CN114982663A - 一种流浪宠物管理方法及装置 - Google Patents
一种流浪宠物管理方法及装置 Download PDFInfo
- Publication number
- CN114982663A CN114982663A CN202210620350.2A CN202210620350A CN114982663A CN 114982663 A CN114982663 A CN 114982663A CN 202210620350 A CN202210620350 A CN 202210620350A CN 114982663 A CN114982663 A CN 114982663A
- Authority
- CN
- China
- Prior art keywords
- wandering
- pet
- frames
- images
- video stream
- 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 66
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 230000006399 behavior Effects 0.000 claims description 57
- 238000012545 processing Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 11
- 239000000284 extract Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000011176 pooling Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 210000003128 head Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 3
- 101100494773 Caenorhabditis elegans ctl-2 gene Proteins 0.000 description 2
- 101100112369 Fasciola hepatica Cat-1 gene Proteins 0.000 description 2
- 101100005271 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) cat-1 gene Proteins 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000025865 Ulcer Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036269 ulceration Effects 0.000 description 1
Images
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
-
- 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
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例提供了一种流浪宠物管理方法及装置。该方法包括：获取流浪宠物的视频流数据；对视频流数据进行关键帧提取，得到流浪宠物的多方位图像；基于多方位图像，得到流浪宠物的鼻纹特征、外貌特征以及个体特征中的至少一种；对视频流数据进行特征提取，得到流浪宠物的行为特征；将鼻纹特征、外貌特征以及个体特征中的至少一种、和行为特征，作为流浪宠物的身份登记信息；根据身份登记信息，对流浪宠物进行管理。上述方法能够通过路侧设备或监控设备等监测到流浪宠物，并对流浪宠物进行自动识别和信息登记，从而实现对流浪宠物的管理。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种流浪宠物管理方法及装置。
背景技术
随着饲养宠物的人日益增多，流浪在外的流浪宠物的数量也逐渐增多，流浪宠物的存在，不可避免地影响了城市环境，甚至存在安全隐患。
为了妥善对城市内的流浪宠物进行管理，不少城市消耗大量人力物力开展集中治理工作，但流浪宠物数量庞大、大多藏匿于社区角落或难以发现的地方，因此，难以搜寻到流浪宠物，此外，很多流浪宠物从未进行过信息登记，因此无法识别其身份对其进行管理，为城市的流浪宠物管理增加了困难。
发明内容
本申请实施例提供了一种流浪宠物管理方法及装置，能够通过路侧设备或监控设备等监测到流浪宠物，并对流浪宠物进行自动识别和信息登记，从而实现对流浪宠物的管理。
第一方面，本申请实施例提供了一种流浪宠物管理方法，包括：
获取流浪宠物的视频流数据；
对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像；
基于所述多方位图像，得到所述流浪宠物的鼻纹特征、外貌特征以及个体特征中的至少一种；
对所述视频流数据进行特征提取，得到所述流浪宠物的行为特征；
将所述鼻纹特征、所述外貌特征以及所述个体特征中的至少一种、和所述行为特征，作为所述流浪宠物的身份登记信息；
根据所述身份登记信息，对所述流浪宠物进行管理。
上述方法中，服务器获取由路侧设备或监控设备等监测到的流浪宠物的视频流数据，能够对藏匿于社区角落以及难以发现的地方的流浪宠物进行准确的搜寻，并对视频流数据进行关键帧提取，从而得到流浪宠物各个角度的图像(多方位图像)，从多方位图像中能够提取流浪宠物的多种特征(鼻纹特征、外貌特征以及个体特征中的至少一种)，此外，视频流数据能够提取出流浪宠物的行为特征，将这些特征作为流浪宠物的身份登记信息对其进行登记，从而更好地管理流浪宠物。
在一种可能的实现方式中，所述视频流数据包括N帧图像；
所述对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像包括：
从所述N帧图像中提取包含所述流浪宠物的M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
在本申请实施例中，视频流数据的总帧数是N帧，即视频流数据有N帧图像，从N帧图像中提取包含流浪宠物的M帧图像，能够快速准确地找到流浪宠物的图像，剔除掉不包含流浪宠物的图像，再对M帧包含流浪宠物的图像进行部位识别，得到流浪宠物各个角度的图像(多方位图像)。该方法得到的多方位图像能够精准地提取流浪宠物的多种特征，从而为流浪宠物登记身份信息。
在一种可能的实现方式中，所述视频流数据包括N帧图像；
所述对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像包括：
获取所述N帧图像中每帧图像的清晰度；
根据所述每帧图像的清晰度，从所述N帧图像中提取M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
在本申请实施例中，获取N帧图像中每帧图像的清晰度，从N帧图像中提取图像清晰度符合预设条件(比如，图像亮度处于预设亮度范围内，图像分辨率处于预设分辨率范围内等)的M帧图像，再对M帧图像进行部位识别，从清晰度符合预设条件的M帧图像中筛选出包含流浪宠物各个角度的图像(多方位图像)。该方法从图像清晰度方面考虑，在图像清晰度、分辨率等画质达到预设条件的情况下，识别出流浪宠物的多方位图像，保证了图像的质量，提取的多种特征对流浪宠物图像的表征能力更强。
在一种可能的实现方式中，所述对所述视频流数据进行特征提取，得到所述流浪宠物的行为特征包括：
将所述视频流数据输入到行为分析模型中进行特征提取，得到所述流浪宠物的所述行为特征。
在本申请实施例中，介绍了提取流浪宠物的行为特征的实现方式，即利用行为分析模型提取视频流数据中的流浪宠物的行为特征。该方法中行为分析模型是由大量训练样本训练得到的，保证了提取的行为特征的有效性和合理性。
在一种可能的实现方式中，所述方法还包括：
获取所述流浪宠物的地点信息；
将所述地点信息作为所述流浪宠物的身份登记信息。
在本申请实施例中，服务器获取流浪宠物的地点信息，该地点信息可以作为身份登记信息，同时地点信息可以方便管理人员找到流浪宠物，并对流浪宠物进行救治和收留，实现对流浪宠物的管理，此外，对于走失的流浪宠物，地点信息能够帮助失主更好地找寻宠物。
在一种可能的实现方式中，所述方法还包括：
根据所述个体特征以及所述行为特征，确定所述流浪宠物的风险等级；
将所述风险等级作为所述流浪宠物的身份登记信息。
在本申请实施例中，对提取到的流浪宠物的个体特征以及行为特征进行分析，确定流浪宠物的风险等级，从而评定流浪宠物是否会对人们造成安全隐患。
在一种可能的实现方式中，所述方法还包括：
向用户终端发送所述身份登记信息，所述身份登记信息用于用户确定是否领养所述流浪宠物。
在本申请实施例中，对流浪宠物进行信息登记和管理后，向用户终端设备发送流浪宠物的身份登记信息，用户可以根据身份登记信息选择是否领养流浪宠物，为流浪宠物找到新的归宿，同时实现对流浪宠物的管理。
第二方面，本申请实施例提供了一种流浪宠物管理装置，包括：
获取单元，用于获取流浪宠物的视频流数据；
处理单元，用于对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像；基于所述多方位图像，得到所述流浪宠物的鼻纹特征、外貌特征以及个体特征中的至少一种；对所述视频流数据进行特征提取，得到所述流浪宠物的行为特征；将所述鼻纹特征、所述外貌特征以及所述个体特征中的至少一种、和所述行为特征，作为所述流浪宠物的身份登记信息；根据所述身份登记信息，对所述流浪宠物进行管理。
在一种可能的实现方式中，所述视频流数据包括N帧图像；所述处理单元具体用于：
从所述N帧图像中提取包含所述流浪宠物的M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
在一种可能的实现方式中，所述视频流数据包括N帧图像；所述获取单元还用于：
获取所述N帧图像中每帧图像的清晰度；
所述处理单元具体用于：
根据所述每帧图像的清晰度，从所述N帧图像中提取M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
在一种可能的实现方式中，所述处理单元具体用于：
将所述视频流数据输入到行为分析模型中进行特征提取，得到所述流浪宠物的所述行为特征。
在一种可能的实现方式中，所述获取单元还用于：
获取所述流浪宠物的地点信息；
所述处理单元具体用于：
将所述地点信息作为所述流浪宠物的身份登记信息。
在一种可能的实现方式中，所述处理单元还用于：
根据所述个体特征以及所述行为特征，确定所述流浪宠物的风险等级；
将所述风险等级作为所述流浪宠物的身份登记信息。
在一种可能的实现方式中，所述装置还包括：
发送单元，用于向用户终端发送所述身份登记信息，所述身份登记信息用于用户确定是否领养所述流浪宠物。
该流浪宠物管理装置执行的操作及有益效果可以参见上述第一方面中任意一项所述的方法以及有益效果，重复之处不再赘述。
第三方面，本申请提供了一种流浪宠物管理装置，该流浪宠物管理装置可以是服务器，也可以是服务器中的装置，或者是能够和服务器匹配使用的装置。其中，该流浪宠物管理装置还可以为芯片***。该流浪宠物管理装置可执行第一方面中任意一项所述的方法。该流浪宠物管理装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。该模块可以是软件和/或硬件。该流浪宠物管理装置执行的操作及有益效果可以参见上述第一方面中任意一项所述的方法以及有益效果，重复之处不再赘述。
第四方面，本申请提供了一种流浪宠物管理装置，所述流浪宠物管理装置包括处理器，当所述处理器调用存储器中的计算机程序时，如第一方面中任意一项所述的方法被执行。
第五方面，本申请提供了一种流浪宠物管理装置，所述流浪宠物管理装置包括处理器和存储器，所述存储器用于存储计算机程序；所述处理器用于执行所述存储器所存储的计算机程序，以使所述流浪宠物管理装置执行如第一方面中任意一项所述的方法。
第六方面，本申请提供了一种流浪宠物管理装置，所述流浪宠物管理装置包括处理器、存储器和收发器，所述收发器，用于接收信道或信号，或者发送信道或信号；所述存储器，用于存储计算机程序；所述处理器，用于从所述存储器调用所述计算机程序执行如第一方面中任意一项所述的方法。
第七方面，本申请提供了一种流浪宠物管理装置，所述流浪宠物管理装置包括处理器和接口电路，所述接口电路，用于接收计算机程序并传输至所述处理器；所述处理器运行所述计算机程序以执行如第一方面中任意一项所述的方法。
第八方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，当所述计算机程序被执行时，使得如第一方面中任意一项所述的方法被实现。
第九方面，本申请提供一种包括计算机程序的计算机程序产品，当计算机程序被执行时，使得如第一方面中任意一项所述的方法被实现。
第十方面，本申请实施例提供了一种流浪宠物管理***，该流浪宠物管理***包括至少一个服务器和至少一个终端设备，该服务器用于执行上述第一方面中任意一项的步骤。
附图说明
以下对本申请实施例用到的附图进行介绍。
图1是本申请实施例提供的一种流浪宠物管理***架构示意图；
图2是本申请实施例提供的一种流浪宠物管理方法的流程图；
图3是本申请实施例提供的一种流浪宠物的鼻纹特征提取方法的示意图；
图4是本申请实施例提供的一种行为分析模型示意图；
图5是本申请实施例提供的一种流浪宠物的身份登记信息的界面示意图；
图6是本申请实施例提供的一种流浪宠物的领养界面示意图；
图7是本申请实施例提供的一种流浪宠物管理装置700的结构示意图；
图8是本申请实施例提供的一种流浪宠物管理装置800的结构示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。
为了妥善对城市内的流浪宠物进行管理，不少城市消耗大量人力物力开展集中治理工作，但流浪宠物数量庞大、大多藏匿于社区角落或难以发现的地方，因此，难以搜寻到流浪宠物，此外，很多流浪宠物从未进行过信息登记，无法识别其身份对其进行管理，为城市的流浪宠物管理增加了困难，因此，本申请提供一种流浪宠物管理方法及装置。请参见图1，图1是本申请实施例提供的一种流浪宠物管理***架构示意图，该***包括终端设备101，服务器102，其中：
终端设备101是具有处理能力和数据收发能力的装置。终端设备101安装和运行支持流浪宠物管理的应用程序或平台，该应用程序或平台内登录有用户账号，用户使用终端设备101可以为流浪宠物进行信息登记，并查看流浪宠物的身份登记信息，同时，也可以在流浪宠物管理的应用程序或平台中选择收养流浪宠物等。终端设备101可以是计算机、笔记本电脑、平板电脑、掌上电脑、台式机、诊断仪、手机、超级移动个人计算机(Ultra-mobilePersonal Computer，UMPC)、上网本、个人数字助理(Personal Digital Assistant，PDA)等。
可选的，终端设备101可以泛指多个终端设备中的一个，本申请实施例仅以终端设备101来举例说明。终端设备上安装的应用程序可以是相同的，或两个终端设备上安装的应用程序是不同操作***平台的同一类型应用程序，上述终端设备的数量可以更多或更少。例如，上述终端设备为几十个或几百个，或者更多数量，本申请实施例对终端设备的数量和设备类型不加以限定。
服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)以及大数据和人工智能平台等基础云计算服务的云服务器。服务器102获取流浪宠物的视频流数据，并对视频流数据进行关键帧提取和特征提取，从而将提取到的多种特征作为身份登记信息对流浪宠物进行信息登记，并对流浪宠物进行管理。服务器102为终端设备101提供计算或应用服务，为支持流浪宠物管理的应用程序或平台提供后台服务。
终端设备101与服务器102可以通过有线或无线通信方式进行直接或间接地连接。
可选的，服务器102可以承担主要计算工作，终端设备101可以承担次要计算工作；或者，服务器102承担次要计算工作，终端设备101承担主要计算工作；或者，服务器102和终端设备101分别单独承担分类工作。
请参见图2，图2是本申请实施例提供的一种流浪宠物管理方法的流程图，该方法包括但不限于如下步骤：
S201：获取流浪宠物的视频流数据。
具体地，视频流数据包括流浪宠物的影像信息，该影像信息可以是流浪宠物在无人看管的情况下在街道觅食、休息、走动、打闹等影像信息，该影像信息可以是通过路侧设备或社区的监控设备等录制得到的。路侧设备或社区的监控设备录制流浪宠物的影像信息后，向服务器发送该视频流数据，相应的，服务器接收流浪宠物的视频流数据。
可选的，服务器可以与路侧设备、社区的监控设备等建立通信连接，路侧设备或社区的监控设备可以通过广播、单播或多播等通信方式向服务器发送流浪宠物的视频流数据。
可选的，服务器接收终端设备上传的流浪宠物的视频流数据。
具体地，终端设备启动支持流浪宠物管理的应用程序或平台，并通过该应用程序或平台向服务器上传流浪宠物的视频流数据，其中，上传流浪宠物的视频流数据方式可以是通过应用程序或平台中的录像功能对流浪宠物进行录制，也可以是通过应用程序或平台中的上传功能上传终端设备已经录制完成的流浪宠物的视频流数据。
S202：对视频流数据进行关键帧提取，得到流浪宠物的多方位图像。
上述多方位图像是指流浪宠物各个角度的图像，关键帧是视频中包含关键信息所处的那一帧，帧是视频中最小单位的单幅影像画面(即图像)。
在一些实施例中，视频流数据包括N帧图像，从N帧图像中提取包含流浪宠物的M帧图像；对M帧图像进行部位识别，得到多方位图像。
具体地，N为大于等于1的整数，M为小于等于N的整数。服务器接收到流浪宠物的视频流数据后，该视频流数据的总帧数为N帧，即视频流数据包括N帧图像，服务器将视频流数据中的每帧图像剪辑出来，并从N帧图像中提取出图像中包含流浪宠物场景的M帧图像，再对M帧图像中的每帧图像进行部位识别，从而得到流浪宠物各个角度的图像(多方位图像)，其中，多方位图像中包括流浪宠物身体的不同部位。
在该实施例中，从N帧图像中提取包含流浪宠物的M帧图像，能够快速准确地从视频流数据对应的多帧图像中找到流浪宠物场景的图像，剔除掉不包含流浪宠物的图像，该方法保留了有用的数据(即包含流浪宠物场景)，得到的多方位图像能够精准地提取流浪宠物的多种特征，从而为流浪宠物进行信息登记。
在一些实施例中，视频流数据包括N帧图像，获取N帧图像中每帧图像的清晰度；根据每帧图像的清晰度，从N帧图像中提取M帧图像；对M帧图像进行部位识别，得到多方位图像。
具体地，N为大于等于1的整数，M为小于等于N的整数。服务器接收到流浪宠物的视频流数据后，该视频流数据的总帧数为N帧，即视频流数据包括N帧图像，服务器将视频流数据中每帧图像剪辑出来，并获取每帧图像的清晰度，其中，清晰度可以包括图像亮度、分辨率等。再将每帧图像的清晰度与预设条件清晰度比较，当符合预设条件清晰度(比如，图像亮度在预设亮度的范围内，图像分辨率在预设分辨率的范围内)时，将图像提取出来，不符合预设条件清晰度，则剔除图像，因此，从N帧图像中提取出符合预设条件清晰度的M帧图像，再对M帧图像中的每帧图像进行部位识别，从而得到流浪宠物各个角度的图像(多方位图像)，其中，多方位图像中包括流浪宠物身体的不同部位。
在该实施例中，该方法从图像清晰度方面考虑，在图像亮度、分辨率等画质达到预设条件清晰度的情况下，识别出流浪宠物的多方位图像，保证了图像的质量，提取的多种特征对流浪宠物图像的表征能力更强。
可选的，视频流数据包括N帧图像，服务器每隔X帧提取一帧图像，若该帧图像中包含流浪宠物场景，则提取出来；若该帧图像中不包含流浪宠物场景，则剔除图像，依此类推，将N帧图像全部筛选一遍，最后从N帧图像中提取出M帧包含流浪宠物的图像，再对M帧图像进行部位识别，得到多方位图像。其中，X可以为2-5的整数。
S203：基于多方位图像，得到流浪宠物的鼻纹特征、外貌特征以及个体特征中的至少一种。
具体地，多方位图像包括流浪宠物身体的不同部位，例如，流浪宠物的面部、头部、身躯、腿部以及尾部等。上述鼻纹特征是用于唯一标识流浪宠物的身份信息，不同宠物的鼻纹特征也不相同，鼻纹特征不会随着宠物的成长而改变，具有唯一性和不变性；上述外貌特征是指标识流浪宠物的品种、毛色、耳、眼、身体等信息的特征，即通过外貌特征可以确定流浪宠物的品种外形等；上述个体特征是指标识流浪宠物的卫生情况、健康状态等信息的特征，即通过个体特征可以确定流浪宠物的生活状况、健康程度等。
服务器将多方位图像根据不同部位进行划分，将其分为面部图像、头部图像、身躯图像、腿部图像以及尾部图像。其中，对于流浪宠物的鼻纹特征，可以从流浪宠物的面部图像中提取；对于流浪宠物的外貌特征，可以从流浪宠物的面部图像、头部图像、身躯图像中提取；对于流浪宠物的个体特征，可以从流浪宠物的身躯图像、腿部图像、尾部图像中提取。
进一步的，如图3所示，图3是本申请实施例提供的一种流浪宠物的鼻纹特征提取方法的示意图，服务器利用目标检测模型从面部图像中识别到包含流浪宠物的鼻纹信息的图像，对识别到的鼻纹图像进行预处理(比如，图像去噪、图像校正、图像增强等)，再对预处理后的鼻纹图像通过边框检测模型进行边框检测，再将边框检测后的鼻纹图像通过特征提取模型进行特征提取，得到流浪宠物的鼻纹特征。服务器利用目标检测模型从面部图像、头部图像、身躯图像中识别流浪宠物的毛色、耳、眼、脸、身躯形态等部位信息，并对识别到的部位信息进行预处理，再对预处理后的部位信息通过特征提取模型进行特征提取，得到流浪宠物的外貌特征。服务器利用目标检测模型从身躯图像、腿部图像、尾部图像中识别流浪宠物的毛发、皮肤等，并将其与健康宠物的毛发、皮肤等进行对比，当流浪宠物的毛发、皮肤等存在明显与健康宠物不同的区域时，提取不同区域的流浪宠物的个体特征。
S204：对视频流数据进行特征提取，得到流浪宠物的行为特征。
具体地，行为特征是指标识流浪宠物活动状态、性格特点等信息的特征，即通过行为特征可以确定流浪宠物的性格、脾气等。
如图4所示，图4是本申请实施例提供的一种行为分析模型示意图，可以包括输入层410，卷积层/池化层420，以及神经网络层430。上述卷积层/池化层420可以包括421-426层，举例来说，在一种实现中，421层为卷积层，422层为池化层，423层为卷积层，424层为池化层，425为卷积层，426为池化层；在另一种实现方式中，421、422为卷积层，423为池化层，424、425为卷积层，426为池化层。即卷积层的输出可以作为随后的池化层的输入，也可以作为另一个卷积层的输入以继续进行卷积操作。服务器将视频流数据输入到行为分析模型中经过卷积运算，最后通过输出层440输出结果，即得到流浪宠物的行为特征。其中，行为分析模型可以是将不同品种、不同性格的宠物的视频信息作为特征参数输入到待训练模型中，使待训练模型学习不同品种、不同性格的宠物的特征生成的。
S205：将鼻纹特征、外貌特征以及个体特征中的至少一种、和行为特征，作为流浪宠物的身份登记信息。
具体地，服务器从多方位图像以及视频流数据中提取到鼻纹特征、外貌特征以及个体特征中的至少一种、以及行为特征后，将上述多种特征作为流浪宠物的身份登记信息保存至流浪宠物信息数据库中，其中，流浪宠物信息数据库是配置在服务器上的数据库。
在一些实施例中，服务器根据个体特征以及行为特征，确定流浪宠物的风险等级；将风险等级作为流浪宠物的身份登记信息。
具体地，风险等级可以包括安全、有轻度风险、有中度风险、有重度风险。服务器在确定流浪宠物的个体特征以及行为特征后，结合两项特征，判断流浪宠物是否对人类存在安全隐患，并根据判断结果，设立流浪宠物的风险等级，并将风险等级也作为身份登记信息保存至流浪宠物信息数据库中。
示例性的，服务器提取的三只流浪宠物的个体特征以及行为特征如下：流浪狗1：个体特征为卫生情况一般、身体健康，行为特征为外向、喜打斗、追逐人类；流浪狗2：个体特征为卫生情况不佳、皮肤有溃烂，行为特征为内向、喜静；流浪猫1：个体特征为卫生情况良好、身体健康，行为特征为偏外向、与人类有交流。结合上述个体特征以及行为特征进行判断，流浪狗1喜欢打斗且追逐人类，因此风险等级为重度风险；流浪狗2虽然喜静，但因为皮肤存在溃烂(有皮肤病)，可能会传染人类，因此风险等级为轻度风险；流浪猫1身体健康、与人类有交流，说明性格比较温顺，因此风险等级为安全。
在一些实施例中，服务器获取流浪宠物的地点信息，将地点信息作为流浪宠物的身份登记信息。
具体地，服务器可以从视频流数据的图像中识别出流浪宠物的地点信息，也可以从路侧设备或社区的监控设备所处的位置确定流浪宠物的地点信息，并将地点信息也作为流浪宠物的身份登记信息保存至流浪宠物信息数据库中。
在该实施例中，该地点信息可以作为身份登记信息，同时地点信息可以方便管理人员找到流浪宠物，并对流浪宠物进行救治和收留，实现对流浪宠物的管理，此外，对于走失的流浪宠物，地点信息能够帮助失主更好地找寻宠物。
如图5所示，图5是本申请实施例提供的一种流浪宠物的身份登记信息的界面示意图，该界面中包括流浪宠物的名称、品种、性别、鼻纹信息、性格、身体状态、地点、风险等级等。
S206：根据身份登记信息，对流浪宠物进行管理。
具体地，服务器将流浪宠物的身份登记信息保存至流浪宠物信息数据库中后，会向管理人员的终端设备推送救助信息，管理人员的终端设备接收到该救助信息后，根据地点信息找到流浪宠物，并统一对其进行安置。
在一些实施例中，服务器向用户终端发送身份登记信息。
具体地，在对流浪宠物安置后，管理人员通过终端设备向服务器发送安置成功信息，服务器接收到该安置成功信息后，向用户的终端设备发送流浪宠物的身份登记信息，用户可以根据该身份登记信息确定是否领养流浪宠物。
示例性的，如图6所示，图6是本申请实施例提供的一种流浪宠物的领养界面示意图，该界面中包括流浪宠物的身份登记信息以及领养图标，用户的终端设备接收到用户输入的点击操作(点击领养图标)，响应于该点击操作，向服务器发送领养信息，服务器接收到该领养信息后，向用户的终端设备发送领养成功信息，其中，领养成功信息包括领养流浪宠物的身份登记信息以及领养地点信息等，其中，领养地点信息用于指示用户到达领养地点领养流浪宠物。
在本申请实施例中，服务器获取由路侧设备或监控设备等监测到的流浪宠物的视频流数据，能够对藏匿于社区角落以及难以发现的地方的流浪宠物进行准确的搜寻，并对视频流数据进行关键帧提取，从而得到流浪宠物各个角度的图像(多方位图像)，从多方位图像中能够提取流浪宠物的多种特征(鼻纹特征、外貌特征以及个体特征中的至少一种)，此外，视频流数据能够提取出流浪宠物的行为特征，将这些特征作为流浪宠物的身份登记信息对其进行登记，从而更好地管理流浪宠物。
上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。
请参见图7，图7是本申请实施例提供的一种流浪宠物管理装置700的结构示意图，该装置包括获取单元701，处理单元702，发送单元703，其中，各个单元的详细描述如下。
获取单元701，用于获取流浪宠物的视频流数据；
处理单元702，用于对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像；基于所述多方位图像，得到所述流浪宠物的鼻纹特征、外貌特征以及个体特征中的至少一种；对所述视频流数据进行特征提取，得到所述流浪宠物的行为特征；将所述鼻纹特征、所述外貌特征以及所述个体特征中的至少一种、和所述行为特征，作为所述流浪宠物的身份登记信息；根据所述身份登记信息，对所述流浪宠物进行管理。
在一种可能的实现方式中，所述视频流数据包括N帧图像；所述处理单元702具体用于：
从所述N帧图像中提取包含所述流浪宠物的M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
在一种可能的实现方式中，所述视频流数据包括N帧图像；所述获取单元701还用于：
获取所述N帧图像中每帧图像的清晰度；
所述处理单元702具体用于：
根据所述每帧图像的清晰度，从所述N帧图像中提取M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
在一种可能的实现方式中，所述处理单元702具体用于：
将所述视频流数据输入到行为分析模型中进行特征提取，得到所述流浪宠物的所述行为特征。
在一种可能的实现方式中，所述获取单元701还用于：
获取所述流浪宠物的地点信息；
所述处理单元702具体用于：
将所述地点信息作为所述流浪宠物的身份登记信息。
在一种可能的实现方式中，所述处理单元702还用于：
根据所述个体特征以及所述行为特征，确定所述流浪宠物的风险等级；
将所述风险等级作为所述流浪宠物的身份登记信息。
在一种可能的实现方式中，所述装置还包括：
发送单元703，用于向用户终端发送所述身份登记信息，所述身份登记信息用于用户确定是否领养所述流浪宠物。
需要说明的是，各个单元的实现及有益效果还可以对应参照图2所示的方法实施例的相应描述。
请参见图8，图8是本申请实施例提供的一种流浪宠物管理装置800的结构示意图，该装置800包括处理器801和收发器803，可选的，还包括存储器802，所述处理器801、存储器802和收发器803通过总线804相互连接。
存储器802包括但不限于是随机存储记忆体(random access memory，RAM)、只读存储器(read-only memory，ROM)、可擦除可编程只读存储器(erasable programmableread only memory，EPROM)、或便携式只读存储器(compact disc read-only memory，CD-ROM)，该存储器802用于相关指令及数据。收发器803用于接收和发送数据。
处理器801可以是一个或多个中央处理器(central processing unit，CPU)，在处理器801是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。
该装置800中的处理器801读取所述存储器802中存储的程序代码，用于执行以下操作：
获取流浪宠物的视频流数据；
对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像；
基于所述多方位图像，得到所述流浪宠物的鼻纹特征、外貌特征以及个体特征中的至少一种；
对所述视频流数据进行特征提取，得到所述流浪宠物的行为特征；
将所述鼻纹特征、所述外貌特征以及所述个体特征中的至少一种、和所述行为特征，作为所述流浪宠物的身份登记信息；
根据所述身份登记信息，对所述流浪宠物进行管理。
可选的，所述视频流数据包括N帧图像；所述处理器801，还用于从所述N帧图像中提取包含所述流浪宠物的M帧图像；对所述M帧图像进行部位识别，得到所述多方位图像；其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
可选的，所述视频流数据包括N帧图像；所述处理器801，还用于获取所述N帧图像中每帧图像的清晰度；根据所述每帧图像的清晰度，从所述N帧图像中提取M帧图像；对所述M帧图像进行部位识别，得到所述多方位图像；其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
可选的，所述处理器801，还用于将所述视频流数据输入到行为分析模型中进行特征提取，得到所述流浪宠物的所述行为特征。
可选的，通过所述收发器803获取所述流浪宠物的地点信息；所述处理器801，还用于将所述地点信息作为所述流浪宠物的身份登记信息。
可选的，所述处理器801，还用于根据所述个体特征以及所述行为特征，确定所述流浪宠物的风险等级；将所述风险等级作为所述流浪宠物的身份登记信息。
可选的，通过所述收发器803向用户终端发送所述身份登记信息，所述身份登记信息用于用户确定是否领养所述流浪宠物。
需要说明的是，各个操作的实现及有益效果还可以对应参照图2所示的方法实施例的相应描述。
本申请实施例还提供了一种芯片***，该芯片***包括处理器，用于服务器实现上述任一实施例中所涉及的功能。在一种可能的设计中，所述芯片***还可以包括存储器，所述存储器，用于服务器必要的计算机程序和数据。该芯片***，可以由芯片构成，也可以包含芯片和其他分立器件。其中，芯片***的输入和输出，分别对应方法实施例服务器的接收与发送操作。
本申请实施例还提供了一种流浪宠物管理装置，包括处理器和接口。所述处理器可用于执行上述方法实施例中的方法。
应理解，上述流浪宠物管理装置可以是一个芯片。例如，该流浪宠物管理装置可以是现场可编程门阵列(field programmable gate array，FPGA)，可以是专用集成芯片(application specific integrated circuit，ASIC)，还可以是***芯片(system onchip，SoC)，还可以是中央处理器(central processor unit，CPU)，还可以是网络处理器(network processor，NP)，还可以是数字信号处理电路(digital signal processor，DSP)，还可以是微控制器(micro controller unit，MCU)，还可以是可编程控制器(programmable logic device，PLD)或其他集成芯片。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
应注意，本申请实施例中的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
根据本申请实施例提供的方法，本申请还提供一种计算机程序产品，该计算机程序产品包括：计算机程序，当该计算机程序在计算机上运行时，使得该计算机执行图2所示实施例中任意一个实施例的方法。
根据本申请实施例提供的方法，本申请还提供一种计算机可读介质，该计算机可读介质存储有计算机程序，当该计算机程序在计算机上运行时，使得该计算机执行图2所示实施例中任意一个实施例的方法。
根据本申请实施例提供的方法，本申请还提供一种流浪宠物管理***，其包括前述的一个或多个服务器、一个或多个终端设备。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，高密度数字视频光盘(digital video disc，DVD))、或者半导体介质(例如，固态硬盘(solid state disc，SSD))等。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各种说明性逻辑块(illustrative logical block)和步骤(step)，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者定位服务器等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (17)
1.一种流浪宠物管理方法，其特征在于，包括：
获取流浪宠物的视频流数据；
对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像；
基于所述多方位图像，得到所述流浪宠物的鼻纹特征、外貌特征以及个体特征中的至少一种；
对所述视频流数据进行特征提取，得到所述流浪宠物的行为特征；
将所述鼻纹特征、所述外貌特征以及所述个体特征中的至少一种、和所述行为特征，作为所述流浪宠物的身份登记信息；
根据所述身份登记信息，对所述流浪宠物进行管理。
2.根据权利要求1所述的方法，其特征在于，所述视频流数据包括N帧图像；
所述对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像包括：
从所述N帧图像中提取包含所述流浪宠物的M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
3.根据权利要求1所述的方法，其特征在于，所述视频流数据包括N帧图像；
所述对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像包括：
获取所述N帧图像中每帧图像的清晰度；
根据所述每帧图像的清晰度，从所述N帧图像中提取M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
4.根据权利要求1所述的方法，其特征在于，所述对所述视频流数据进行特征提取，得到所述流浪宠物的行为特征包括：
将所述视频流数据输入到行为分析模型中进行特征提取，得到所述流浪宠物的所述行为特征。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述流浪宠物的地点信息；
将所述地点信息作为所述流浪宠物的身份登记信息。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述个体特征以及所述行为特征，确定所述流浪宠物的风险等级；
将所述风险等级作为所述流浪宠物的身份登记信息。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
向用户终端发送所述身份登记信息，所述身份登记信息用于用户确定是否领养所述流浪宠物。
8.一种流浪宠物管理装置，其特征在于，包括：
获取单元，用于获取流浪宠物的视频流数据；
处理单元，用于对所述视频流数据进行关键帧提取，得到所述流浪宠物的多方位图像；基于所述多方位图像，得到所述流浪宠物的鼻纹特征、外貌特征以及个体特征中的至少一种；对所述视频流数据进行特征提取，得到所述流浪宠物的行为特征；将所述鼻纹特征、所述外貌特征以及所述个体特征中的至少一种、和所述行为特征，作为所述流浪宠物的身份登记信息；根据所述身份登记信息，对所述流浪宠物进行管理。
9.根据权利要求8所述的装置，其特征在于，所述视频流数据包括N帧图像；所述处理单元具体用于：
从所述N帧图像中提取包含所述流浪宠物的M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
10.根据权利要求8所述的装置，其特征在于，所述视频流数据包括N帧图像；所述获取单元还用于：
获取所述N帧图像中每帧图像的清晰度；
所述处理单元具体用于：
根据所述每帧图像的清晰度，从所述N帧图像中提取M帧图像；
对所述M帧图像进行部位识别，得到所述多方位图像；
其中，所述N为大于等于1的整数，所述M为小于等于N的整数。
11.根据权利要求8所述的装置，其特征在于，所述处理单元具体用于：
将所述视频流数据输入到行为分析模型中进行特征提取，得到所述流浪宠物的所述行为特征。
12.根据权利要求8所述的装置，其特征在于，所述获取单元还用于：
获取所述流浪宠物的地点信息；
所述处理单元具体用于：
将所述地点信息作为所述流浪宠物的身份登记信息。
13.根据权利要求8所述的装置，其特征在于，所述处理单元还用于：
根据所述个体特征以及所述行为特征，确定所述流浪宠物的风险等级；
将所述风险等级作为所述流浪宠物的身份登记信息。
14.根据权利要求8-13任一项所述的装置，其特征在于，所述装置还包括：
发送单元，用于向用户终端发送所述身份登记信息，所述身份登记信息用于用户确定是否领养所述流浪宠物。
15.一种流浪宠物管理装置，其特征在于，所述装置包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用所述计算机程序，执行如权利要求1-7任一项所述的方法。
16.一种芯片，其特征在于，所述芯片为流浪宠物管理装置内的芯片，所述芯片包括处理器和与所述处理器连接的输入接口和输出接口，所述芯片还包括存储器，当所述存储器中计算机程序被执行时，所述权利要求1-7中任一项所述的方法被执行。
17.一种计算机可读存储介质，其特征在于，用于存储计算机程序，当所述计算机程序在计算机上运行时，使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210620350.2A CN114982663B (zh) | 2022-06-02 | 2022-06-02 | 一种流浪宠物管理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210620350.2A CN114982663B (zh) | 2022-06-02 | 2022-06-02 | 一种流浪宠物管理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114982663A true CN114982663A (zh) | 2022-09-02 |
| CN114982663B CN114982663B (zh) | 2023-06-20 |
Family
ID=83030369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210620350.2A Active CN114982663B (zh) | 2022-06-02 | 2022-06-02 | 一种流浪宠物管理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114982663B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116385965A (zh) * | 2023-03-17 | 2023-07-04 | 深圳市明源云科技有限公司 | 流浪动物识别方法、设备及计算机可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104932459A (zh) * | 2015-04-29 | 2015-09-23 | 海南大学 | 一种基于物联网的多功能宠物管理监测*** |
| CN108764109A (zh) * | 2018-05-23 | 2018-11-06 | 西安理工大学 | 一种基于狗脸图像识别技术的寻狗***及方法 |
| CN110414390A (zh) * | 2019-07-13 | 2019-11-05 | 恒大智慧科技有限公司 | 一种社区内犬类识别方法、***及可读存储介质 |
| CN112541393A (zh) * | 2020-11-10 | 2021-03-23 | 国网浙江嵊州市供电有限公司 | 一种基于深度学习的变电站人员检测方法及装置 |
| CN112711672A (zh) * | 2021-01-07 | 2021-04-27 | 孙幸怡 | 一种宠物救助*** |
| CN113283306A (zh) * | 2021-04-30 | 2021-08-20 | 青岛云智环境数据管理有限公司 | 一种基于深度学习和迁移学习的啮齿动物识别分析的方法 |
| CN114283453A (zh) * | 2021-12-28 | 2022-04-05 | 新瑞鹏宠物医疗集团有限公司 | 流浪动物的信息获取方法、装置、存储介质及电子设备 |
-
2022
- 2022-06-02 CN CN202210620350.2A patent/CN114982663B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104932459A (zh) * | 2015-04-29 | 2015-09-23 | 海南大学 | 一种基于物联网的多功能宠物管理监测*** |
| CN108764109A (zh) * | 2018-05-23 | 2018-11-06 | 西安理工大学 | 一种基于狗脸图像识别技术的寻狗***及方法 |
| CN110414390A (zh) * | 2019-07-13 | 2019-11-05 | 恒大智慧科技有限公司 | 一种社区内犬类识别方法、***及可读存储介质 |
| CN112541393A (zh) * | 2020-11-10 | 2021-03-23 | 国网浙江嵊州市供电有限公司 | 一种基于深度学习的变电站人员检测方法及装置 |
| CN112711672A (zh) * | 2021-01-07 | 2021-04-27 | 孙幸怡 | 一种宠物救助*** |
| CN113283306A (zh) * | 2021-04-30 | 2021-08-20 | 青岛云智环境数据管理有限公司 | 一种基于深度学习和迁移学习的啮齿动物识别分析的方法 |
| CN114283453A (zh) * | 2021-12-28 | 2022-04-05 | 新瑞鹏宠物医疗集团有限公司 | 流浪动物的信息获取方法、装置、存储介质及电子设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116385965A (zh) * | 2023-03-17 | 2023-07-04 | 深圳市明源云科技有限公司 | 流浪动物识别方法、设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114982663B (zh) | 2023-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019033525A1 (zh) | Au特征识别方法、装置及存储介质 | |
| CA3046803C (en) | Livestock biosecurity system and method of use | |
| CN111918039B (zh) | 基于5g网络的人工智能高风险作业管控*** | |
| WO2021063056A1 (zh) | 人脸属性识别方法、装置、电子设备和存储介质 | |
| TW202121233A (zh) | 影像處理方法、處理器、電子設備、儲存媒介 | |
| TW202024998A (zh) | 考勤管理系統、方法及電子設備 | |
| Ragusa et al. | Egocentric visitors localization in cultural sites | |
| CN109784274A (zh) | 识别尾随的方法及相关产品 | |
| CN107169458A (zh) | 数据处理方法、装置及存储介质 | |
| US20140077932A1 (en) | Method and system for alerting an owner of a lost animal | |
| CN109829072A (zh) | 构建图谱方法及相关装置 | |
| CN108846912A (zh) | 考勤方法、终端及服务器 | |
| CN111539338A (zh) | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 | |
| CN114982663A (zh) | 一种流浪宠物管理方法及装置 | |
| KR102023749B1 (ko) | 소 관리 오픈 플랫폼 시스템 | |
| CN110909195A (zh) | 基于区块链的图片标注方法、装置及存储介质、服务器 | |
| US20230410220A1 (en) | Information processing apparatus, control method, and program | |
| CN111191507A (zh) | 智慧社区的安全预警分析方法及*** | |
| CN115205780A (zh) | 一种工地违规的监控方法、***、介质及电子设备 | |
| Bouras et al. | An online real-time face recognition system for police purposes | |
| CN112597880A (zh) | 客流批次识别方法、装置、计算机设备及可读存储介质 | |
| CN108024148A (zh) | 基于行为特征的多媒体文件识别方法、处理方法及装置 | |
| CN110765323A (zh) | 小区宠物狗的识别方法、装置、设备及介质 | |
| US20210264621A1 (en) | Tracking within and across facilities | |
| Sandhya et al. | An optimized elman neural network for contactless palm-vein recognition framework |
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 |