(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210923202.8 (22)申请日 2022.08.02 (71)申请人 广州度凌科技有限公司 地址 510630 广东省广州市天河区韩景路1 号1301房自编GF2部位 (72)发明人 李静　沈贤义　谭志观　程东　 (74)专利代理 机构 北京科亿知识产权代理事务 所(普通合伙) 11350 专利代理师 赵蕊红 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 40/10(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) (54)发明名称 一种死亡动物 识别方法及装置 (57)摘要 一种死亡动物识别方法及其装置,通过4个 步骤对当前区域中的动物自动判断是否存在死 体。 本发明的死亡动物识别方法及装置能自动识 别当前区域中是否存在死体。 本发 明通过对视频 图像的目标进行像素级的选定， 能够排除环境干 扰， 同时采集全图温度图像对目标进行实时测 温， 从而排除环境温度影响， 提高在复杂环境下 的适应性。 同时本发明根据目标区域温度分布提 高识别的准确性， 故， 本发明识别精确。 权利要求书2页 说明书9页 附图3页 CN 115147782 A 2022.10.04 CN 115147782 A 1.一种死 亡动物识别方法,其特 征在于， 步骤 包括： 步骤(1)、 对当前区域实时同步采集全图温度图像及视频流， 并对视频流进行解码得到 多张识别图像； 步骤(2)、 将步骤一得到的识别图像输入至预先训练好的训练实例分割算法模型， 并将 该识别图像定义为当前识别图像， 判断当前识别图像中是否存在疑似死体， 当是则进入步 骤(3)， 否则返回步骤(1)； 步骤(3)、 在步骤一采集的全图温度图像 中调取与当前识别图像对应的全图温度图像， 根据调取的全图温度图像及疑似死体的目标区域温度分布进行温度分析， 判断是否为死 体， 当是则进入步骤(4)， 否则返回步骤(1)； 步骤(4)、 提 示存在死体， 返回步骤(1)。 2.根据权利要求1所述的死亡动物识别方法,其特征在于， 所述训练实例分割算法模型 的获取方法如下： 步骤A、 根据使用场景定义分割目标， 所述分割目标为活体、 疑似死体和非目标对象； 步骤B、 采集区域的素 材图像； 步骤C、 对步骤B得到的素材图像进行标注， 得到由图像数据组成的数据集， 且图像数据 含有标注数据； 步骤D、 将步骤C得到的数据集加载至原 始模型进行训练， 得到训练实例分割模型。 3.根据权利要求2所述的死亡动物识别方法,其特征在于： 所述步骤C具体是使用标注 工具对步骤B得到的素材图像中的活体、 疑似死体及非目标对象进 行标注， 得到由图像数据 组成的数据集， 且图像数据含有标注数据， 其中活体的姿态 为站或跪的动物， 疑似死体的姿 态为侧卧的动物； 所述步骤D包括有： 步骤D.1、 设定原 始模型的参数； 步骤D.2、 将步骤C得到的数据集及所述步骤D.1的参数， 导入至原始模型中进行训练， 得到最优算法权 重及对应的最优算法模型， 将最优算法模型定义 为训练实例分割模型。 4.根据权利要求1至3任一所述的死亡动物识别方法,其特征在于： 所述步骤(1)具体 是： 对当前区域实时并同时采集全图温度图像及视频流， 并对视频流进行解码得到多张识 别图像， 并将全图温度图像和多张识别图像缓存至缓存 模单元。 5.根据权利要求 4所述的死 亡动物识别方法,其特 征在于， 所述 步骤(2)包括有： 步骤(2.1)、 在缓存单 元中选取最 新缓存的一张识别图像， 定义 为当前识别图像； 步骤(2.2)、 将当前识别图像输入至预先训练好的训练实例分割算法模型， 判断是否存 在疑似死体， 当是则进入步骤(3)， 否则返回步骤(1)。 6.根据权利要求5所述的死 亡动物识别方法,其特 征在于， 所述 步骤(2.2)包括有： 步骤(2.2.1)、 将当前识别图像输入至预先得到的训练实例分割算法模型， 输出当前识 别图像中存在目标对应的目标信息， 所述目标信息为类别cname、 目标轮廓掩膜mask和可信 度score； 步骤(2.2.2)、 判断是否存在类别cname是否存在疑似死体， 当存在则进入步骤 (2.2.3)， 否则返回步骤(1)； 步骤(2.2.3)、 判断类别cname为疑似死体的可信度score与θ 的关系， 当score＞θ时进权　利　要　求　书 1/2 页 2 CN 115147782 A 2入步骤(3)， 当 score≤θ 返回步骤(1)， θ 为可信度阈值， 且 θ ≥0.5 。 7.根据权利要求6所述的死， 亡动物 识别方法,其特 征在于， 所述 步骤(3)包括有： 步骤(3.1)、 在步骤一采集的全图温度图像中调取与当前识别图像对应的全图温度图 像， 将调取的全图温度图像定义 为当前全图温度图像； 步骤(3.2)、 在当前全图温度图像中找出与步骤(2)得到疑似死体中的目标轮廓掩膜 mask相同的区域， 将当前全图温度图像与目标轮廓掩膜mask相同的区域定义为目标区域， 并标示目标区域中每 个像素点的温度； 步骤(3.3)、 根据每个像素点的温度分布进行温度分析， 判断是否为死体， 当是则进入 步骤(4)， 当否则返回步骤(4)。 8.根据权利要求7所述的死亡动物识别方法,其特征在于： 所述温度分析的方法为选出 目标区域中所有像素点中的最高温度 Tmax1和最低温度 Tmin1， 当Tmax1‑Tmin1＞α 时判断为活体， 当Tmax1‑Tmin1≤α 时判断为死体， 其中α 为活体温度差异阈值， 且α ＞0； 或者 所述温度分析的方法为将目标区域划分成n块子区域， 取每块子区域的最高温度作为 参考温度c， 得到参考温度合集C＝{c1， c2，……， ci，……， cn},其中2≤i≤n,然后在参考温 度合集中选 取最高温度Tmax2和最低温度Tmin2， 当Tmax2‑Tmin2＞α 时判断为活体， 当Tmax2‑Tmin2≤ α 时判断为死体。 9.根据权利 要求8所述的死亡动物识别方法,其特征在于： 所述参数为训练参数batch_ size、 类别数量 num_clas ses、 迭代次数 epoch和学习率 learning rate； 所述原始模型为MaskRCN N模型、 Transformer模型或者yo lov7模型； 所述标注工具为 labelme或者eiseg； 所述最优算法模型的mAP值大于等于80％； 1℃≤α ≤ 3℃； 2≤i≤n≤10 0。 10.一种采用死亡动物识别方法的装置,其特征在于： 采用权利要求1至9任意一项所述 的死亡动物识别方法进行识别； 设置有： 视频流采集设备——实时采集当前区域内的视频流， 并对视频流进行连续解码， 得到 识别图像； 温度采集设备 ——实时采集当前区域内的全图温度图像； 存储模块——存储采集到的全图温度图像和识别图像； 处理模块——根据识别图像、 全图温度图像和训练实例分割算法模型得到疑似死体， 并判断疑似死体是否为死体。权　利　要　求　书 2/2 页 3 CN 115147782 A 3