一种基于多机协同视觉感知的动物身份识别认证和重识别系统

本发明属于畜牧业视觉识别，具体涉及一种基于多机协同视觉感知的动物身份识别认证和重识别系统。

背景技术：

1、重识别技术，也称为再识别技术，是一种利用计算机视觉技术或相关算法，从图像或视频序列中识别出特定目标(如行人、车辆、动物等)的技术；重识别技术旨在解决跨摄像头、跨时间、跨视角的目标识别问题。它通过提取目标对象的特征信息(如外观、行为模式等)，并在不同的图像或视频帧中进行比对和匹配，从而实现目标的跨摄像头追踪和识别。

2、畜类动物养殖场的精益管理要求精确识别每只动物，每只动物的唯一性通过所分配的唯一标识确定(简称为id)。传统的动物身份识别方法通常采用在动物身上设置耳标、项圈、脚环等物理设备来对动物身份进行标识，该物理设备里保存分配的唯一编号作为动物的id，通过专用读取设备读出。例如，在牛养殖场中，在特定活动发生时，如投料、挤奶、配种、注射疫苗等，需要获取该id，并以此记录“牛”个体的活动信息。

3、但是，该传统的动物身份识别方法需要在动物身上安装专用设备，并在动物活动区域的特定位置部署专用读取设备，动物数量越大，所需部署的设备数量越多，对企业形成高昂的管理成本；此外，id的存储设备与读取设备只能在短距离工作，无法在动物的整个活动空间提供id，读取位置受限，且读取精度受环境干扰。

4、由此导致的对动物管理较为宽松，对个体动物的管理不够精确，从而可能导致某些危险从个体上爆发出来，最终导致整体的不良反应等。因此，本方案提供一种基于多机协同视觉感知的动物身份识别认证和重识别系统用于解决上述背景技术提出的问题。

技术实现思路

1、针对上述背景技术所提出的问题，本发明的目的是：旨在提供一种基于多机协同视觉感知的动物身份识别认证和重识别系统，减少了设备投入，提升了识别精度且不受距离和环境限制，数据自动汇总统计节省了人工分析时间，同时，无接触式认证有益于减少动物应激反应，利于其健康生长和生产性能发挥。

2、为实现上述技术目的，本发明采用的技术方案如下：

3、一种基于多机协同视觉感知的动物身份识别认证和重识别系统，包括信息采集装置、数据处理模块和智慧平台显示装置；

4、所述信息采集装置用于对养殖场的动物进行全方位的信息采集，所述信息采集包括拍摄动物的图片、视频和相关的环境信息；所述信息采集装置包括巡检轨道、固定摄像机、巡检摄像机和便携式摄像设备，所述巡检摄像机设置于巡检轨道上，所述巡检轨道围绕养殖场设置；所述信息采集装置将采集到的信息传输至数据处理模块；

5、所述数据处理模块包括服务器，所述服务器获取信息采集装置发送的数据，所述数据处理模块采用预训练好的深度学习模型进行目标检测、语义分割和重识别技术处理采集动物信息，生成相应的识别和关联结果；所述识别和关联结果发送至智慧平台显示装置；所述识别和关联结果包括动物的身份、位置及状态信息；

6、所述智慧平台显示装置接收来自数据处理模块的数据，还用于展示养殖场的环境信息、动物的身份、位置及状态信息。

7、进一步限定，所述信息采集装置通过通信接口将采集到的图片或视频数据发送至数据处理模块。

8、进一步限定，包括如下步骤：

9、步骤一：用户根据养殖场内的摄像头类型和位置，选择相应的信息采集方案，并采集动物信息；

10、步骤二：将步骤一中采集的动物信息通过边缘云计算技术传输至数据处理模块；

11、步骤三：数据处理模块采用目标检测、语义分割和重识别技术处理采集到的动物信息，

12、生成相应的识别和关联结果；所述动物信息包括动物图片或动物视频；

13、步骤四：将步骤三中生成的结果存储到数据库，以便后续的分析和应用；

14、步骤五：将步骤三中生成的结果推送至前端显示，供用户查看和决策。

15、进一步限定，所述步骤一具体为：固定摄像头、巡检摄像头或便携式摄像设备分别对养殖场的动物进行全方位的信息采集；

16、所述步骤二具体为：将采集到的动物信息传输至数据处理模块，并采用边缘云计算技术进行数据处理和存储；

17、所述步骤三具体为：对采集到的动物图片或动物视频进行目标检测，使用计算机视觉技术识别出图片中的动物；再对目标检测到的动物进行语义分割，将其与背景进行分离，以提取更准确的特征；最后使用重识别技术对采集到的不同时间段内的同一种动物进行识别，并将其关联起来，确保动物身份的准确认证；

18、所述步骤四具体为：将步骤三中处理的数据存储到数据库，所述数据库存储的数据包括动物的属性信息、识别结果和环境数据；

19、所述步骤五具体为：将步骤三中生成的识别和关联结果推送至前端显示，用户可查看动物的身份认证和重识别情况，并根据用户的实际需求作出相应的决策。

20、进一步限定，所述深度学习模型包括小样本数据模型，所述小样本数据模型扩充技术解决由于动物行为不可控导致的训练数据量少的问题，其步骤包括：

21、抽取少量样本进行属性特征提取，进行耦合特征空间，输出属性向量；再将少量样本通过翻转、旋转或裁剪进行随机扩增得到扩增后的真实样本；再将属性特征嵌入网络，通过生成器生成对抗网络模型，通过语义约束式对抗网络对样本的关键属性进行提取，最后输出属性多样化的样本。

22、进一步限定，所述深度学习模型还包括数据样本自适应扩充训练技术，所述自适应扩充训练技术基于熵值装袋查询的主动学习策略对模型进行自适应扩充训练，包括如下步骤：

23、通过设置不均衡数据集，所述不均衡数据集内包括训练集和测试集，训练集内训练多个分类器，训练完成后，每个样本输入分类器进行生成标签，再选择最具有代表性的样本进行人工标注，得到标记样本并以此建立模型实现自适应扩充训练；

24、所述数据样本自适应扩充训练技术采用的表达式为公式1：

25、

26、其中h是样本xi的熵值，p(y*＝w|xi)表示样本xi被模型预测为类别w的概率，y*为模型的预测结果，ni是类别总数。

27、进一步限定，所述深度学习模型还包括自适应学习策略，所述自适应学习策略对未标注的全新图像进行学习，优化知识图谱，缩短模型训练周期。

28、进一步限定，所述重识别技术对动物个体进行身份识别，重识别网络同时提取动物的全局特征和局部特征，并根据相邻两帧图像提取动物的步态特征，综合识别动物的身份信息。

29、本发明的有益效果：

30、1.本方案提供的一种基于多机协同视觉感知的动物身份识别认证和重识别系统，包括以下步骤：使用摄像头对养殖场的动物进行全方位的信息采集，包括拍摄动物的图片和相关的环境信息；对采集到的动物图片或视频进行目标检测，使用计算机视觉技术识别出图片中的动物，并对目标检测出的动物进行语义分割，将其与背景进行分离，使用重识别技术对采集到的不同时间段内的同一种动物进行识别，并将其关联起来，这可以通过预训练好的深度学习模型或方法来实现；将处理后的数据储存到数据库中，以便后续的分析和应用。数据库可以存储动物的属性信息、识别结果及相关的环境数据。将处理后的数据储存到数据库中，以便后续的分析和应用。数据库可以存储动物的属性信息、识别结果及相关的环境数据。将生成的排名、推荐、报表等结果推送到前端显示，可以是智能管理平台或其他相关的应用程序。用户可以根据实际需求查看动物的情况、了解检测结果，并作出相应的决策。

31、2.在成本方面，通过设置信息采集装置、基于视觉感知的数据处理模块及巡检轨道采集养殖场的数据，相较于现有的设计，减少了设备投入。在识别精度上，全方位采集动物信息，利用计算机视觉技术进行目标检测、语义分割和重识别，不受距离和环境限制，精度更高。在动物管理上，精确识别和关联个体动物不同时段的情况，自动分类高产个体，优化管理策略。在效率方面，24小时实时观察，数据自动汇总统计，节省人工分析时间。同时，无接触式认证减少动物应激反应，利于其健康生长和生产性能发挥。综上所述，本发明有效解决了传统方法对动物管理较为宽松，对个体动物的管理不够精确的技术问题，同时为动物养殖管理带来了革新。