張婧婧，程蕓濤

(新疆農(nóng)業(yè)大學 計算機與信息工程學院，新疆 烏魯木齊 830052)

0 引 言

基于圖像信息處理方法提取動物體尺的研究領(lǐng)域，國內(nèi)相關(guān)研究始于二維圖像的分析[1]。例如，江杰等人利用背景差分法提取羊體輪廓[2-3]；劉波等人運用自動閾值分割與形態(tài)學處理進行輪廓分割[4]；趙忠鑫等人研究了基于Kinect傳感器搭建的羊體尺測量系統(tǒng)，利用深度圖像的多元信息提取羊的體尺[5]；譚鶴群等人利用機器視覺和數(shù)字圖像處理技術(shù)建立白鰱體長方向截面積分布模型[6]；徐建瑜等人利用機器視覺技術(shù)測量出魚體側(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[7]。相較于國內(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[8]。測度動物的體型，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[9]，不足之處在于建立結(jié)構(gòu)化裝置成本較高，還必須誘導動物到指定位置。此外，激光或其他點云獲取設(shè)備也適用于體尺測量[10-11]，但對測量環(huán)境要求較高。

目前，依據(jù)新疆馬業(yè)協(xié)會發(fā)布的地方標準，馬體尺測量的主要指標包括馬的體長、體高、胸圍、管圍、體重等[12]。除體重外，其他四項體尺指標的測量可參考圖1的測量標準。

圖1 馬體尺測量的示意圖

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部的下端最細處，水平繞其一周的長度。

如圖1所示，A-A線、B-B線、C-C線、D-D線分別為馬的體高、體長、胸圍、管圍。目前人工測量馬體的身高、體長過程，通常采用的工具包括卷尺、測杖、圓形測定器及測角計等，測量中需要與馬體直接接觸?；谏疃葘W習及平面測量技術(shù)，本設(shè)計獲取了馬體尺的四項指標，并初步完成馬體尺測量的可視化系統(tǒng)設(shè)計，旨在探討馬體尺的信息化提取與非接觸測量的主要方法。

1 圖像采集與實例分割

1.1 YOLO目標檢測

為了解決馬體與背景的分割問題，基于MS-COCO數(shù)據(jù)集，采用深度學習的單級目標檢測器YOLO進行馬體的目標檢測，并通過一個簡單的全卷積網(wǎng)絡(luò)YOLACT實現(xiàn)了馬體與背景實時的實例分割測試。

YOLO檢測器將目標檢測視為回歸問題，省去了region proposal過程，實現(xiàn)了端到端的網(wǎng)絡(luò)，可直接得到輸入圖像的類別及位置。該算法以速度著稱，且具有更好的實時性，適合應用于實際的檢測任務。

在馬體目標檢測過程中，打開一幀馬體圖像，并使用YOLO v3進行目標檢測，將獲得帶有分類類別、位置坐標、外接邊框?qū)捀咝畔⒌鸟R體對象，如圖2(b)所示，篩選出其中類別為horse的檢測對象，并去除類別置信度較小的對象，檢測效果如圖2所示。

圖2 YOLO目標檢測的測試

1.2 YOLACT分割及圖像變換

快速、單階段的實例分割模型YOLACT將馬體與背景的分割過程分為兩個并行任務：

一是利用FCN來產(chǎn)生一系列與待測圖像大小一致的“prototype masks”，且不依賴于特定實例。

二是為目標檢測分支添加一個輸出，對每個anchor預測“mask coefficients”，即實例的表示編碼為prototype域的表達。

最后使用NMS對所預測的mask進行處理。

設(shè)計中采用YOLACT進行馬體與背景的分割，旨在發(fā)揮其在MS-COCO數(shù)據(jù)集上約30 mAP的快速分割表現(xiàn)，對伊犁馬匹圖像進行YOLACT實例分割的效果如圖3所示。

圖3 YOLACT實例分割的效果

2 馬體尺的測量

2.1 馬體尺的獲取方式

基于馬體的分割圖像，其體尺的測量需建立與圖像之間的準確關(guān)聯(lián)，才能獲取有效數(shù)據(jù)。如體高、體長屬于平面測距，可通過像素距離獲取比例相關(guān)的體尺尺寸；而馬體的胸圍與管圍數(shù)據(jù)屬于立體指標，在單幅平面圖像中獲取該指標的技術(shù)受限，本設(shè)計中借助馬體尺各指標間的回歸特性，同時引入兩項平面參數(shù)，通過擬合多元線性回歸方程，實現(xiàn)馬體三維指標的預測。

2.2 馬體尺測量實驗

基于Matlab仿真平臺[13]，借助其GUI工具，馬體尺測量系統(tǒng)的開發(fā)需要依次完成界面設(shè)計、圖像導入、坐標定位、距離測量、回歸分析、測量值篩選、數(shù)據(jù)顯示及保存等流程。

(1)界面設(shè)計。

基于線性回歸理論，設(shè)計進行了馬體尺三維預測，而隨馬體年齡變化，其體尺的回歸特性也不盡相同[14-15]。同一品種馬形體變化的年齡可細分為0～10歲的11個階段，因此系統(tǒng)登錄后的界面中首先布置了11個Matlab-GUI工具中的單選按鈕：radiobutton，用于選擇待測馬匹相應的年齡段，旨在區(qū)別不同馬體年齡的體尺特征。

系統(tǒng)主界面設(shè)計中采用了包括axes、edit、pushbutton及text等Matlab-GUI工具中提供的各類控件。鑒于系統(tǒng)面板的尺寸有限，測量馬體的體高、體長與其胸徑、管徑數(shù)據(jù)采用了不同的axes，以利于在獲取數(shù)據(jù)中降低操作的失誤率。

(2)導入圖像。

限于前期系統(tǒng)面板的設(shè)計尺寸，實驗中首先進行圖像平面測距值與馬體人工測量值的比例匹配，選取約220*186像素的伊犁馬體圖像并以.jpg、.tif等文件格式保存于Matlab工程文件中，旨在用于axes中嵌入圖像。

(3)坐標定位。

在馬的體高、體長的測量中，只需存儲鼠標點擊前后的兩次坐標并計算兩者之間距離，即可測量其相關(guān)尺寸。但受面板尺寸影響，為了準確定位鼠標，筆者為系統(tǒng)添加了圖像的局部放大功能，將關(guān)鍵特征點以2倍像素放大，加強定位精度。

(4)距離測量。

確認鼠標點擊的任意兩點A1、A2的像素坐標后，編寫dist()函數(shù)，或直接調(diào)用Matlab中的pdist()函數(shù)即可獲得兩像素點間的距離，即為體高、體長數(shù)據(jù)。

(5)回歸分析。

基于線性回歸理論，獲取數(shù)量相當?shù)鸟R體尺樣本值后，挑選各自的因變量、自變量，即可建立胸圍、管圍的多元線性回歸方程，如式(1)所示：

y=b0+b1x1+…+bpxp+e

(1)

馬體尺指標中，適當選取自變量及應變量x1,x2,…,xp,y應遵循其相關(guān)性原則，調(diào)用corrcoef()函數(shù)，可以得到馬體的體高、體長、胸圍、管圍、胸徑、管徑(胸徑、管徑測量指標為新引入的二維參數(shù)，其實際坐標與圖1中C-C、D-D點重合)之間相關(guān)程度的數(shù)據(jù)，選取相關(guān)程度高的變量即可擬合顯著性較強的回歸方程。本設(shè)計中采用Matlab提供的多元函數(shù)regress完成了胸圍、管圍的回歸分析。

根據(jù)馬體尺指標的相關(guān)度測試，首先以100匹伊犁馬的三項體尺數(shù)據(jù)(胸徑、體長、體高)為自變量x1、x2、x3，以待測體尺(胸圍)為因變量y，進行線性回歸擬合，其結(jié)果如式(2)所示：

y=-7.298 2+0.927 3*x1-0.023*x2+

0.771 3*x3

(2)

其中，r2=0.839 3，F(xiàn)=27.860 5，P=1.372 8×10-6。由P可知，式(2)的回歸模型成立。

隨后，更換馬體尺數(shù)據(jù)(管徑、體高、體長)的自變量x1、x2、x3，以管圍為因變量y，進行回歸分析，其擬合結(jié)果如式(3)所示：

y=9.564 8+0.051 7*x1-0.012 0*x2+

0.470 3*x3

(3)

其中，r2=0.948 0，F(xiàn)=97.177 6，P=1.750 2×10-10。由P可知，式(3)的回歸模型成立。

在回歸分析過程中，數(shù)據(jù)擬合還有一些不可忽視的環(huán)節(jié)。如馬體尺的預測方程將根據(jù)馬品種不同而有所變化，對同一品種的馬匹而言，其年齡不同也將影響回歸方程的擬合效果。因此為了提高回歸方程的顯著特性，只能對馬體尺樣本空間的多樣性及復雜性加以劃分，且擴大樣本容量以換回更少的測試誤差。

此外，針對馬體非標準的兩類站姿，實驗中還討論了相關(guān)回歸方程的修正方法，旨在加強體測系統(tǒng)的測量能力。其主要方式為引入體重指標，以便替換因為站姿不準而無法準確獲取的其他參數(shù)，進而修正預測方程。

(6)測量值的篩選。

為了直觀驗證測試值的準確性，實驗中將已測的體尺數(shù)據(jù)代入回歸方程進行殘差分析，以便有效判斷其值是否在回歸方程的誤差范圍內(nèi)波動。如圖4(a)中第20組測量值代入方程，偏離中軸線較遠，則該值測量結(jié)果無效，不保存；對呈現(xiàn)中軸線左右波動不大的測試值，即可認定為有效數(shù)據(jù)，如圖4(b)所示。在Matlab中進行殘差分析僅需調(diào)用rcoplot(r,rint)函數(shù)，為系統(tǒng)逐一篩選測試值提供了便利。

(7)數(shù)據(jù)顯示及保存。

設(shè)計中，馬體四項體尺指標通過edit控件在測量界面中顯示，同時體尺數(shù)據(jù)還需發(fā)送至uitable及excel文檔保存。

圖4 Matlab中的殘差分析

根據(jù)上述設(shè)計流程，筆者完成了馬體尺測量系統(tǒng)的初步開發(fā)，其測試界面如圖5所示。

圖5 體尺測量系統(tǒng)的測試效果

3 結(jié)束語

本設(shè)計基于MS-COCO數(shù)據(jù)集得到訓練模型，采用實例分割模型YOLACT進行馬體與背景的分割，實現(xiàn)馬體目標的檢測。將檢測獲得的馬體圖像通過Matlab仿真平臺中提供的多種方法及庫函數(shù)進行處理，在此基礎(chǔ)上完成體測系統(tǒng)的初步設(shè)計與開發(fā)。設(shè)計的不足之處在于測量過程無法自動獲取馬體尺的特征點，降低了系統(tǒng)的自動化程度，增加了誤操作的可能性。