亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于深度學(xué)習(xí)和圖像處理的馬體尺測量設(shè)計

        2020-12-04 07:50:58張婧婧
        計算機技術(shù)與發(fā)展 2020年11期
        關(guān)鍵詞:測量檢測

        張婧婧

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

        0 引 言

        馬體尺數(shù)據(jù)是衡量馬的生長發(fā)育及科學(xué)飼養(yǎng)、育種的重要依據(jù)。基于深度學(xué)習(xí)的馬體測量技術(shù)重點解決了馬體與背景的有效分割問題。YOLACT是一種較為簡單的全卷積網(wǎng)絡(luò)實現(xiàn)實例分割的方法,該方法以其快速、易泛化且產(chǎn)生高質(zhì)量的mask等技術(shù)優(yōu)勢適用于不同實例分割場景。馬體的目標檢測與背景分割過程采用該方法首先看中其在MS-COCO數(shù)據(jù)集[1]上約30 mAP的分割表現(xiàn);其次馬場目標檢測對象及環(huán)境相對單一,目標圖像的動態(tài)穩(wěn)定性不作要求,且檢測的精度相對不高,就YOLACT進行實例分割的圖像低損失率而言,符合馬體目標檢測與背景分割的基本要求。

        在馬體與背景分割的基礎(chǔ)上,體測圖像中特征點的標定也是馬體尺測量技術(shù)的重點。不同于傳統(tǒng)的角點檢測方法,設(shè)計中利用邊緣檢測Canny算子[2]提取馬體分割后的輪廓,在其輪廓線上采用動態(tài)網(wǎng)格完成體尺關(guān)鍵點的標定。該方法的研究旨在為相關(guān)動物體測技術(shù)提供范例參考。

        1 馬體的實例分割

        目前,大型馬場的馬養(yǎng)殖方式以散養(yǎng)居多,采集馬體的圖像信息時不可避免地納入草場的背景、房屋、其他建筑甚至養(yǎng)殖人員等,為此采用深度學(xué)習(xí)技術(shù)實現(xiàn)馬體目標與背景的實例分割,旨在為馬體尺測量模型的建立準備條件。設(shè)計中采用的YOLACT實例分割方法屬于目前深度學(xué)習(xí)的單級目標檢測方法之一,在處理圖像分割算法中,其以性能損失小、速度快而備受推崇[3-5]。

        1.1 YOLACT的分割實例

        YOLACT將分割問題分解為兩個并行的過程,利用全連接fc層和卷積conv層分別產(chǎn)生“掩模系數(shù)”(mask coefficients)和“原型掩模”(prototype masks),將掩膜和預(yù)測的相應(yīng)系數(shù)進行線性組合,并通過預(yù)測的b-box進行裁剪,實現(xiàn)掩膜合成(assembly),計算中通過單個矩陣乘法實現(xiàn)。由此,該方法在馬體特征空間中保持了空域一致性,且滿足了馬體目標檢測的快速分割要求。以伊犁馬的圖像分割為例,文中采用YOLACT方法在訓(xùn)練好的MS-COCO數(shù)據(jù)集上完成馬體目標檢測與背景分割,如圖1所示。

        圖1 馬體的實例分割

        1.2 YOLACT的網(wǎng)絡(luò)結(jié)構(gòu)

        在YOLACT目標檢測的前端網(wǎng)絡(luò)中,低層的特征圖信息量較少,但其特征圖較大,適于檢測目標位置準確且容易識別的一些小的物體;高層特征圖信息量比較豐富,但是目標位置較為粗略,因此小物體的檢測性能急劇下降。為了提高檢測精度,YOLACT的網(wǎng)絡(luò)前端借鑒Mask RCNN[6]中采用的FPN[7]的網(wǎng)絡(luò)結(jié)構(gòu),構(gòu)建一個自底向上的線路,如C1、C2、C3、C4、C5;一個自頂向下的線路,如P7、P6、P5、P4、P3以及對應(yīng)層的鏈接,如圖2所示。

        圖2 YOLACT的網(wǎng)絡(luò)結(jié)構(gòu)

        其中底層的特征圖用于檢測較小的目標,而頂層的特征圖則用于檢測較大的目標,對單目標的伊犁馬體圖像檢測而言,其頂層特征圖的檢測性能要求相對較高。

        Mask原型的產(chǎn)生結(jié)構(gòu)為protonet,由全卷積網(wǎng)絡(luò)FCN實現(xiàn)[8],實驗中預(yù)測馬體圖像時將生成一組(K個)原型掩模,其最后一層含K個channels(每個原型一個),并將它們附加到backbone特征層中預(yù)測,如圖2右下部所示。

        作為YOLACT檢測器的主干網(wǎng)絡(luò),其預(yù)測結(jié)構(gòu)采用RetinaNet中帶FPN的ResNet-101[9-10]網(wǎng)絡(luò)結(jié)構(gòu),其中頭部結(jié)構(gòu)設(shè)計如圖2右上部所示。基于Anchor的典型目標檢測算法中,預(yù)測頭通常有兩個分支,一支用于獲得類別置信度,另一支用于進行邊界框回歸。YOLACT中添加第三個分支,預(yù)測K個掩模系數(shù),用于對應(yīng)每一個原型。馬體圖像分割實驗中,從最終掩模中減去原型即可獲得圖1的分割效果[8],并在非線性計算中產(chǎn)生穩(wěn)定的輸出。

        1.3 馬體分割圖像的預(yù)處理

        基于YOLACT目標檢測與實例分割方法,文中對站姿較為標準、背景相對簡單的馬體圖像進行了分割后的預(yù)處理?;赮OLACT分割后形成的馬體掩膜,實驗中分別將圖1中透明掩膜換成白色和黑色,并通過異或運算去除背景,再與原圖點乘,即可得到分割后的圖像,由此完成馬體測量模型的預(yù)處理。

        2 馬體尺測量點的標定

        依據(jù)新疆馬產(chǎn)業(yè)協(xié)會發(fā)布的地方標準,馬體尺主要測量指標包括體高、體長、胸圍、管圍等,其中涉及的馬體相關(guān)部位包括臀端點、胸骨前緣點、鬐甲頂點、肩腳骨后緣、左前管部上1/3部等[11]。具體而言,體高是指從鬐甲頂點到地面的垂直距離;體長是指從胸骨前緣點到臀端點的直線距離;胸圍是指肩腳骨后緣垂直繞胸一周的長度;管圍是指左前管部上1/3部的下端最細處,水平繞其一周的長度。

        2.1 馬體邊緣檢測

        據(jù)觀察,馬體尺標定所需的測點均分布在馬體邊緣輪廓上,為了得到馬體尺測點,需要進行馬體的邊緣檢測。實驗中使用Canny算子對經(jīng)過YOLACT實例分割的伊犁馬體圖像進行輪廓提取。

        2.2 馬體測點的Harris角點檢測

        在馬體邊緣檢測的基礎(chǔ)上,設(shè)計中嘗試使用常見的Harris角點檢測[12-13]方法篩選出候選的測量點。通過調(diào)整角點檢測的blockSize參數(shù)及ksize參數(shù)獲得較多角點時,測量所需的測點與非測點并不能很好地區(qū)分;反之角點較少時,部分測點被遺失。

        此外,馬體尺測量點雖然大部分集中于被檢測的角點之中,而鑒于馬體體型、姿態(tài)的多樣化,針對角點中測點的篩選以及設(shè)計更為通用的篩選模板仍較為困難。

        2.3 動態(tài)網(wǎng)格的測點標定

        綜上,采用角點檢測方法尋找馬體尺的關(guān)鍵節(jié)點,其操作性不強且復(fù)雜度較高,本設(shè)計則采用了動態(tài)網(wǎng)格方法部分解決了馬體測量中尋找測點的難題。

        (1)體高的獲取。

        對站姿各異、體型不同的馬體而言,動態(tài)網(wǎng)格中各測點的標定均建立在其輪廓圖像中平均像素值變化的基礎(chǔ)之上。如圖3中,水平方向的中部橫線Hm表示馬體像素點縱坐標的動態(tài)均值,計算方式如下:

        (1)

        進一步地,Hu表示Hm均值線以上像素縱坐標的動態(tài)均值,計算見式(2);而Ht則為Hu均值線以上像素縱坐標的動態(tài)均值,計算見式(3)。

        (2)

        (3)

        其中,用于標定體高的鬐甲頂點A恰好由Ht與馬體輪廓的相交點得到。與此同時,根據(jù)鬐甲頂點到前后足最低點所在直線Hb的距離,即為馬體的體高,如式(4)所示。

        (4)

        其中,ax+by+c=0表示馬體前后足底部的連線。

        圖3 體尺測點的標定

        (2)體長的獲取。

        如圖3所示,動態(tài)網(wǎng)格中Wm線表示馬體像素點橫坐標的均值,計算如式(5)所示:

        (5)

        進一步地,網(wǎng)格中Wu線表示水平像素均值線Wm與其右邊界線的等分線,計算如式(6)所示:

        (6)

        其中,馬面水平朝左時flag=1,朝右時flag=-1。

        如圖3所示,在馬體的體長計算中,臀端點B正是由Hu與馬體輪廓的尾部交點得到;胸骨前緣點C則定為Wu與其輪廓交點中縱坐標較大的點,而體長的計算即為臀端點與胸骨前緣點的歐氏距離,如式(7)所示。

        (7)

        其中,(xB,yB)為臀端點坐標,(xC,yC)為胸骨前緣點坐標。

        (3)體長的修正。

        在圖3中,容易看出馬體站姿與攝像頭不平行,體長的像素值較實際值偏小,需進行數(shù)據(jù)修正,其修正方法如圖4所示。

        圖4 體長的數(shù)據(jù)修正

        在圖4中,由A(x1,y1)、B(x1,y1)確定的直線L表示馬體中心線,其與馬體前后足底部的連線ax+by+c=0平行,且與攝像頭平面l形成角度為α的夾角,其中各參數(shù)間的關(guān)系如式(8)表示。

        (8)

        將式(7)得到的體長數(shù)值length帶入公式(9),即可得到體長的修正值len_adjust。

        (9)

        (4)胸圍直徑的獲取。

        與體高、體長的二維數(shù)據(jù)相比,基于平面圖像獲取馬體的胸圍和管圍指標更為困難,為此引入兩項相關(guān)性較強的平面指標:胸圍直徑和管圍直徑,用于后期馬體胸圍、管圍的預(yù)測。

        設(shè)計中,引入胸圍直徑旨在利用其與胸圍的強相關(guān)性,即二者標定的測點在馬體平面圖像中重合。如圖3所示,直線Wm與輪廓交點的縱坐標間距即為胸圍直徑d1,如式(10)所示,實際測量中其值與胸圍數(shù)據(jù)相關(guān)性最強。

        (10)

        (5)管圍直徑的獲取。

        同樣的,設(shè)計中引入管圍直徑在于其與管圍的強相關(guān)性,即二者在馬體管圍測量中的測點一致。如圖3所示,管圍直徑計算中,需要尋找動態(tài)網(wǎng)格線Hg,即為足底向上三分之一處與前后足輪廓的交點,從中獲取最小值即為管圍d2,如式(11)所示。

        (11)

        3 馬體尺的測量實驗

        3.1 獲取體尺數(shù)據(jù)

        基于上文中馬體圖像分割、輪廓提取與特征測點的標定技術(shù),對圖像像素為640*480的兩匹伊犁馬進行了體尺的測量,獲取其特征測點,如圖5所示。

        圖5 體尺特征測點的標定

        據(jù)圖5 獲取的體尺特征測點,分別得到兩匹馬的測點數(shù)據(jù),如表1所示。

        表1 馬體測點數(shù)據(jù) (單位:像素)

        以表1的像素數(shù)據(jù)為基礎(chǔ),根據(jù)人工測試與馬體圖像像素的多次匹配,選擇比例為1∶1.21進行像素數(shù)據(jù)的同比縮小,得到馬體尺的測量數(shù)據(jù)與實測值的對比結(jié)果,如表2所示。

        表2 馬體尺測量的對比(比例1∶1.21)

        3.2 數(shù)據(jù)擬合與模型預(yù)測

        依據(jù)馬體尺數(shù)據(jù)的測量標準,三維體尺指標如胸圍、管圍的測量無平面圖像的測量依據(jù)。前文設(shè)計中引入的胸維直徑、管圍直徑指標,旨在利用其數(shù)據(jù)的相關(guān)性建立胸圍與管圍的預(yù)測模型[14]。以100匹伊犁馬體的人工測量數(shù)據(jù)為樣本,完成體尺的胸圍、管圍預(yù)測模型如下:

        (1)胸圍的預(yù)測模型。

        為了獲得較好的預(yù)測效果,實驗中采用了Regress及Polynomial兩種多元回歸方式完成馬體胸圍數(shù)據(jù)的預(yù)測,其預(yù)測結(jié)果如表3所示。

        表3 胸圍預(yù)測結(jié)果

        根據(jù)表3所示,選擇誤差較小的Regress回歸模型進行馬體胸圍預(yù)測較為理想。其胸圍的回歸方程為:

        Y1=30.613 8+0.536 7*h+0.429 2*w-

        0.108 6*d

        (12)

        其中,Y1為胸圍,h為體高,w為體長,d為胸圍直徑。

        (2)管圍預(yù)測模型。

        同樣,實驗采用了Regress及Polynomial回歸方式完成馬體管圍數(shù)據(jù)的預(yù)測,其預(yù)測的結(jié)果如表4所示。

        表4 管圍預(yù)測結(jié)果

        根據(jù)表4可知,為了將測量誤差有效控制在5%之內(nèi),仍選擇Regress回歸模型預(yù)測管圍較為理想,其管圍回歸方程為:

        Y2= 8.377 5+0.000 9*h+0.081*w-

        0.123 1*c

        (13)

        其中,Y2為管圍,h為體高,w為體長,c為管圍直徑。

        4 結(jié)束語

        以伊犁馬體為研究對象,通過采集馬體的圖像、馬體尺的人工測量數(shù)據(jù),完成了馬體尺測量中四項指標的關(guān)鍵技術(shù)研究。

        實驗以深度學(xué)習(xí)的YOLACT實例分割技術(shù)為基礎(chǔ),首先實現(xiàn)了復(fù)雜背景下馬體圖像的快速、高質(zhì)量分割;其次提出動態(tài)網(wǎng)格方式完成馬體特征測點的數(shù)據(jù)標定,實時預(yù)測了馬體在圖像中的位置及身體方向,并部分解決了因其站姿不同帶來的體長修正問題;然后采用Regress及Polynomial的多元線性及非線性預(yù)測方式,比較并實現(xiàn)了馬體胸圍及管圍的預(yù)測,最后對兩匹伊犁馬體樣本進行了體尺數(shù)據(jù)測量及誤差計算,其各項誤差均處于0.75%~3.7%之間。就大體型動物體尺測量而言,該技術(shù)較為完整且具備范例參考意義。

        設(shè)計的不足之處在于對馬體的姿態(tài)仍有一定要求,在馬體的站姿過度傾斜或頭部高昂的情況下,動態(tài)網(wǎng)格的測點將產(chǎn)生較大誤差,使得測量不能準確完成。這些還有待進一步完善。

        猜你喜歡
        測量檢測
        “不等式”檢測題
        “一元一次不等式”檢測題
        “一元一次不等式組”檢測題
        “幾何圖形”檢測題
        “角”檢測題
        把握四個“三” 測量變簡單
        滑動摩擦力的測量和計算
        滑動摩擦力的測量與計算
        測量的樂趣
        小波變換在PCB缺陷檢測中的應(yīng)用
        中文无码av一区二区三区| 人妻丰满多毛熟妇免费区| 熟妇无码AV| 61精品人妻一区二区三区蜜桃| 亚洲av天堂一区二区| 精品女同一区二区三区免费战| 亚洲 欧美 综合 在线 精品 | 亚洲日韩av一区二区三区中文 | 日日摸夜夜添狠狠添欧美| 人妻AV无码一区二区三区奥田咲| 午夜无码无遮挡在线视频| 精品人妻一区二区三区av | 人妻少妇一区二区三区| 亚洲精品一区二区三区av| 色婷婷精品大在线视频| 亚洲麻豆视频免费观看| 国产精品久久久久免费观看| 免费1级做爰片1000部视频 | 国产一区二区精品尤物| 一区五码在线| 中文乱码字幕人妻熟女人妻| 国产伦一区二区三区色一情| 欧美日韩精品一区二区视频| av一区二区三区人妻少妇| 国内揄拍国内精品| 人妻少妇看A偷人无码电影| 蜜桃码一区二区三区在线观看| 亚洲av熟女一区二区三区站| 成人内射国产免费观看| av在线亚洲欧洲日产一区二区| 久久麻豆精品国产99国产精| 一区二区三区国产美女在线播放| 国语自产啪在线观看对白| 男奸女永久免费视频网站 | 久久久久久一级毛片免费无遮挡| 亚洲综合天堂一二三区| 国产在线一区二区av| 偷看农村妇女牲交| 国产精品99久久久久久宅男| 亚洲AV无码成人精品区天堂| 国产内射视频免费观看|