息确定所述待定牲畜的出处的可执行代码。
需要指出,根据实施的需要,可将本申请中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本发明实施例的目的。
可能以许多方式来实现本发明的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明实施例的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本发明实施例的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明实施例的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明实施例的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (14)
1.一种牲畜的身份验证方法,包括:
获取待验牲畜的待验图像,所述待验图像拍摄于所述待验牲畜的第一生长期;
通过用于特征提取的牲畜成长模型,获取所述待验牲畜的待验特征数据,所述待验特征数据与待验牲畜的多个生长期对应;
将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果,所述待验牲畜的所述参照特征数据提取自拍摄于所述待验牲畜的第二生长期的验证参考图像,所述第二生长期不同于所述第一生长期。
2.根据权利要求1所述的方法,其中,所述待验特征数据包含与所述待验牲畜的多个生长期对应的多个第一特征向量。
3.根据权利要求2所述的方法,其中,所述参照特征数据包括提取自所述验证参考图像的第二特征向量,
所述将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果包括:
分别计算各个所述第一特征向量与所述第二特征向量之间的第一特征相似度;
如果计算出的任一第一特征相似度达到预定的第一相似度阈值,则确定所述待验牲畜通过身份验证;
如果计算出的第一特征相似度均未达到预定的第一相似度阈值,则确定所述待验牲畜未通过身份验证。
4.根据权利要求2所述的方法,其中,所述方法还包括:
获取所述待验牲畜的验证参考图像;
通过所述牲畜成长模型,从所述验证参考图像获取所述参照特征数据,所述参照特征数据包含与所述待验牲畜的多个生长期对应的多个第三特征向量。
5.根据权利要求4所述的方法,其中,所述将所述待验特征数据和所述待验牲畜的所述参照特征数据进行比对,并且根据比对结果确定所述待验牲畜的身份验证结果包括:
分别计算各个所述第一特征向量与相应的所述第三特征向量之间的第二特征相似度;
如果计算出的任一第二特征相似度达到预定的第二相似度阈值,则确定所述待验牲畜通过身份验证;
如果计算出的第二特征相似度均未达到预定的第二相似度阈值,则确定所述待验牲畜未通过身份验证。
6.根据权利要求1~5中任一项所述的方法,其中,所述通过用于特征提取的牲畜成长模型,获取所述待验牲畜的待验特征数据,包括:
将所述待验图像和所述第一生长期的信息作为输入,从所述牲畜成长模型获取所述待验牲畜的待验特征数据。
7.根据权利要求4~6中任一项所述的方法,其中,所述通过所述牲畜成长模型,从所述验证参考图像获取所述参照特征数据,包括:
将所述验证参照图像和所述第二生长期的信息作为输入,从所述牲畜成长模型获取所述验证参照图像的多个第三特征向量。
8.根据权利要求1~7中任一项所述的方法,其中,所述方法还包括:
使用同一牲畜分别拍摄于多个生长期的多个牲畜样本图像,训练所述牲畜成长模型。
9.根据权利要求1~8中任一项所述的方法,其中,所述待验特征数据和参照特征数据均为所述待验牲畜的脸部特征数据。
10.根据权利要求1~9中任意一项权利要求所述的方法,其中,所述待验牲畜为鸡、鸭、鹅、牛、羊、马或猪。
11.一种牲畜的保险理赔方法,包括:
获取理赔牲畜的待验图像,并且获取所述理赔牲畜的参照特征数据;
根据如权利要求1~10中任一牲畜身份的验证方法,确定所述理赔牲畜的身份验证结果;
如果所述身份验证结果指示通过身份验证,则对所述理赔牲畜执行理赔处理。
12.一种牲畜的溯源方法,包括:
获取待定牲畜的待检图像;
将所述待检图像作为待验图像,将牲畜数据库中的各个牲畜的特征标识码作为参照特征数据,分别执行如权利要求1~10中任一牲畜身份的验证方法;
根据所述牲畜数据库中通过身份验证的牲畜的信息确定所述待定牲畜的出处。
13.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求1~10中任一项所述的牲畜的身份验证方法的步骤。
14.一种电子设备,包括:处理器、存储器、通信元件和通信总线,所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1~10中任一项所述的牲畜的身份验证方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710797493.XA CN107657459A (zh) | 2017-09-06 | 2017-09-06 | 牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710797493.XA CN107657459A (zh) | 2017-09-06 | 2017-09-06 | 牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107657459A true CN107657459A (zh) | 2018-02-02 |
Family
ID=61129226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710797493.XA Pending CN107657459A (zh) | 2017-09-06 | 2017-09-06 | 牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657459A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389061A (zh) * | 2018-03-19 | 2018-08-10 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
CN108564482A (zh) * | 2018-04-16 | 2018-09-21 | 翔创科技(北京)有限公司 | 一种牲畜信息的管理方法、存储介质和电子设备 |
CN108830138A (zh) * | 2018-04-26 | 2018-11-16 | 平安科技(深圳)有限公司 | 牲畜识别方法、装置及存储介质 |
CN109886826A (zh) * | 2019-01-04 | 2019-06-14 | 平安科技(深圳)有限公司 | 基于区块链的牲畜养殖流通追踪方法、电子装置及存储介质 |
WO2019184139A1 (zh) * | 2018-03-27 | 2019-10-03 | 平安科技(深圳)有限公司 | 牲畜保险理赔方法、装置、计算机设备和存储介质 |
CN110909683A (zh) * | 2019-11-25 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 基于保障项目的保障核验方法以及装置 |
CN110929077A (zh) * | 2019-10-17 | 2020-03-27 | 北京海益同展信息科技有限公司 | 动物建档的方法、装置、设备、电子设备及计算机可读介质 |
CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理*** |
CN112308722A (zh) * | 2019-07-28 | 2021-02-02 | 四川谦泰仁投资管理有限公司 | 一种基于红外摄像的养殖业保险申报请求验证*** |
CN112655019A (zh) * | 2018-06-25 | 2021-04-13 | 农场监测公司 | 监控农业围栏中的牲畜 |
CN115587896A (zh) * | 2022-10-13 | 2023-01-10 | 星宠王国(北京)科技有限公司 | 一种犬只医保数据处理方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870569A (zh) * | 2014-03-13 | 2014-06-18 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与*** |
US20150347871A1 (en) * | 2014-06-03 | 2015-12-03 | Raytheon Company | Data fusion analysis for maritime automatic target recognition |
CN106446925A (zh) * | 2016-07-07 | 2017-02-22 | 哈尔滨工程大学 | 一种基于图像处理的海豚身份识别的方法 |
-
2017
- 2017-09-06 CN CN201710797493.XA patent/CN107657459A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870569A (zh) * | 2014-03-13 | 2014-06-18 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与*** |
US20150347871A1 (en) * | 2014-06-03 | 2015-12-03 | Raytheon Company | Data fusion analysis for maritime automatic target recognition |
CN106446925A (zh) * | 2016-07-07 | 2017-02-22 | 哈尔滨工程大学 | 一种基于图像处理的海豚身份识别的方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389061A (zh) * | 2018-03-19 | 2018-08-10 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
WO2019179035A1 (zh) * | 2018-03-19 | 2019-09-26 | 平安科技(深圳)有限公司 | 电子装置、基于区块链的牲畜保险理赔方法及存储介质 |
WO2019184139A1 (zh) * | 2018-03-27 | 2019-10-03 | 平安科技(深圳)有限公司 | 牲畜保险理赔方法、装置、计算机设备和存储介质 |
CN108564482A (zh) * | 2018-04-16 | 2018-09-21 | 翔创科技(北京)有限公司 | 一种牲畜信息的管理方法、存储介质和电子设备 |
CN108564482B (zh) * | 2018-04-16 | 2021-12-21 | 翔创科技(北京)有限公司 | 一种牲畜信息的管理方法、存储介质和电子设备 |
CN108830138B (zh) * | 2018-04-26 | 2021-05-07 | 平安科技(深圳)有限公司 | 牲畜识别方法、装置及存储介质 |
CN108830138A (zh) * | 2018-04-26 | 2018-11-16 | 平安科技(深圳)有限公司 | 牲畜识别方法、装置及存储介质 |
CN112655019A (zh) * | 2018-06-25 | 2021-04-13 | 农场监测公司 | 监控农业围栏中的牲畜 |
CN109886826A (zh) * | 2019-01-04 | 2019-06-14 | 平安科技(深圳)有限公司 | 基于区块链的牲畜养殖流通追踪方法、电子装置及存储介质 |
CN109886826B (zh) * | 2019-01-04 | 2023-07-28 | 平安科技(深圳)有限公司 | 基于区块链的牲畜养殖流通追踪方法、电子装置及存储介质 |
CN112308722A (zh) * | 2019-07-28 | 2021-02-02 | 四川谦泰仁投资管理有限公司 | 一种基于红外摄像的养殖业保险申报请求验证*** |
CN110929077A (zh) * | 2019-10-17 | 2020-03-27 | 北京海益同展信息科技有限公司 | 动物建档的方法、装置、设备、电子设备及计算机可读介质 |
CN110909683A (zh) * | 2019-11-25 | 2020-03-24 | 支付宝(杭州)信息技术有限公司 | 基于保障项目的保障核验方法以及装置 |
CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理*** |
CN111198549B (zh) * | 2020-02-18 | 2020-11-06 | 湖南伟业动物营养集团股份有限公司 | 一种基于大数据的家禽养殖监测管理*** |
CN115587896A (zh) * | 2022-10-13 | 2023-01-10 | 星宠王国(北京)科技有限公司 | 一种犬只医保数据处理方法、装置及设备 |
CN115587896B (zh) * | 2022-10-13 | 2023-08-11 | 星宠王国(北京)科技有限公司 | 一种犬只医保数据处理方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657459A (zh) | 牲畜的身份验证方法、保险理赔方法、溯源方法、存储介质和电子设备 | |
CN107292298B (zh) | 基于卷积神经网络和分类器模型的牛脸识别方法 | |
Shrivastava et al. | Learning from simulated and unsupervised images through adversarial training | |
CN107679447A (zh) | 面部特征点检测方法、装置及存储介质 | |
CN109255297A (zh) | 动物状态监测方法、终端设备、存储介质及电子设备 | |
CN107992903A (zh) | 牲畜身份识别方法、装置、存储介质和电子设备 | |
CN109299716A (zh) | 神经网络的训练方法、图像分割方法、装置、设备及介质 | |
WO2020023467A1 (en) | Unique identification of freely swimming fish in an aquaculture environment | |
CN112016527B (zh) | 基于深度学习的大熊猫行为识别方法、***、终端及介质 | |
CN111027628B (zh) | 一种模型确定方法和*** | |
CN108229351B (zh) | 一种动物养殖方法、动物养殖装置及电子设备 | |
Xue et al. | Open set sheep face recognition based on Euclidean space metric | |
CN109117860A (zh) | 一种基于子空间投影和字典学习的图像分类方法 | |
CN112800994A (zh) | 鱼群摄食行为识别方法、装置、电子设备和存储介质 | |
Muthukumarana et al. | A review on deep learning based image classification of plant diseases | |
CN116052211A (zh) | 一种基于知识蒸馏的YOLOv5s轻量级羊只品种识别方法及*** | |
Park et al. | Insect classification using Squeeze-and-Excitation and attention modules-a benchmark study | |
Dac et al. | Livestock identification using deep learning for traceability | |
CN110414522A (zh) | 一种字符识别方法及装置 | |
CN110008922A (zh) | 用于终端设备的图像处理方法、设备、装置、介质 | |
Yang et al. | Fusion of RetinaFace and improved FaceNet for individual cow identification in natural scenes | |
CN113762051A (zh) | 模型训练方法、图像检测方法、装置、存储介质及设备 | |
Merkle et al. | Likelihood‐based photograph identification: Application with photographs of free‐ranging bison | |
CN109344747A (zh) | 一种篡改图的识别方法、存储介质和服务器 | |
CN107679555A (zh) | 牲畜免疫处理方法、计算机程序、存储介质及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180202 |