CN103077398B - 基于嵌入式的自然环境下家畜群体数目监测方法 - Google Patents

Abstract

本发明方法涉及一种基于嵌入式平台的在自然环境下对家畜群体中个体的数目检测的一种方法，在家畜群体较为集中，相互遮挡十分严重的情况下，也可获得令人满意的精确程度；本方法可广泛应用于对自然环境下家畜群体数量的估计问题，对监控视频中家畜、人、物品的统计问题，如：大范围放牧中牛羊数目的实时监测等；同时本方法可以在嵌入式平台上运行，可以方便的与终端设备结合，对环境和设备的要求很低，拓宽了应用的场合。

Description

基于嵌入式的自然环境下家畜群体数目监测方法

技术领域

本发明方法涉及一种基于嵌入式平台的在自然环境下对家畜群体中个体的数目检测的一种方法，在家畜群体较为集中，相互遮挡十分严重的情况下，也可获得令人满意的精确程度；本方法可广泛应用于对自然环境下家畜群体数量的估计问题，对监控视频中家畜、人、物品的统计问题，如：大范围放牧中牛羊数目的实时监测等；同时本方法可以在嵌入式平台上运行，可以方便的与终端设备结合，对环境和设备的要求很低，拓宽了应用的场合。

背景技术

近年来图像处理技术日益成熟，各种去噪算法效果越来越好。一些边缘检测算法也可以提取出图像中物体清晰的轮廓，这就为图像中的家畜群体计数问题提供了基础。传统的角点匹配等方法可以处理这类问题，但是在自然条件下，家畜的群体可能很密集，这种情形下传统的方法精度不高。

发明内容

本发明的目的是为了监测自然条件下草场上家畜的数量，通过对一定区域家畜数量的统计，配合其它指标实现对家畜群的自动化监控。

本发明提供一种利用摄像头等简单设备对草场中家畜数目的监测方法，通过定时捕获的图像，利用灰度化、图像平滑、二值化处理、边缘提取技术，可从图像中得到细化背部边缘图像，通过背部边缘图像计算边缘点的梯度值。通过判断一条边缘中满足梯度值阈值的边缘点个数来决定该边缘是否代表一头家畜的背部，反复判断细化背部边缘图像中的每一条边缘即可获得图像中家畜数目的计数值。即使是在严重遮蔽的情况下，本方法也可通过多次的平滑，反复的细化加强最终获取令人满意的细化背部边缘图像，从而可以计算出边缘垂直梯度值Diff_lev(u，v)和边缘水平梯度值Diff_lev(u，v)，根据垂直梯度值和水平梯度值可以计算出细化边缘的边缘点梯度方向值Lati_dir(u，v)，本发明根据边缘的水平梯度值大小和梯度方向值的方向范围综合判断该条边缘是否为家畜背部，进而得到家畜的计数值。考虑到草原等应用环境，本发明可运行于嵌入式平台结果可由RTP协议传输，加强了发明的实用性和方便性。

本发明方法的设备和步骤如下：

1.所需设备：一个成像系统(本发明采用的是数码相机)，一个嵌入式平台(本发明采用的是S3C2440开发板)，PC机，以及用于连接PC和嵌入式设备的线路。

2.实现步骤：

(010)部分，预处理获取的图像并计算图像中家畜的个数，保存结果图像，具体步骤如下：

步骤C011：开始，初始化摄像头，初始化编解码器；

步骤C012：利用摄像头获取图像，若为彩色图像则进行灰度化处理，若为灰度图像则不进行灰度处理，保存灰度图像；

步骤C013：使用Perona-Malik模型对获得的灰度图像进行平滑操作，平滑操作共需要40次迭代，保存平滑后的图像；

步骤C014：对平滑后的图像根据确定的阈值进行二值化处理，保存二值化图像；

步骤C015：通过sobel算子提取二值化图像的边缘，获得拥有粗线条的家畜背部边缘和一些干扰伪边缘的图像，保存边缘图像；

步骤C016：去除边缘图像中的伪边缘以得到线条清晰的背部边缘图像，保存背部边缘图像；

步骤C017：对背部边缘图像进行边缘细化处理，使得图像中家畜的背部边缘只由单行像素点构成，得到细化背部边缘图像，保存细化背部边缘图像；

步骤C018：扫描细化背部边缘图像中的每一条边缘，计算每条边缘上的每一个边缘点的边缘水平梯度值Diff_lev(u，v)，边缘垂直梯度值Diff_vert(u，v)和梯度方向Lati_dir(u，v)。如果Lati_dir(u，v)所对应的方向在45度到135度之间，且边缘水平梯度值Diff_lev(u，v)大于设定的梯度阈值，则将计算得到的边缘水平梯度值Diff_lev(u，v)值保存到边缘对应的梯度数组中，否则不保存该边缘水平梯度值Diff_lev(u，v)值到梯度数组中；

步骤C019：迭代判断细化背部边缘图像的所有梯度数组，如果一个梯度数组中具有边缘水平梯度值的元素个数在特定范围内，则认为该条边缘代表一头家畜的背部曲线，家畜的计数值增加1，保存这个计数值；

(020)部分，传输处理结果过程，具体步骤如下：

步骤C021：为RTP协议初始化，设定好IP和端口等参数，建立与接收端的连接；

步骤C022：获得(010)部分的处理结果，将其写入缓存并发送到接收端，并每隔一定时间传输一幅图像以及该图像所对应的计数值；

步骤C023：接收端接收一幅图像以及该图像所对应的计数值并将二者保存。

有益效果

本发明提出了一种基于嵌入式的自然条件下家畜群体的数目监测方法，这种方法的灵活性较高，可在对精度要求不同的情况下做出调整，通过改变算法的迭代次数，可以满足对精度和效率的要求。另外算法可在嵌入式的平台运行，这更是提高了算法的适应性。本方法是利用对细化背部边缘的边缘梯度值与梯度角分析来估计家畜的数目，而非角点匹配等常规方法。本发明不仅提高了算法的效率，更可以解决焦点匹配法在家畜群体较为集中的情况下无法匹配的问题。

附图说明

图1为边缘图像和细化背部边缘图像；

图2为边缘图像的放大图；

图3为细化背部边缘图像的放大图；

图4为家畜背部边缘梯度方向示意图；

图5为边缘水平梯度差分模板、边缘垂直梯度差分模板；

图6细化迭代窗口

具体实施方式

具体实施方式以家畜中常见的羊群的计数过程为例。图1左侧的图为(010)部分经过步骤C011到步骤C015边缘提取后的边缘图像。得到这一边缘图像之前，先通过摄像头得到了彩色图像or_img，又进行了灰度化、平滑、二值化、边缘提取的处理。在图1上可以看到除了羊背边缘之外，还有许多短小零碎的伪边缘。伪边缘都会表现出断断续续的特点，其连通程度不高，因此可以借助这一特征来过滤掉伪边缘。通过设定一连通阈值，小于连通阈值的连通分量将其设为背景像素，阈值的设定对结果的影响至关重要，本算法在实现中将阈值设置为6。遍历整个图像，找到每个未被标记的非零点，递归遍历它的八连通区域并记录连续像素的数目，总数小于连通阈值的系列点的值都置零，通过上述去除伪边缘的过程，得到背部边缘图像。

由于经过上述处理过后的背部边缘图像的边缘宽度可能不一致，这将对随后的计算边缘点的梯度有一定的影响，为了使计算的边缘点的梯度有最好的效果，将边缘像素细化为单像素宽度是很有必要的。算法步骤C017采用局部迭代的方式来进行边缘细化处理，首先一个3*3的细化迭代窗口按图6形式表示，具体操作如下：

Step1：遍历所有边缘点P0，若满足以下两条件，则判断其为可删除的。

(1)P0的八连通域中边缘点数E(P0)为3＜＝E(P0)＜＝6；

(2)P0的八连通域中有且仅包含一个四连通分量(像素值从0到1的变化次数有且仅一次)；

Step2：遍历所有的可删除点，若满足以下条件之一则保留，否则删除。

(1)P2，P6为边缘点，但P4为可删除的；

(2)P4，P8为边缘点，但P6为可删除的；

(3)P4，P5，P6均为可删除的。

经过上述处理得到图3形式的细化背部边缘图像。

在自然环境下，图像中的家畜背部的光强最强，而家畜四肢光强最弱，而摄像头从上往下拍摄到的家畜的背部几乎都是从水平逐渐向两端延伸的弧线，图4是计算家畜背部边缘梯度方向的示意图，其中曲线表示家畜的背部边缘，箭头表示当前点的梯度方向。离散图像中利用梯度模板计算梯度方向分为以下两步：首先根据模板(图5)计算出边缘水平梯度值和边缘垂直梯度值。记原细化背部边缘图像为f、边缘水平梯度差分模板和边缘垂直梯度差分模板分别为M₁和M₂，计算边缘水平梯度值和边缘垂直梯度值的公式如下：

$\mathrm{Diff}\_\mathrm{vert}(u,v)=\underset{i=-1}{\overset{i=1}{\mathrm{\Σ}}}\underset{j=-1}{\overset{j=1}{\mathrm{\Σ}}}f(u+i,v+j)*M_1(i,j).$

$\mathrm{Diff}\_\mathrm{lev}(u,v)=\underset{i=-1}{\overset{i=1}{\mathrm{\Σ}}}\underset{j=-1}{\overset{j=1}{\mathrm{\Σ}}}f(u+i,v+j)*M_2(i,j)$

其中，Diff_lev(u，v)代表边缘水平梯度值，Lati_r(u，v)代表边缘垂直梯度值，利用以上计算出的边缘水平梯度值和边缘垂直梯度值计算出梯度方向角：

$\mathrm{Lati}\_\mathrm{dir}(u,v)=\arctan \left(\frac{\mathrm{Diff}\_\mathrm{vert}(u,v)}{\mathrm{Diff}\_\mathrm{lev}(u,v)}\right)$

对于一条连续边缘，如果Lati_dir(u，v)所对应的角度满足在35度至135度之间，且Diff_lev(u，v)大于设定的梯度阈值，则将水平梯度值保存到该连续边缘所对应的梯度数组中。

Claims (1)

1.基于嵌入式的自然环境下家畜群体数目监测方法，所用设备由嵌入式平台、普通PC机、成像系统组成，成像系统采用数码相机或摄像头，嵌入式设备采用S3C2440开发板；其特征在于，实现步骤如下：

(010)部分，预处理获取的图像并计算图像中家畜的计数值，具体步骤如下：

步骤C011：开始，初始化摄像头，初始化编解码器；

步骤C012：利用摄像头获取图像，若为彩色图像则进行灰度化处理，若为灰度图像则不进行灰度处理，保存灰度图像；

步骤C013：使用Perona-Malik模型对获得的灰度图像进行平滑操作，平滑操作共需要40次迭代，保存平滑后的图像；

步骤C014：对平滑后的图像根据确定的阈值进行二值化处理，保存二值化图像；

步骤C015：通过sobel算子提取二值化图像的边缘，获得拥有粗线条的家畜背部边缘和一些干扰伪边缘的图像，保存边缘图像；

步骤C016：去除边缘图像中的伪边缘以得到线条清晰的背部边缘图像，保存背部边缘图像；

步骤C017：对背部边缘图像进行边缘细化处理：

Step1：遍历所有边缘点P0，若满足以下两条件，则判断其为可删除的；

(1)P0的八连通域中边缘点数E(P0)为3＜＝E(P0)＜＝6；

(2)P0的八连通域中有且仅包含一个四连通分量(像素值从0到1的变化次数有且仅一次)；

Step2：遍历所有的可删除点，若满足以下条件之一则保留，否则删除：

(1)可删除点的上下两个相邻点为边缘点；

(2)可删除点的左右两个相邻点为边缘点；

(3)可删除点的下方与右侧均为可删除的点；

经过上述边缘细化处理，使得图像中家畜的背部边缘只由单行像素点构成，得到细化背部边缘图像，保存细化背部边缘图像；

步骤C018：扫描细化背部边缘图像中的每一条边缘，计算每条边缘上的每一个边缘点的边缘水平梯度值Diff_lev(u，v)，边缘垂直梯度值Diff_vert(u，v)和梯度方向Lati_dir(u，v)，如果Lati_dir(u，v)所对应的方向在45度到135度之间，且边缘水平梯度值Diff_lev(u，v)大于设定的梯度阈值，则将计算得到的边缘水平梯度Diff_lev(u，v)保存到边缘对应的梯度数组中，否则不保存该边缘水平梯度值Diff_lev(u，v)值到梯度数组中；

步骤C019：迭代判断细化背部边缘图像的所有梯度数组，如果一个梯度数组中具有边缘水平梯度值的元素个数在特定范围内，则认为该边缘代表一头家畜的背部曲线，家畜的计数值加1，保存这个计数值；

(020)部分，传输处理结果过程，具体步骤如下：

步骤C021：为RTP协议初始化，设定好IP和端口等参数，建立与接收端的连接；

步骤C022：获得(010)部分的处理结果，将其写入缓存并发送到接收端，并每隔一定时间传输一幅图像以及该图像所对应的计数值；

步骤C023：接收端接收一幅图像以及该图像所对应的计数值并将二者保存。