CN111294565A - 一种智能化养猪监测方法和管理端 - Google Patents

Abstract

本发明公开了一种智能化养猪监测方法和管理端，获取养殖场内关于生猪在养殖过程中的生猪监测视频；识别生猪监测视频内每一头生猪的行走轨迹和表现行为；根据每一头生猪的行走轨迹和表现行为得出每一头生猪的健康状态。本发明对生猪在养殖过程中进行视频的实时监测，使得养殖户可以实时观察到生猪的生长情况，以判断生猪的健康状态；同时，根据所监测的视频系统自动分析出每一头生猪的行走轨迹和表现行为，以此来得出每一头生猪的健康状态，从而自动为养殖户提供智能化的实时健康监测。

Description

一种智能化养猪监测方法和管理端

技术领域

本发明涉及智能化养殖技术领域，特别涉及一种智能化养猪监测方法和管理端。

背景技术

随着国内经济的快速发展和人们可支配收入的增长，人民群众对肉类的消费也逐年增加。其中，猪肉是人们餐桌上最常见的动物性食品之一。

猪肉消费的逐年增加，对传统的生猪养殖行业提出了巨大的挑战。其中，生猪饲养成本逐渐变高，仔猪成本、喂养生猪的玉米等饲料成本、人工成本、生猪出栏时间等因素让许多传统的养猪户利润呈现下滑趋势。因此，人工智能化开始进入生猪养殖领域。现有的智能养猪领域主要包括：利用智能耳标来为每一头猪建立一套档案，从而记录养殖、检疫、屠宰以及无害化等过程的数据；通过传感技术，借助AI和大数据来实时监测和感知每头猪的生理数据，做到对生猪的健康监测并通过数据分析实现疫情预警、生产力预测等；通过视频进行实时监控，以实现规模化养猪监测；然而，现有的健康监测是通过生理数据，通常就是体温数据，判断依据较为单一，判断结果较为片面。

发明内容

本发明所要解决的技术问题是：提供了一种智能化养猪监测方法和管理端，从而对生猪养殖过程进行更加智能化的实时健康监测。

为了解决上述技术问题，本发明采用的技术方案为：

一种智能化养猪监测方法，包括步骤：

S1：获取养殖场内关于生猪在养殖过程中的生猪监测视频；

S2、识别所述生猪监测视频内每一头生猪的行走轨迹和表现行为；

S3、根据每一头生猪的行走轨迹和表现行为得出每一头生猪的健康状态。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种智能化养猪监测管理端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

S1：获取养殖场内关于生猪在养殖过程中的生猪监测视频；

S2、识别所述生猪监测视频内每一头生猪的行走轨迹和表现行为；

S3、根据每一头生猪的行走轨迹和表现行为得出每一头生猪的健康状态。

本发明的有益效果在于：一种智能化养猪监测方法和管理端，对生猪在养殖过程中进行视频的实时监测，使得养殖户可以实时观察到生猪的生长情况，以判断生猪的健康状态；同时，根据所监测的视频系统自动分析出每一头生猪的行走轨迹和表现行为，以此来得出每一头生猪的健康状态，从而自动为养殖户提供智能化的实时健康监测。

附图说明

图1为本发明实施例的一种智能化养猪监测方法的流程示意图；

图2为本发明实施例的一种智能化养猪监测管理端的结构示意图。

标号说明：

1、一种智能化养猪监测管理端；2、处理器；3、存储器；4、第一摄像头；5、第二摄像头；6、第三摄像头。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

请参照图1，一种智能化养猪监测方法，包括步骤：

S1：获取养殖场内关于生猪在养殖过程中的生猪监测视频；

S2、识别所述生猪监测视频内每一头生猪的行走轨迹和表现行为；

S3、根据每一头生猪的行走轨迹和表现行为得出每一头生猪的健康状态。

从上述描述可知，本发明的有益效果在于：对生猪在养殖过程中进行视频的实时监测，使得养殖户可以实时观察到生猪的生长情况，以判断生猪的健康状态；同时，根据所监测的视频系统自动分析出每一头生猪的行走轨迹和表现行为，以此来得出每一头生猪的健康状态，从而自动为养殖户提供智能化的实时健康监测。

进一步地，所述步骤S2具体包括以下步骤：

S21、从所述生猪监测视频内提取N帧间隔第一预设时间的生猪监测图像，得到轨迹生成图像集，从所述生猪监测视频内提取M帧连续的生猪监测图像，得到行为分析图像集，将所述轨迹生成图像集和所述行为分析图像集里的每一帧所述生猪监测图像分割成与X头所述生猪一一对应的X张猪只个体图像，并记录每一张所述猪只个体图像在所述生猪监测图像的相对位置信息以及每一帧所述生猪监测图像在所述生猪监测视频内的相对时间信息，将同一帧里面的X张所述猪只个体图像放入同一个猪只群体数据集，得到与所述轨迹生成图像集对应的N个所述猪只群体数据集并对其执行步骤S22，以及得到与所述行为分析图像集对应的M个所述猪只群体数据集并对其执行步骤S23，所述N大于或等于1，所述M大于或等于16；

S22、依次对所述轨迹生成图像集对应的N个猪只群体数据集里的X张猪只个体图像进行猪只个体识别，得到每一张所述猪只个体图像所对应的猪只个体身份信息，将所述猪只个体身份信息相同的N张所述猪只个体图像进行归类，得到所述猪只个体身份信息所对应的第一猪只个体数据集，根据所述第一猪只个体数据集中每一张所述猪只个体图像的相对位置信息和相对时间信息，生成每一头所述生猪的行走轨迹；

S23、依次对所述行为分析图像集对应的M个猪只群体数据集里的X张猪只个体图像进行猪只个体识别和肢体形态识别，得到每一张所述猪只个体图像所对应的猪只个体身份信息和当前肢体形态，将所述猪只个体身份信息相同的M张所述猪只个体图像进行归类，得到所述猪只个体身份信息所对应的第二猪只个体数据集，根据所述第二猪只个体数据集中每一张所述猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头所述生猪的表现行为。

从上述描述可知，通过每隔第一预设时间来获取一次生猪的位置信息，以生成猪只个体的行走轨迹；通过连续的时间内对猪只个体的当前肢体形态进行识别，配合对应的位置信息，从而识别出生猪的表现行为；针对行走轨迹和表现行为通过不同时间要求的图像帧来进行识别，既保证了识别结果的准确性，又减少了识别过程的计算量；同时，猪只个体的肢体形态作为实时变化量，行走轨迹作为长时变化量，通过结合生猪的实时变化情况和长时变化情况，来对生猪进行更加准确的健康监测。

进一步地，所述步骤S2具体包括以下步骤：

S21’、从所述生猪监测视频内的第一帧生猪监测图像开始进行是否有清晰猪脸的判断，直到得到第一张包括清晰猪脸的生猪监测图像，将第一张包括清晰猪脸的所述生猪监测图像分割成包括所述清晰猪脸的第一猪只个体图像，对所述第一猪只个体图像进行猪只个体识别，得到所述第一猪只个体图像所对应的第一猪只个体身份信息，并对所述第一猪只个体身份信息所对应的第一生猪进行目标追踪，以在所述生猪监测视频内的每一帧生猪监测图像里标记出所述第一生猪，之后继续进行是否有清晰猪脸的判断，以在所述生猪监测视频内的每一帧生猪监测图像内标记出每一头生猪；

S22’、将每一头生猪在所述生猪监测视频内的每一帧生猪监测图像内的所述标记所在的相对位置信息按照所述生猪监测视频的时间顺序进行连线，得到每一头所述生猪的行走轨迹；

S23’、从所述生猪监测视频内提取M帧连续的生猪监测图像，对所提取的每一帧所述生猪监测图像分割成与X头所述生猪一一对应的X张猪只个体图像，并记录每一张所述猪只个体图像所对应的生猪的标记、所述标记在所述生猪监测图像的相对位置信息以及每一帧所述生猪监测图像在所述生猪监测视频内的相对时间信息，对每一张所述猪只个体图像进行肢体形态识别，得到每一张所述猪只个体图像所对应的当前肢体形态，将所述标记相同的M张所述猪只个体图像进行归类，得到所述标记所对应的第二猪只个体数据集，根据所述第二猪只个体数据集中每一张所述猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头所述生猪的表现行为，所述M大于或等于16。

从上述描述可知，先对猪只个体进行实时追踪锁定，以快速锁定每一帧生猪监测图像里每一只生猪的位置信息，并通过标记进行区分不同的生猪，从而在后续的轨迹生成和行为识别时，无需再进行身份识别，减少了系统的计算量，提高了计算速度，以保证能实时得到行走轨迹和表现行为。

进一步地，所述步骤S1之前还包括以下步骤：

获取分别位于养殖场内入口处的不同方位上的第一摄像头对同一头生猪所拍摄的入场视频，所述入场视频包括同一头生猪处于站立状态下的静止片段以及进行不同表现行为时的行为片段，所述第一摄像头的方位至少包括所述生猪的前方、左侧、右侧、后方以及上方，每一个所述行为片段分别对应一种所述表现行为；

从所述静止片段内提取多张所述生猪处于站立状态下的猪只个体图片，根据多张所述猪只个体图片对预设的猪只个体三维模型进行重新构造塑形，得到与所述生猪相对应的生猪三维模型，多张所述生猪处于站立状态下的猪只个体图片至少包括生猪静止正面图片、生猪静止左侧图片、生猪静止右侧图片、生猪静止后视图片以及生猪静止俯视图片各一张；

对于同一表现行为且在不同方位上拍摄的行为片段按照时间轴顺序依次获取位于同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片，同时，根据同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片对当前时间点的所述生猪三维模型进行处理并记录其处理过程，得到每一个所述表现行为对所述生猪三维模型的处理特征；

所述步骤S1具体包括以下步骤：

获取养殖场内位于猪栏上方的第二摄像头以及位于猪栏前方的第三摄像头所发送的生猪监测视频，所述猪栏前方为猪栏内喂猪槽上与生猪等高的位置处；

所述步骤S2中“识别所述生猪监测视频内每一头生猪的表现行为”具体包括以下步骤：

从所述第二摄像头所发送的所述生猪监测视频内提取猪只个体俯视图片，从所述第三摄像头所发送的所述生猪监测视频内提取猪只个体正面图片，得到每一头生猪在所述生猪监测视频内的猪只个体俯视图片和时间轴相对应的猪只个体正面图片；

根据每一头生猪所对应的所述猪只个体俯视图片和所述猪只个体正面图片对所述生猪所对应的生猪三维模型进行实时处理，得到每一头生猪的实时处理过程，根据每一头生猪的实时处理过程与每一种表现行为的处理特征的相似程度，得到每一头生猪的表现行为。

从上述描述可知，通过多台第一摄像机来全方位地拍摄生猪处于站立状态下的视频，从而建立与生猪实际情况相符合的三维模型；通过多台第一摄像机来全方位地拍摄生猪处于不同表现行为下的视频，以模拟生猪在不同表现行为下的立体变化，其中，立体变化是根据生猪在站立状态下开始完成一个表现行为的整个过程中的身体形态所发生的变化，比如喂食，最明显的特征就是生猪需要弯下猪头，并保持一端时间以完成进食。而在实时监测过程中，需要至少一个上方的俯视图和至少一个前方的正视图，俯视图能避免生猪拥挤而无法获得每一只生猪的有效信息，至少能获得生猪的体型轮廓图；而位于猪栏内喂猪槽上与生猪等高的位置处的第三摄像头，不仅能在生猪进食过程中清晰的看到猪脸和在进食行为时的肢体形态，同时也能更好的获取生猪在其他表现行为时的肢体形态，以尽可能准确的获取每一头生猪在实时养殖过程中的肢体形态；将获得的正面图片和俯视图片对生猪三维模型进行处理，判断处理过程和之前录制的处理特征进行对比，以判断当前生猪的表现行为，即通过三维模拟，能更好的反应生猪在进行某项行为的身体变化，从而在难以获取到每一只生猪的完整肢体形态情况下也能更好的识别出生猪的表现行为。

进一步地，所述生猪包括健康的猪只个体以及不同犯病类型的猪只个体；

得到每一个所述表现行为对所述生猪三维模型的处理特征具体包括以下步骤：

将每一只生猪的处理过程和行走轨迹作为输入参数，将每一只生猪的健康状态以及表现行为作为输出参数，将人工打标后的每一只生猪的处理过程、行走轨迹、健康状态和表现行为作为神经网络模型的训练集，得到生猪健康识别模型；

所述步骤S2中“根据每一头生猪的实时处理过程与每一种表现行为的处理特征的相似程度，得到每一头生猪的表现行为”和所述步骤S3替换为以下步骤：

将每一头生猪的实时处理过程以及行走轨迹分别输入到所述生猪健康识别模型，以得到每一头生猪的表现行为和健康状态。

从上述描述可知，基于大数据，将不管健康还是生病的生猪都进行数据采取，并通过人工打标进行区分，作为训练集放入神经网络模型，以得到生猪健康识别模型，生猪健康识别模型能自动提取生猪在不同表现行为下的特征数据以及同一表现行为下不同健康情况下的特征数据，以根据实时接收到的处理过程快速且准确的识别出当前生猪的表现行为和健康状态。

请参照图2，一种智能化养猪监测管理端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

S1：获取养殖场内关于生猪在养殖过程中的生猪监测视频；

S2、识别所述生猪监测视频内每一头生猪的行走轨迹和表现行为；

S3、根据每一头生猪的行走轨迹和表现行为得出每一头生猪的健康状态。

从上述描述可知，本发明的有益效果在于：对生猪在养殖过程中进行视频的实时监测，使得养殖户可以实时观察到生猪的生长情况，以判断生猪的健康状态；同时，根据所监测的视频系统自动分析出每一头生猪的行走轨迹和表现行为，以此来得出每一头生猪的健康状态，从而自动为养殖户提供智能化的实时健康监测。

进一步地，所述处理器执行所述计算机程序的所述步骤S2时具体包括以下步骤：

S21、从所述生猪监测视频内提取N帧间隔第一预设时间的生猪监测图像，得到轨迹生成图像集，从所述生猪监测视频内提取M帧连续的生猪监测图像，得到行为分析图像集，将所述轨迹生成图像集和所述行为分析图像集里的每一帧所述生猪监测图像分割成与X头所述生猪一一对应的X张猪只个体图像，并记录每一张所述猪只个体图像在所述生猪监测图像的相对位置信息以及每一帧所述生猪监测图像在所述生猪监测视频内的相对时间信息，将同一帧里面的X张所述猪只个体图像放入同一个猪只群体数据集，得到与所述轨迹生成图像集对应的N个所述猪只群体数据集并对其执行步骤S22，以及得到与所述行为分析图像集对应的M个所述猪只群体数据集并对其执行步骤S23，所述N大于或等于1，所述M大于或等于16；

S22、依次对所述轨迹生成图像集对应的N个猪只群体数据集里的X张猪只个体图像进行猪只个体识别，得到每一张所述猪只个体图像所对应的猪只个体身份信息，将所述猪只个体身份信息相同的N张所述猪只个体图像进行归类，得到所述猪只个体身份信息所对应的第一猪只个体数据集，根据所述第一猪只个体数据集中每一张所述猪只个体图像的相对位置信息和相对时间信息，生成每一头所述生猪的行走轨迹；

S23、依次对所述行为分析图像集对应的M个猪只群体数据集里的X张猪只个体图像进行猪只个体识别和肢体形态识别，得到每一张所述猪只个体图像所对应的猪只个体身份信息和当前肢体形态，将所述猪只个体身份信息相同的M张所述猪只个体图像进行归类，得到所述猪只个体身份信息所对应的第二猪只个体数据集，根据所述第二猪只个体数据集中每一张所述猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头所述生猪的表现行为。

从上述描述可知，通过每隔第一预设时间来获取一次生猪的位置信息，以生成猪只个体的行走轨迹；通过连续的时间内对猪只个体的当前肢体形态进行识别，配合对应的位置信息，从而识别出生猪的表现行为；针对行走轨迹和表现行为通过不同时间要求的图像帧来进行识别，既保证了识别结果的准确性，又减少了识别过程的计算量；同时，猪只个体的肢体形态作为实时变化量，行走轨迹作为长时变化量，通过结合生猪的实时变化情况和长时变化情况，来对生猪进行更加准确的健康监测。

进一步地，所述处理器执行所述计算机程序的所述步骤S2时具体包括以下步骤：

S21’、从所述生猪监测视频内的第一帧生猪监测图像开始进行是否有清晰猪脸的判断，直到得到第一张包括清晰猪脸的生猪监测图像，将第一张包括清晰猪脸的所述生猪监测图像分割成包括所述清晰猪脸的第一猪只个体图像，对所述第一猪只个体图像进行猪只个体识别，得到所述第一猪只个体图像所对应的第一猪只个体身份信息，并对所述第一猪只个体身份信息所对应的第一生猪进行目标追踪，以在所述生猪监测视频内的每一帧生猪监测图像里标记出所述第一生猪，之后继续进行是否有清晰猪脸的判断，以在所述生猪监测视频内的每一帧生猪监测图像内标记出每一头生猪；

S22’、将每一头生猪在所述生猪监测视频内的每一帧生猪监测图像内的所述标记所在的相对位置信息按照所述生猪监测视频的时间顺序进行连线，得到每一头所述生猪的行走轨迹；

S23’、从所述生猪监测视频内提取M帧连续的生猪监测图像，对所提取的每一帧所述生猪监测图像分割成与X头所述生猪一一对应的X张猪只个体图像，并记录每一张所述猪只个体图像所对应的生猪的标记、所述标记在所述生猪监测图像的相对位置信息以及每一帧所述生猪监测图像在所述生猪监测视频内的相对时间信息，对每一张所述猪只个体图像进行肢体形态识别，得到每一张所述猪只个体图像所对应的当前肢体形态，将所述标记相同的M张所述猪只个体图像进行归类，得到所述标记所对应的第二猪只个体数据集，根据所述第二猪只个体数据集中每一张所述猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头所述生猪的表现行为，所述M大于或等于16。

从上述描述可知，先对猪只个体进行实时追踪锁定，以快速锁定每一帧生猪监测图像里每一只生猪的位置信息，并通过标记进行区分不同的生猪，从而在后续的轨迹生成和行为识别时，无需再进行身份识别，减少了系统的计算量，提高了计算速度，以保证能实时得到行走轨迹和表现行为。

进一步地，所述处理器分别与位于养殖场内入口处的不同方位上的第一摄像头、位于养殖场内猪栏上方的第二摄像头以及位于养殖场内猪栏前方的第三摄像头，所述第一摄像头的方位至少包括所述生猪的前方、左侧、右侧、后方以及上方；

所述处理器执行所述计算机程序的所述步骤S1之前还包括以下步骤：

获取所述第一摄像头对同一头生猪所拍摄的入场视频，所述入场视频包括同一头生猪处于站立状态下的静止片段以及进行不同表现行为时的行为片段，每一个所述行为片段分别对应一种所述表现行为；

从所述静止片段内提取多张所述生猪处于站立状态下的猪只个体图片，根据多张所述猪只个体图片对预设的猪只个体三维模型进行重新构造塑形，得到与所述生猪相对应的生猪三维模型，多张所述生猪处于站立状态下的猪只个体图片至少包括生猪静止正面图片、生猪静止左侧图片、生猪静止右侧图片、生猪静止后视图片以及生猪静止俯视图片各一张；

对于同一表现行为且在不同方位上拍摄的行为片段按照时间轴顺序依次获取位于同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片，同时，根据同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片对当前时间点的所述生猪三维模型进行处理并记录其处理过程，得到每一个所述表现行为对所述生猪三维模型的处理特征；

所述处理器执行所述计算机程序的所述步骤S1时具体实现以下步骤：

获取所述第二摄像头与所述第三摄像头所发送的生猪监测视频，所述猪栏前方为猪栏内喂猪槽上与生猪等高的位置处；

所述处理器执行所述计算机程序的所述步骤S2中“识别所述生猪监测视频内每一头生猪的表现行为”时具体实现以下步骤：

从所述第二摄像头所发送的所述生猪监测视频内提取猪只个体俯视图片，从所述第三摄像头所发送的所述生猪监测视频内提取猪只个体正面图片，得到每一头生猪在所述生猪监测视频内的猪只个体俯视图片和时间轴相对应的猪只个体正面图片；

根据每一头生猪所对应的所述猪只个体俯视图片和所述猪只个体正面图片对所述生猪所对应的生猪三维模型进行实时处理，得到每一头生猪的实时处理过程，根据每一头生猪的实时处理过程与每一种表现行为的处理特征的相似程度，得到每一头生猪的表现行为。

从上述描述可知，通过多台第一摄像机来全方位地拍摄生猪处于站立状态下的视频，从而建立与生猪实际情况相符合的三维模型；通过多台第一摄像机来全方位地拍摄生猪处于不同表现行为下的视频，以模拟生猪在不同表现行为下的立体变化，其中，立体变化是根据生猪在站立状态下开始完成一个表现行为的整个过程中的身体形态所发生的变化，比如喂食，最明显的特征就是生猪需要弯下猪头，并保持一端时间以完成进食。而在实时监测过程中，需要至少一个上方的俯视图和至少一个前方的正视图，俯视图能避免生猪拥挤而无法获得每一只生猪的有效信息，至少能获得生猪的体型轮廓图；而位于猪栏内喂猪槽上与生猪等高的位置处的第三摄像头，不仅能在生猪进食过程中清晰的看到猪脸和在进食行为时的肢体形态，同时也能更好的获取生猪在其他表现行为时的肢体形态，以尽可能准确的获取每一头生猪在实时养殖过程中的肢体形态；将获得的正面图片和俯视图片对生猪三维模型进行处理，判断处理过程和之前录制的处理特征进行对比，以判断当前生猪的表现行为，即通过三维模拟，能更好的反应生猪在进行某项行为的身体变化，从而在难以获取到每一只生猪的完整肢体形态情况下也能更好的识别出生猪的表现行为。

进一步地，所述生猪包括健康的猪只个体以及不同犯病类型的猪只个体；

所述处理器执行所述计算机程序的得到每一个所述表现行为对所述生猪三维模型的处理特征时具体实现以下步骤：

将每一只生猪的处理过程和行走轨迹作为输入参数，将每一只生猪的健康状态以及表现行为作为输出参数，将人工打标后的每一只生猪的处理过程、行走轨迹、健康状态和表现行为作为神经网络模型的训练集，得到生猪健康识别模型；

所述处理器执行所述计算机程序的所述步骤S2中“根据每一头生猪的实时处理过程与每一种表现行为的处理特征的相似程度，得到每一头生猪的表现行为”和所述步骤S3时替换为以下步骤：

将每一头生猪的实时处理过程以及行走轨迹分别输入到所述生猪健康识别模型，以得到每一头生猪的表现行为和健康状态。

从上述描述可知，基于大数据，将不管健康还是生病的生猪都进行数据采取，并通过人工打标进行区分，作为训练集放入神经网络模型，以得到生猪健康识别模型，生猪健康识别模型能自动提取生猪在不同表现行为下的特征数据以及同一表现行为下不同健康情况下的特征数据，以根据实时接收到的处理过程快速且准确的识别出当前生猪的表现行为和健康状态。

请参照图1，本发明的实施例一为：

一种智能化养猪监测方法，包括步骤：

S1：获取养殖场内关于生猪在养殖过程中的生猪监测视频，在本实施例中。可以通过安装摄像头在实时获取生猪监测视频；

S2、识别生猪监测视频内每一头生猪的行走轨迹和表现行为；

在本实施例中，步骤S2具体包括以下步骤：

S21、从生猪监测视频内提取N帧间隔第一预设时间的生猪监测图像，得到轨迹生成图像集，从生猪监测视频内提取M帧连续的生猪监测图像，得到行为分析图像集，将轨迹生成图像集和行为分析图像集里的每一帧生猪监测图像分割成与X头生猪一一对应的X张猪只个体图像，并记录每一张猪只个体图像在生猪监测图像的相对位置信息以及每一帧生猪监测图像在生猪监测视频内的相对时间信息，将同一帧里面的X张猪只个体图像放入同一个猪只群体数据集，得到与轨迹生成图像集对应的N个猪只群体数据集并对其执行步骤S22，以及得到与行为分析图像集对应的M个猪只群体数据集并对其执行步骤S23，N大于或等于1，M大于或等于16；

S22、依次对轨迹生成图像集对应的N个猪只群体数据集里的X张猪只个体图像进行猪只个体识别，得到每一张猪只个体图像所对应的猪只个体身份信息，将猪只个体身份信息相同的N张猪只个体图像进行归类，得到猪只个体身份信息所对应的第一猪只个体数据集，根据第一猪只个体数据集中每一张猪只个体图像的相对位置信息和相对时间信息，生成每一头生猪的行走轨迹；

S23、依次对行为分析图像集对应的M个猪只群体数据集里的X张猪只个体图像进行猪只个体识别和肢体形态识别，得到每一张猪只个体图像所对应的猪只个体身份信息和当前肢体形态，将猪只个体身份信息相同的M张猪只个体图像进行归类，得到猪只个体身份信息所对应的第二猪只个体数据集，根据第二猪只个体数据集中每一张猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头生猪的表现行为，比如生猪在跑的过程，则相对位置发生了变化，因此表现行为将相对位置信息一起考虑进去，对于结果的判断会更加的准确。

其中，若是每隔一段时间对该段时间内的生猪监测视频进行分析，则N以间隔时间有关，比如10分钟的视频，第一预设时间为1S，则N为600；若是实时的生成轨迹，则每次接收到实时数据，可以提取其中一帧图片，得到其位置信息，然后与实时前后的位置信息进行串联，以实时生成轨迹；对于表现行为，M可以选用48帧，即3秒，无论是每隔一段时间对该段时间内的生猪监测视频进行分析还是实时进行计算，都是需要连续的48帧即3S时间内的图像，以进行识别，考虑到识别计算量的问题，行为分析可以一分钟内只进行一次表现行为的分析。

S3、根据每一头生猪的行走轨迹和表现行为得出每一头生猪的健康状态。

请参照图1，本发明的实施例二为：

一种智能化养猪监测方法，在上述实施例一的基础上，将实施例一中的步骤S2替换为以下步骤：

S21’、从生猪监测视频内的第一帧生猪监测图像开始进行是否有清晰猪脸的判断，直到得到第一张包括清晰猪脸的生猪监测图像，将第一张包括清晰猪脸的生猪监测图像分割成包括清晰猪脸的第一猪只个体图像，对第一猪只个体图像进行猪只个体识别，得到第一猪只个体图像所对应的第一猪只个体身份信息，并对第一猪只个体身份信息所对应的第一生猪进行目标追踪，以在生猪监测视频内的每一帧生猪监测图像里标记出第一生猪，之后继续进行是否有清晰猪脸的判断，以在生猪监测视频内的每一帧生猪监测图像内标记出每一头生猪，即一开始的时候就先识别出每一头生猪，然后对其进行目标锁定，这样后续的每一帧图像无需再进行对生猪的身份识别进行分辨出每一头生猪，从而有助于实时得到行走轨迹和表现行为；

S22’、将每一头生猪在生猪监测视频内的每一帧生猪监测图像内的标记所在的相对位置信息按照生猪监测视频的时间顺序进行连线，得到每一头生猪的行走轨迹；

S23’、从生猪监测视频内提取M帧连续的生猪监测图像，对所提取的每一帧生猪监测图像分割成与X头生猪一一对应的X张猪只个体图像，并记录每一张猪只个体图像所对应的生猪的标记、标记在生猪监测图像的相对位置信息以及每一帧生猪监测图像在生猪监测视频内的相对时间信息，对每一张猪只个体图像进行肢体形态识别，得到每一张猪只个体图像所对应的当前肢体形态，将标记相同的M张猪只个体图像进行归类，得到标记所对应的第二猪只个体数据集，根据第二猪只个体数据集中每一张猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头生猪的表现行为，M大于或等于16。

请参照图1，本发明的实施例三为：

一种智能化养猪监测方法，在上述实施例一的基础上，步骤S1之前还包括以下步骤：

获取分别位于养殖场内入口处的不同方位上的第一摄像头对同一头生猪所拍摄的入场视频，入场视频包括同一头生猪处于站立状态下的静止片段以及进行不同表现行为时的行为片段，第一摄像头的方位至少包括生猪的前方、左侧、右侧、后方以及上方，每一个行为片段分别对应一种表现行为，生猪包括健康的猪只个体以及不同犯病类型的猪只个体；

从静止片段内提取多张生猪处于站立状态下的猪只个体图片，根据多张猪只个体图片对预设的猪只个体三维模型进行重新构造塑形，得到与生猪相对应的生猪三维模型，多张生猪处于站立状态下的猪只个体图片至少包括生猪静止正面图片、生猪静止左侧图片、生猪静止右侧图片、生猪静止后视图片以及生猪静止俯视图片各一张；

对于同一表现行为且在不同方位上拍摄的行为片段按照时间轴顺序依次获取位于同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片，同时，根据同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片对当前时间点的生猪三维模型进行处理并记录其处理过程；

将每一只生猪的处理过程和行走轨迹作为输入参数，将每一只生猪的健康状态以及表现行为作为输出参数，将人工打标后的每一只生猪的处理过程、行走轨迹、健康状态和表现行为作为神经网络模型的训练集，得到生猪健康识别模型；

在本实施例中，步骤S1具体包括以下步骤：

获取养殖场内位于猪栏上方的第二摄像头以及位于猪栏前方的第三摄像头所发送的生猪监测视频，猪栏前方为猪栏内喂猪槽上与生猪等高的位置处；

步骤S2和步骤S3替换为以下步骤：

识别所述生猪监测视频内每一头生猪的行走轨迹；

从第二摄像头所发送的生猪监测视频内提取猪只个体俯视图片，从第三摄像头所发送的生猪监测视频内提取猪只个体正面图片，得到每一头生猪在生猪监测视频内的猪只个体俯视图片和时间轴相对应的猪只个体正面图片；

根据每一头生猪所对应的猪只个体俯视图片和猪只个体正面图片对生猪所对应的生猪三维模型进行实时处理，得到每一头生猪的实时处理过程

将每一头生猪的实时处理过程以及行走轨迹分别输入到生猪健康识别模型，以得到每一头生猪的表现行为和健康状态。

请参照图2，本发明的实施例四为：

一种智能化养猪监测管理端1，包括存储器3、处理器2及存储在存储器3上并可在处理器2上运行的计算机程序，处理器2分别与位于养殖场内入口处的不同方位上的第一摄像头4、位于养殖场内猪栏上方的第二摄像头5以及位于养殖场内猪栏前方的第三摄像头6，第一摄像头4的方位至少包括生猪的前方、左侧、右侧、后方以及上方；其中，处理器2执行计算机程序时实现上述实施例一、实施例二或实施例三中的步骤。

综上所述，本发明提供的一种智能化养猪监测方法和管理端，对生猪在养殖过程中进行视频的实时监测，使得养殖户可以实时观察到生猪的生长情况，以判断生猪的健康状态；同时，通过对每一帧图像都进行分割后识别或是通过对猪只个体进行实时追踪锁定后标记，来对每一帧图像里的猪只个体进行身份区分，从而根据时间顺序上的位置变化得到行走轨迹，根据时间顺序上的肢体形态变化以得到表现行为，即结合了生猪的实时变化情况和长时变化情况来得出每一头生猪的健康状态，从而自动为养殖户提供更加智能化、更加准确且更加实时快速的健康监测。同时，通过建立三维模型，以更好的反应生猪在进行某项行为时的身体变化，从而在难以获取到每一只生猪的完整肢体形态情况下也能更好的识别出生猪的表现行为。而基于大数据和神经网络模型来建立的生猪健康识别模型，使得生猪健康识别模型能自动提取生猪在不同表现行为下的特征数据以及同一表现行为下不同健康情况下的特征数据，以根据实时接收到的处理过程快速且准确的识别出当前生猪的表现行为和健康状态。

以上所述仅为本发明的实施例，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同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种智能化养猪监测方法，其特征在于，包括步骤：

S1：获取养殖场内关于生猪在养殖过程中的生猪监测视频；

S2、识别所述生猪监测视频内每一头生猪的行走轨迹和表现行为；

S3、根据每一头生猪的行走轨迹和表现行为得出每一头生猪的健康状态。

2.根据权利要求1所述的一种智能化养猪监测方法，其特征在于，所述步骤S2具体包括以下步骤：

S21、从所述生猪监测视频内提取N帧间隔第一预设时间的生猪监测图像，得到轨迹生成图像集，从所述生猪监测视频内提取M帧连续的生猪监测图像，得到行为分析图像集，将所述轨迹生成图像集和所述行为分析图像集里的每一帧所述生猪监测图像分割成与X头所述生猪一一对应的X张猪只个体图像，并记录每一张所述猪只个体图像在所述生猪监测图像的相对位置信息以及每一帧所述生猪监测图像在所述生猪监测视频内的相对时间信息，将同一帧里面的X张所述猪只个体图像放入同一个猪只群体数据集，得到与所述轨迹生成图像集对应的N个所述猪只群体数据集并对其执行步骤S22，以及得到与所述行为分析图像集对应的M个所述猪只群体数据集并对其执行步骤S23，所述N大于或等于1，所述M大于或等于16；

S22、依次对所述轨迹生成图像集对应的N个猪只群体数据集里的X张猪只个体图像进行猪只个体识别，得到每一张所述猪只个体图像所对应的猪只个体身份信息，将所述猪只个体身份信息相同的N张所述猪只个体图像进行归类，得到所述猪只个体身份信息所对应的第一猪只个体数据集，根据所述第一猪只个体数据集中每一张所述猪只个体图像的相对位置信息和相对时间信息，生成每一头所述生猪的行走轨迹；

S23、依次对所述行为分析图像集对应的M个猪只群体数据集里的X张猪只个体图像进行猪只个体识别和肢体形态识别，得到每一张所述猪只个体图像所对应的猪只个体身份信息和当前肢体形态，将所述猪只个体身份信息相同的M张所述猪只个体图像进行归类，得到所述猪只个体身份信息所对应的第二猪只个体数据集，根据所述第二猪只个体数据集中每一张所述猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头所述生猪的表现行为。

3.根据权利要求1所述的一种智能化养猪监测方法，其特征在于，所述步骤S2具体包括以下步骤：

S21’、从所述生猪监测视频内的第一帧生猪监测图像开始进行是否有清晰猪脸的判断，直到得到第一张包括清晰猪脸的生猪监测图像，将第一张包括清晰猪脸的所述生猪监测图像分割成包括所述清晰猪脸的第一猪只个体图像，对所述第一猪只个体图像进行猪只个体识别，得到所述第一猪只个体图像所对应的第一猪只个体身份信息，并对所述第一猪只个体身份信息所对应的第一生猪进行目标追踪，以在所述生猪监测视频内的每一帧生猪监测图像里标记出所述第一生猪，之后继续进行是否有清晰猪脸的判断，以在所述生猪监测视频内的每一帧生猪监测图像内标记出每一头生猪；

S22’、将每一头生猪在所述生猪监测视频内的每一帧生猪监测图像内的所述标记所在的相对位置信息按照所述生猪监测视频的时间顺序进行连线，得到每一头所述生猪的行走轨迹；

S23’、从所述生猪监测视频内提取M帧连续的生猪监测图像，对所提取的每一帧所述生猪监测图像分割成与X头所述生猪一一对应的X张猪只个体图像，并记录每一张所述猪只个体图像所对应的生猪的标记、所述标记在所述生猪监测图像的相对位置信息以及每一帧所述生猪监测图像在所述生猪监测视频内的相对时间信息，对每一张所述猪只个体图像进行肢体形态识别，得到每一张所述猪只个体图像所对应的当前肢体形态，将所述标记相同的M张所述猪只个体图像进行归类，得到所述标记所对应的第二猪只个体数据集，根据所述第二猪只个体数据集中每一张所述猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头所述生猪的表现行为，所述M大于或等于16。

4.根据权利要求1所述的一种智能化养猪监测方法，其特征在于，所述步骤S1之前还包括以下步骤：

获取分别位于养殖场内入口处的不同方位上的第一摄像头对同一头生猪所拍摄的入场视频，所述入场视频包括同一头生猪处于站立状态下的静止片段以及进行不同表现行为时的行为片段，所述第一摄像头的方位至少包括所述生猪的前方、左侧、右侧、后方以及上方，每一个所述行为片段分别对应一种所述表现行为；

从所述静止片段内提取多张所述生猪处于站立状态下的猪只个体图片，根据多张所述猪只个体图片对预设的猪只个体三维模型进行重新构造塑形，得到与所述生猪相对应的生猪三维模型，多张所述生猪处于站立状态下的猪只个体图片至少包括生猪静止正面图片、生猪静止左侧图片、生猪静止右侧图片、生猪静止后视图片以及生猪静止俯视图片各一张；

对于同一表现行为且在不同方位上拍摄的行为片段按照时间轴顺序依次获取位于同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片，同时，根据同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片对当前时间点的所述生猪三维模型进行处理并记录其处理过程，得到每一个所述表现行为对所述生猪三维模型的处理特征；

所述步骤S1具体包括以下步骤：

获取养殖场内位于猪栏上方的第二摄像头以及位于猪栏前方的第三摄像头所发送的生猪监测视频，所述猪栏前方为猪栏内喂猪槽上与生猪等高的位置处；

所述步骤S2中“识别所述生猪监测视频内每一头生猪的表现行为”具体包括以下步骤：

从所述第二摄像头所发送的所述生猪监测视频内提取猪只个体俯视图片，从所述第三摄像头所发送的所述生猪监测视频内提取猪只个体正面图片，得到每一头生猪在所述生猪监测视频内的猪只个体俯视图片和时间轴相对应的猪只个体正面图片；

根据每一头生猪所对应的所述猪只个体俯视图片和所述猪只个体正面图片对所述生猪所对应的生猪三维模型进行实时处理，得到每一头生猪的实时处理过程，根据每一头生猪的实时处理过程与每一种表现行为的处理特征的相似程度，得到每一头生猪的表现行为。

5.根据权利要求4所述的一种智能化养猪监测方法，其特征在于，所述生猪包括健康的猪只个体以及不同犯病类型的猪只个体；

得到每一个所述表现行为对所述生猪三维模型的处理特征具体包括以下步骤：

将每一只生猪的处理过程和行走轨迹作为输入参数，将每一只生猪的健康状态以及表现行为作为输出参数，将人工打标后的每一只生猪的处理过程、行走轨迹、健康状态和表现行为作为神经网络模型的训练集，得到生猪健康识别模型；

所述步骤S2中“根据每一头生猪的实时处理过程与每一种表现行为的处理特征的相似程度，得到每一头生猪的表现行为”和所述步骤S3替换为以下步骤：

将每一头生猪的实时处理过程以及行走轨迹分别输入到所述生猪健康识别模型，以得到每一头生猪的表现行为和健康状态。

6.一种智能化养猪监测管理端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

S1：获取养殖场内关于生猪在养殖过程中的生猪监测视频；

S2、识别所述生猪监测视频内每一头生猪的行走轨迹和表现行为；

S3、根据每一头生猪的行走轨迹和表现行为得出每一头生猪的健康状态。

7.根据权利要求6所述的一种智能化养猪监测管理端，其特征在于，所述处理器执行所述计算机程序的所述步骤S2时具体包括以下步骤：

S21、从所述生猪监测视频内提取N帧间隔第一预设时间的生猪监测图像，得到轨迹生成图像集，从所述生猪监测视频内提取M帧连续的生猪监测图像，得到行为分析图像集，将所述轨迹生成图像集和所述行为分析图像集里的每一帧所述生猪监测图像分割成与X头所述生猪一一对应的X张猪只个体图像，并记录每一张所述猪只个体图像在所述生猪监测图像的相对位置信息以及每一帧所述生猪监测图像在所述生猪监测视频内的相对时间信息，将同一帧里面的X张所述猪只个体图像放入同一个猪只群体数据集，得到与所述轨迹生成图像集对应的N个所述猪只群体数据集并对其执行步骤S22，以及得到与所述行为分析图像集对应的M个所述猪只群体数据集并对其执行步骤S23，所述N大于或等于1，所述M大于或等于16；

S22、依次对所述轨迹生成图像集对应的N个猪只群体数据集里的X张猪只个体图像进行猪只个体识别，得到每一张所述猪只个体图像所对应的猪只个体身份信息，将所述猪只个体身份信息相同的N张所述猪只个体图像进行归类，得到所述猪只个体身份信息所对应的第一猪只个体数据集，根据所述第一猪只个体数据集中每一张所述猪只个体图像的相对位置信息和相对时间信息，生成每一头所述生猪的行走轨迹；

S23、依次对所述行为分析图像集对应的M个猪只群体数据集里的X张猪只个体图像进行猪只个体识别和肢体形态识别，得到每一张所述猪只个体图像所对应的猪只个体身份信息和当前肢体形态，将所述猪只个体身份信息相同的M张所述猪只个体图像进行归类，得到所述猪只个体身份信息所对应的第二猪只个体数据集，根据所述第二猪只个体数据集中每一张所述猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头所述生猪的表现行为。

8.根据权利要求6所述的一种智能化养猪监测管理端，其特征在于，所述处理器执行所述计算机程序的所述步骤S2时具体包括以下步骤：

S21’、从所述生猪监测视频内的第一帧生猪监测图像开始进行是否有清晰猪脸的判断，直到得到第一张包括清晰猪脸的生猪监测图像，将第一张包括清晰猪脸的所述生猪监测图像分割成包括所述清晰猪脸的第一猪只个体图像，对所述第一猪只个体图像进行猪只个体识别，得到所述第一猪只个体图像所对应的第一猪只个体身份信息，并对所述第一猪只个体身份信息所对应的第一生猪进行目标追踪，以在所述生猪监测视频内的每一帧生猪监测图像里标记出所述第一生猪，之后继续进行是否有清晰猪脸的判断，以在所述生猪监测视频内的每一帧生猪监测图像内标记出每一头生猪；

S22’、将每一头生猪在所述生猪监测视频内的每一帧生猪监测图像内的所述标记所在的相对位置信息按照所述生猪监测视频的时间顺序进行连线，得到每一头所述生猪的行走轨迹；

S23’、从所述生猪监测视频内提取M帧连续的生猪监测图像，对所提取的每一帧所述生猪监测图像分割成与X头所述生猪一一对应的X张猪只个体图像，并记录每一张所述猪只个体图像所对应的生猪的标记、所述标记在所述生猪监测图像的相对位置信息以及每一帧所述生猪监测图像在所述生猪监测视频内的相对时间信息，对每一张所述猪只个体图像进行肢体形态识别，得到每一张所述猪只个体图像所对应的当前肢体形态，将所述标记相同的M张所述猪只个体图像进行归类，得到所述标记所对应的第二猪只个体数据集，根据所述第二猪只个体数据集中每一张所述猪只个体图像的相对位置信息、相对时间信息和当前肢体形态，生成每一头所述生猪的表现行为，所述M大于或等于16。

9.根据权利要求6所述的一种智能化养猪监测管理端，其特征在于，所述处理器分别与位于养殖场内入口处的不同方位上的第一摄像头、位于养殖场内猪栏上方的第二摄像头以及位于养殖场内猪栏前方的第三摄像头，所述第一摄像头的方位至少包括所述生猪的前方、左侧、右侧、后方以及上方；

所述处理器执行所述计算机程序的所述步骤S1之前还包括以下步骤：

获取所述第一摄像头对同一头生猪所拍摄的入场视频，所述入场视频包括同一头生猪处于站立状态下的静止片段以及进行不同表现行为时的行为片段，每一个所述行为片段分别对应一种所述表现行为；

从所述静止片段内提取多张所述生猪处于站立状态下的猪只个体图片，根据多张所述猪只个体图片对预设的猪只个体三维模型进行重新构造塑形，得到与所述生猪相对应的生猪三维模型，多张所述生猪处于站立状态下的猪只个体图片至少包括生猪静止正面图片、生猪静止左侧图片、生猪静止右侧图片、生猪静止后视图片以及生猪静止俯视图片各一张；

对于同一表现行为且在不同方位上拍摄的行为片段按照时间轴顺序依次获取位于同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片，同时，根据同一时间点的生猪行为正面图片、生猪行为左侧图片、生猪行为右侧图片、生猪行为后视图片以及生猪行为俯视图片对当前时间点的所述生猪三维模型进行处理并记录其处理过程，得到每一个所述表现行为对所述生猪三维模型的处理特征；

所述处理器执行所述计算机程序的所述步骤S1时具体实现以下步骤：

获取所述第二摄像头与所述第三摄像头所发送的生猪监测视频，所述猪栏前方为猪栏内喂猪槽上与生猪等高的位置处；

所述处理器执行所述计算机程序的所述步骤S2中“识别所述生猪监测视频内每一头生猪的表现行为”时具体实现以下步骤：

从所述第二摄像头所发送的所述生猪监测视频内提取猪只个体俯视图片，从所述第三摄像头所发送的所述生猪监测视频内提取猪只个体正面图片，得到每一头生猪在所述生猪监测视频内的猪只个体俯视图片和时间轴相对应的猪只个体正面图片；

根据每一头生猪所对应的所述猪只个体俯视图片和所述猪只个体正面图片对所述生猪所对应的生猪三维模型进行实时处理，得到每一头生猪的实时处理过程，根据每一头生猪的实时处理过程与每一种表现行为的处理特征的相似程度，得到每一头生猪的表现行为。

10.根据权利要求9所述的一种智能化养猪监测管理端，其特征在于，所述生猪包括健康的猪只个体以及不同犯病类型的猪只个体；

所述处理器执行所述计算机程序的得到每一个所述表现行为对所述生猪三维模型的处理特征时具体实现以下步骤：

将每一只生猪的处理过程和行走轨迹作为输入参数，将每一只生猪的健康状态以及表现行为作为输出参数，将人工打标后的每一只生猪的处理过程、行走轨迹、健康状态和表现行为作为神经网络模型的训练集，得到生猪健康识别模型；

所述处理器执行所述计算机程序的所述步骤S2中“根据每一头生猪的实时处理过程与每一种表现行为的处理特征的相似程度，得到每一头生猪的表现行为”和所述步骤S3时替换为以下步骤：

将每一头生猪的实时处理过程以及行走轨迹分别输入到所述生猪健康识别模型，以得到每一头生猪的表现行为和健康状态。

Images