張婧婧， 李勇偉

(新疆農(nóng)業(yè)大學(xué)，新疆烏魯木齊 830052)

新疆維吾爾自治區(qū)是我國傳統(tǒng)的養(yǎng)馬大區(qū)，馬的品種資源豐富，據(jù)國家品種資源調(diào)查顯示，目前全疆共有哈薩克馬、巴里坤馬、焉耆馬、柯爾克孜馬等4個地方品種，有伊犁馬、伊吾馬2個培育品種，為全國各省(市、自治區(qū))馬品種資源之首。馬品種登記是由專門的登記機構(gòu)依據(jù)系譜、體尺外貌、生產(chǎn)性能等資料來劃分馬的品種，而體尺測量技術(shù)是鑒定新疆馬品種、推進馬良種化進程中不可或缺的技術(shù)。

目前，機器視覺的動物體尺測量在國內(nèi)已經(jīng)取得一定進展，如利用背景減法和去除噪聲算法得到豬體體尺測點[1]；利用背景差分法提取羊體輪廓[2-3]；運用自動閾值分割與形態(tài)學(xué)處理進行輪廓分割[4]；采用Kinect傳感器搭建的羊體尺測量系統(tǒng)，利用彩色、深度圖像的多元信息提取羊的體尺[5-6]；基于機器視覺技術(shù)測量魚體側(cè)面積，并將面積與質(zhì)量進行數(shù)據(jù)擬合建立模型，評價魚的質(zhì)量等[7]。相比國內(nèi)研究現(xiàn)狀，國外對動物體尺進行測度的設(shè)備專利較多。測度動物體型，建立結(jié)構(gòu)化專用裝置，其優(yōu)勢在于方便圖像采集和標定，實現(xiàn)對感興趣參照點進行線性測量[8-9]，但不足之處在于建立結(jié)構(gòu)化裝置成本較高，還必須誘導(dǎo)動物到指定位置。

目前，采用的自動化指標獲取方法主要基于二維圖像和結(jié)構(gòu)化設(shè)施限制動物的位姿來實現(xiàn)獲取，對動物的位姿或環(huán)境光照和背景要求較嚴格，在實際生產(chǎn)中難以得到滿足，且2D機器視覺技術(shù)本身不能獲取和動物身體曲面形狀相關(guān)的指標[10]。

本研究借鑒動物體尺的研究成果，依據(jù)新疆馬業(yè)協(xié)會發(fā)布的地方標準，利用3D繪圖技術(shù)，模擬多元線性回歸算法，建立了新疆馬體尺基礎(chǔ)指標的采集模型，旨在完成基于機器視覺的馬體尺測量系統(tǒng)的初步設(shè)計。

1 機器視覺的馬體尺測量方法

1.1 馬體尺的測量標準

根據(jù)新疆馬業(yè)協(xié)會發(fā)布的地方標準，測量馬體尺的基本數(shù)據(jù)，包括體高、體長、胸圍、管圍，其測量標準為體高：從鬐甲頂點到地面的垂直距離；體長：從肩端到臀端的直線距離；胸圍：在肩腳骨后緣垂直繞胸一周的長度；管圍：左前管部上1/3處的下端最細處，水平繞其一周的長度。

1.2 測量方法

本設(shè)計中，首先應(yīng)用CINEMA 4D軟件設(shè)計馬體的骨骼，據(jù)此建立如圖1所示的馬體3D模型。在3D圖像中，馬的體高、體長、胸圍、管圍指標均屬于體尺測量的基礎(chǔ)數(shù)據(jù)，如圖1中A—A線、B—B線、C—C線、D—D線所示?；跈C器視覺，馬體各項指標的測量值必須與圖像像素點的坐標距離相關(guān)，才具備可測性，而馬的體高、體長測量方式符合這一標準。相反，馬體的胸圍、管圍則缺乏坐標的測量依據(jù)，因此文中定義了相關(guān)指標：胸徑、管徑如圖1中E—E線、F—F線所示(實際坐標分別與C、D點重合)，旨在利用可測的體高、體長、胸徑、管徑構(gòu)成馬體胸圍、管圍預(yù)測模型的重要參數(shù)。

1.3 測量方法的理論依據(jù)

測量系統(tǒng)中，馬體胸圍、管圍的預(yù)測建立在多元線性回歸模型的基礎(chǔ)之上。依據(jù)多元線性回歸理論，因變量與自變量的相關(guān)程度越高，回歸方程越顯著，即獲取與胸圍、管圍相關(guān)程度較高的馬體尺指標，擬合多元線性回歸方程，在方程成立的條件下，預(yù)測胸圍、管圍，即可完成馬體尺的有效測量。為此，以20匹焉耆馬的體尺數(shù)據(jù)為依據(jù)，在Matlab仿真軟件中首先獲取馬體尺各項指標間線性相關(guān)程度的數(shù)據(jù)。

根據(jù)相關(guān)系數(shù)的標準定義[11]：

r=E{(x-E{x})×(y-E{y})}/(sqrt({(x-E{x})2)×sqrt({(y-E{y})2))。

(1)

式中：E{}為期望值；|r|=1表明兩者相關(guān)，|r|=0表明兩者不相關(guān)。

調(diào)用Matlab軟件中的corrcoef()函數(shù)，得到馬體的體高、體長、胸圍、管圍、胸徑、管徑間線性關(guān)系的數(shù)據(jù)，如表1所示。

由表1可知，焉耆馬的體高、體長、胸圍、管圍、胸徑、管徑指標之間滿足兩兩線性相關(guān)條件，具有不同程度的相關(guān)性。利用體高、體長、胸徑、管徑的優(yōu)化組合構(gòu)成方程的自變量，通過回歸方程的檢驗參數(shù)評估方程的顯著性，即可搭建胸圍、管圍的預(yù)測模型。

表1 馬體尺指標間相關(guān)系數(shù)

2 體尺測量系統(tǒng)的關(guān)鍵技術(shù)

2.1 3D圖像的輪廓提取

在基于CINEMA 4D軟件設(shè)計的馬體骨骼中，為精準獲取像素點的坐標距離，先進行3D圖像的輪廓提取。仿真中，采用Sobel算子的邊緣檢測算法[12]提取馬體輪廓。首先將馬體圖像變?yōu)榛叶葓D，然后分別利用Sobel垂直方向模板和水平方向模板對轉(zhuǎn)化的灰度圖像做卷積，求得垂直方向和水平方向梯度，將2個梯度相加即可求得整個圖像的梯度，即為圖像的輪廓(圖2)。

由圖2可知，3D馬體圖像的邊緣清晰，圖像中動物體色與選取的背景色差雖不明顯，但輪廓提取依然較準確。鑒于圖像邊緣檢測的多樣化，還同時嘗試該圖像的一維Canny算子、Robinson算子以及二維Laplace算子[13]的邊緣檢測。較其他算法，Sobel算法邊緣檢測的運算速度快，對3D骨骼刻畫地較為精準，具有測量優(yōu)勢。

2.2 建立體尺預(yù)測模型

基于上述體尺測量的設(shè)計方案，首先建立胸圍的預(yù)測模型。由表1可知，與胸圍相關(guān)性較高的指標依次為胸徑、體高、管徑；設(shè)計中以20匹焉耆馬的胸徑、體高、管徑為自變量x1、x2、x3，以胸圍為因變量y，建立多元線性回歸方程，如公式(2)所示。

y=-129.357 3+0.019 5x1+2.151 0x2-0.780 9x3。

(2)

公式(2)r2=0.998 6；F=694.097 5；P=9.259 6×10-5。由P值可知，公式(2)的回歸模型成立。

同樣地，與管圍相關(guān)性較高的指標依次為管徑、體高、胸圍；以20匹焉耆馬的管徑、體高、胸圍為自變量x1、x2、x3，以管圍為因變量y，建立多元線性回歸方程，如公式(3)所示。

y=5.916 3+1.658 6x1+0.035 0x2-0.1x3。

(3)

公式(3)r2=0.998 8；F=820.348 6；P=7.209 4×10-5。由P值可知，公式(3)的回歸模型成立。模型的仿真中，調(diào)用Matlab的線性擬合函數(shù)regress()方法[14]建立回歸方程，為了提高預(yù)測的準確度，還針對數(shù)據(jù)進行rcoplot()殘差分析，剔除異常點，并利用判定系數(shù)測定方程的擬合程度是否符合建模的條件。

2.3 體尺測量系統(tǒng)的可視化界面設(shè)計

鑒于系統(tǒng)交互式設(shè)計的需要，利用Matlab GUI工具完成系統(tǒng)可視化界面的設(shè)計。在GUI工具中，選擇的控件包括axes、pushbutton、edit、uitable、text等，其具體功能如表2所示。

表2 交互式界面中控件的主要功能

3 體尺測量系統(tǒng)的修正方法

在機器視覺的動物體測系統(tǒng)中，由于動物體態(tài)各異，不可避免地為體尺測量帶來很大難度。針對馬體站姿不標準的2類情況，本設(shè)計提出了相應(yīng)的修正方法，旨在加強體測系統(tǒng)的測量能力。應(yīng)用CINEMA 4D軟件設(shè)計馬體骨骼，繪制了同一匹馬行走和傾斜站立的姿態(tài)，據(jù)此模擬2種姿態(tài)下馬體尺數(shù)據(jù)的變化規(guī)律。

在馬體站姿不標準的情況下，須要引入馬體尺的另一指標——體質(zhì)量，以便替換因為站姿不準而無法準確獲取的其他參數(shù)，重構(gòu)預(yù)測模型。根據(jù)建立線性回歸方程的需要，以焉耆馬為例，首先獲取體質(zhì)量與馬體其他指標間相關(guān)程度的數(shù)據(jù)(表3)。

表3 馬體質(zhì)量與其他指標相關(guān)程度

3.1 馬行走姿態(tài)下體尺數(shù)據(jù)的修正

馬體在行走狀態(tài)下，其體高減小、體長不變、胸徑不變、管徑不變，如圖3所示。首先須要修正體高，即建立體高的預(yù)測模型。在馬體尺指標相關(guān)系數(shù)列表中，體高與體長、胸徑、管徑的相關(guān)程度高，即以焉耆馬的體長、胸徑、管徑為自變量x1、x2、x3，以體高為因變量y，建立多元線性回歸方程，如公式(4)所示。

y=0.705 6+0.959 8x1-0.489 5x2+3.386 8x3。

(4)

公式(4)r2=0.998 3；F=583.600 0；P=1.200 0×10-4。由P值可知，公式(4)的回歸模型成立。

類似地，行走姿態(tài)下，剔除體高指標，以馬的體質(zhì)量、胸徑、管徑為自變量x1、x2、x3，以胸圍為因變量y，建立多元線性回歸方程，如公式(5)所示。

y=14.283 6+0.154 8x1+2.256 9x2-3.737 1x3。

(5)

公式(5)r2=0.999 0；F=954.500 0；P=5.746 0×10-5。由P值可知，公式(5)的回歸模型成立。

同樣地，由于體長與管圍的相關(guān)性較低，以馬的體質(zhì)量、胸徑、管徑為自變量x1、x2、x3，以管圍為因變量y，建立多元線性回歸方程，如公式(6)所示。

y=7.228 9+0.014 9x1-0.037 8x2+0.984 9x3。

(6)

公式(6)r2=0.991 9；F=122.670 0；P=1.200 0×10-3。由P值可知，公式(6)的回歸模型成立。

綜上所述，體測系統(tǒng)基本實現(xiàn)了行走姿態(tài)下馬體尺各項指標的測量及數(shù)據(jù)修正。

3.2 馬體站姿傾斜時體尺數(shù)據(jù)的修正

馬體相對相機平面傾斜時，呈現(xiàn)出體質(zhì)量不變、體高不變、體長變小、胸徑不變、管徑變小等體尺變化規(guī)律，如圖4所示。剔除體長、管徑指標，體尺預(yù)測模型的有效參數(shù)僅有體質(zhì)量、體高、胸徑3項指標，據(jù)此預(yù)測了馬體站姿傾斜時體尺數(shù)據(jù)模型。

以馬的體質(zhì)量、體高、胸徑為自變量x1、x2、x3，以體長為因變量y，建立多元線性回歸方程，如公式(7)所示。

y=4.794 0-0.060 7x1+1.246 2x2-0.232 7x3。

(7)

公式(7)r2=0.999 8；F=5 474.500 0；P=4.190 0×10-6。由P值可知，公式(7)的回歸模型成立。

同樣地，以體質(zhì)量、體高、胸徑為自變量x1、x2、x3，以胸圍為因變量y，建立多元線性回歸方程，如公式(8)所示。

y=-112.923 8+0.009 8x1+1.825 8x2+0.366 2x3。

(8)

公式(8)r2=0.995 0；F=199.650 0；P=5.964 0×10-6。由P值可知，公式(8)的回歸模型成立。

再以體質(zhì)量、體高、胸徑為自變量x1、x2、x3，以管圍為因變量y，建立多元線性回歸方程，如公式(9)所示。

y=7.119 5+0.028 7x1-0.020 4x2+0.069 1x3。

(9)

公式(9)r2=0.999 8；F=4 182.450 0；P=6.273 6×10-6。由P值可知，公式(9)的回歸模型成立。

綜上，本設(shè)計完成了站姿傾斜時馬體尺各項指標的測量及數(shù)據(jù)修正。然而由于馬的姿態(tài)變化不定，當馬體傾斜且行走時，呈現(xiàn)體質(zhì)量不變、體高變小、體長變小、胸徑不變、管徑變小等規(guī)律，如圖5所示，在剔除變化的指標后，其體尺預(yù)測模型的自變量不足，體測誤差難以控制在有效范圍內(nèi)，因此不再對該模型進行體尺分析。

4 馬體尺測量系統(tǒng)的設(shè)計與初步測試

4.1 系統(tǒng)的設(shè)計流程

基于Matlab開發(fā)平臺，測量馬體尺須要依次完成的輪廓提取、坐標定位、距離測量、數(shù)據(jù)修正、回歸分析、預(yù)測值顯示、數(shù)據(jù)保存等步驟，其具體流程如圖6所示。

4.2 系統(tǒng)的初步測試

以馬體3D圖像的體尺數(shù)據(jù)為依據(jù)，在可視化界面中進行系統(tǒng)的初步測試。由圖7可知，受面板尺寸的限制，測量中獲取體長、體高與胸徑、管徑數(shù)據(jù)分別置于2副圖像輪廓中操作，降低了坐標定位過程中重復(fù)操作的可能性；系統(tǒng)仿真中用紅色文本顯示馬體坐標，并將有效坐標用虛線連接，直觀呈現(xiàn)體高、體長、胸徑、管徑的測量數(shù)據(jù)，并將所有測量結(jié)果顯示于edit文本框中。

在馬體站姿不標準的情況下，還設(shè)計了數(shù)據(jù)修正按鍵，用于啟動重構(gòu)的預(yù)測模型，修正體尺數(shù)據(jù)預(yù)測結(jié)果，降低模型測量的2次誤差。

5 結(jié)語

基于Matlab開發(fā)平臺，依據(jù)線性相關(guān)及線性回歸理論，本系統(tǒng)初步完成了馬體的體長、體高、胸圍、管圍的測量。為了加強預(yù)測模型的準確性，定義了與圖像中像素點距離成比例的胸徑、管徑指標，且引入了體質(zhì)量指標，使得線性回歸方程的擬合程度增強，回歸特性顯著。對于站姿不標準造成的測量誤差，討論了2種特定姿態(tài)下的修正方法，初步降低因站姿不標準造成的測量誤差，具備借鑒意義。

仿真的不足之處主要在于線性相關(guān)分析和線性回歸方程均取決于少量馬體尺的樣本數(shù)據(jù)，據(jù)此構(gòu)建的模型，其測量誤差無法定量估算。