买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜江苏大学申请的专利一种基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114511925B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210040783.0，技术领域涉及：G06V40/20；该发明授权一种基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法是由朱伟兴;肖夏伟;李新城设计研发完成，并于2022-01-14向国家知识产权局提交的专利申请。

本一种基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法在说明书摘要公布了：本发明公开了一种基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法。首先，采集视频并分帧，利用基于统计分配多阈值的网格点连通分割算法对猪只图像进行分割；其次，根据与轮廓模板的相似性，初步判断饮水行为，再通过饮水口框与嘴部框的重合度，精确判断饮水行为；最后，将分割后的饮水猪图像和关键点二维特征输入多尺度双通道识别网络，利用基于三期动量的步进更新算法对上述网络中的特征融合超参数ε和损失融合超参数γ进行优化选取，获得最优识别网络，实现饮水猪的身份识别。

本发明授权一种基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法在权利要求书中公布了：1.一种基于嘴部区域的猪只饮水行为和多特征融合的身份识别方法，其特征在于，包括以下步骤：步骤1，采集视频，对视频分帧并筛选出关键帧作数据集，将数据集划分为训练集、验证集和测试集；利用提出的基于统计分配多阈值的网格点连通分割算法SAM-GPSA对猪图像进行分割；步骤2，在猪图像上标定饮水口框，并提取其轮廓作为轮廓模板；当轮廓相似性小于95％，初步判断存在饮水行为；再对存在饮水行为的图像，利用改进的Pig-YOLO网络检测嘴部框，当饮水口框与嘴部框的重合度达99％，精确判断存在饮水行为；步骤3，对分割后饮水猪图像利用局部二值模式中0和1的跃变次数初步选取关键点；再利用提出的均匀网格块非极值剔除算法筛选关键点；然后利用提出的描述符向量融合算法进行关键点特征提取，即利用改进的旋转不变的BRIEF描述符向量和MLBP描述符向量生成旋转不变的均匀关键点二维特征；步骤4，将分割后的饮水猪图像和关键点二维特征输入多尺度双通道识别网络；利用改进的基于三期动量的步进更新算法对上述网络中的特征融合超参数ε和损失融合超参数γ进行优化选取，获得最优识别网络，实现饮水猪的身份识别；步骤1中利用提出的基于统计分配多阈值的网格点连通分割算法SAM-GPSA对猪图像进行分割具体包括：1.1对图像进行灰度化处理并分块，将分块的四个边的交点作为网格点，便于后续利用网格点进行连通操作；1.2根据整张图像的灰度直方图，按背景和前景灰度的峰值位置左右各浮动5％，选取背景灰度值区间和前景灰度值区间，作为整体标准，对每一分块的直方图进行统计，计算在整体标准下的背景和前景灰度值区间内所包含的像素点个数的比例，比例按照四舍五入的方式取整，此时每一比例都会对应一个阈值；通过不同比例下阈值的自适应学习，寻求不同比例对应的最优阈值；利用网格点连通分块中达到阈值的邻接像素点，生成对应的连通块，将连通块合并为连通域，对分割后的图像进行漫水填充和反转漫水填充，消除过分割孔洞；重复执行上述操作，直至达到最佳分割效果；所述步骤2具体包括：2.1在猪图像上标定饮水口区域，获取饮水口框坐标，提取饮水口轮廓作为轮廓模板，提取待识别的图片中饮水口坐标区域内的图片，与轮廓模板进行差分，计算出轮廓相似性；当其相似性小于95％时，认为此时轮廓相似性不足，饮水器不完全处于外露状态，猪只可能发生饮水行为；2.2对可能存在饮水行为的图像利用Pig-YOLO网络检测嘴部框，根据饮水口框与嘴部框的重合度来识别饮水行为，若饮水口框与嘴部框重合度达99％，此时饮水口处于猪只嘴部区域中，猪只发生饮水行为；所述利用Pig-YOLO网络检测嘴部框具体包括：将YOLOv3网络改进为Pig-YOLO网络作为嘴部区域检测网络；1在特征提取网络Darknet-53的卷积层后引入批归一化BN层，改善网络反向传播的梯度质量；2将非线性激活层改用LeakyRelu层，增强网络的非线性表达能力，保证反向传播的梯度不会消失；3调整输出层的锚框参数为01,x,y,w,h，其中1为锚框中有目标，0为锚框中没有目标，x,y为锚框左上角的点坐标，w和h分别为锚框的长和宽，调整后的锚框参数适应单目标检测的要求，并且可以有效提升识别速度；4调整输出层的目标框为26*26*15、52*52*15和104*104*15，其中26、52、和104为目标框尺寸，15＝3*5为目标框的深度，3代表每个目标框位置对应原图的3个锚框，5代表上述锚框5个参数，缩小目标框中每一像素点所对应的原图感受野区域，符合嘴部区域的小目标检测的要求；所述步骤3中改进的旋转不变的BRIEF描述符具体包括：a对关键点邻接的24个像素点进行符合高斯分布的点配对b,d，并把100个高斯随机配对点作差，按照差的大小排序，选取前8个配对点的差作为8维的特征描述符,并对描述符进行归一化；b计算所有关键点的灰度质心点的坐标，选取所有分块中位于中心位置的分块，利用该分块中的关键点作为起始点，将该关键点指向灰度质心点的方向作为主方向，对关键点按照主方向进行相应特征描述符的排列，得出旋转不变的稳定二进制特征BRIEF描述符，灰度质心的计算公式如1、2、3所示： θ＝atan2n01,n103其中，nbd为高斯邻域的矩，n00、n01和n10分别为关键点以及其左右邻近点的矩；b,d为符合高斯分布规律的随机选值；x和y取值区间均为[-2,2]，x,y代表以关键点为原点的24个邻接像素点坐标；Ix,y为邻域内的灰度值；O为质心的坐标；θ为方向角；所述步骤3中，生成旋转不变的均匀关键点二维特征具体包括：利用旋转不变的BRIEF描述符向量和旋转不变的MLBP描述符向量生成旋转不变的均匀关键点二维特征，将旋转不变的BRIEF描述符向量按照X方向排列，旋转不变的MLBP描述符向量按照Y方向排列,在对应位置将X方向的值和Y方向的值相加，生成二维特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。