一种基于视觉的流浪宠物的检测方法及系统与流程

1.本发明涉及城市管理技术领域，尤其涉及一种基于视觉的流浪宠物的检测方法及系统。


背景技术：

2.随着城镇化进程的加快，城市豢养宠物的人越来越多，由于看管不严等其他原因，城市流浪猫，流浪狗的现象也屡见不鲜。每年全国有几十万甚至上百万只流浪宠物，它们分布在我们生活的城市中，对我们生活环境、健康安全以及公共秩序都会产生较大影响。流浪宠物困扰我们的最大问题莫过于公众的健康安全，流浪宠物身上可能携带未知病毒，无人看管的流浪宠物恶意伤人以及流浪宠物的排泄物造成的细菌滋生也对周边生活的人们造成很大影响。所以及早识别定位到流浪宠物，便于后续处理流浪宠物的安置问题是一个重要课题。
3.中国专利号202011553697.7提供了基于神经网络的动物识别方法、系统、设备及存储介质，该方法包括：通过经过训练的动物分类网络对图像进行动物分类，获得图像的动物信息，包括图片预处理；搭建深度卷积神经网络，深度卷积神经网络包含特征提取网络和训练网络，特征提取网络包括进行特征抽取的目标检测部分和分类学习全局信息和特征的图像分类部分；进行模型训练，使用与训练好的权重初始化特征提取网络，对所有图片抽取特征，将抽取到的特征划分为训练集和验证集，在网络层进行训练；对图片进行分类，并输出分类结果取概率最大对应的分类标签。
4.现有技术现有方式识别流浪宠物主要是依靠人力解决，通过查看宠物身边有无主人跟随，或者宠物的状态，比如：宠物身上非常脏等情况来判别，过人为识别流浪宠物的方式很显然不够高效，且由于人力成本的原因不能大批量部署在各个区域。因此，亟需设计一种基于视觉的流浪宠物的检测方法及系统来解决上述的问题。


技术实现要素：

5.本发明的目的在于提供一种基于视觉的流浪宠物的检测方法及系统，以解决上述背景技术中提出的检测效率低的问题。
6.本发明的技术方案是：一种基于视觉的流浪宠物的检测方法，包括以下步骤：
7.图像采集步骤：采集并将视频数据传输给目标检测器一；
8.目标检测步骤：通过目标检测器一对视频数据进行隔帧检测宠物和人，并获得对应的目标画面；
9.获得图像块步骤：对检测到宠物画面进行目标裁剪，得到图像块；
10.目标二次检测步骤：将图像块输入目标检测器二进行检测宠物是否有穿戴特征；
11.流浪宠物确认步骤：将没有检测到穿戴特征的宠物确认为流浪宠物。
12.进一步地，在所述流浪宠物确认步骤中，对没有穿戴特征宠物的图像块进行检测是否存在人，若没有检测到人，则直接判定为流浪宠物。
13.进一步地，在所述流浪宠物确认步骤中，若有检测到人，获取宠物和人的坐标框中心并进行判断，当宠物坐标框中心位置出现在人坐标框上半部分，则属于人抱着宠物的情况，则判定为非流浪宠物。
14.进一步地，在所述获得图像块步骤中，根据宠物目标的宽和高向外扩充一倍进行裁剪图像块。
15.进一步地，在所述目标检测步骤中，当没有检测到宠物后返回图像采集步骤继续采集图像。
16.进一步地，在所述目标检测步骤中，隔帧检测的范围为间隔15-120帧，在所述目标二次检测步骤中，宠物穿戴特征包括宠物项圈、宠物绳和宠物衣服中的任意一种，当检测到图像块中存在宠物项圈或者宠物绳或者宠物衣服时，判定为非流浪宠物，则返回图像采集步骤继续采集图像。
17.进一步地，在所述目标检测步骤中，通过目标检测器一进行提供坐标框信息、目标的置信度信息和类别概率。
18.一种基于视觉的流浪宠物的检测系统，包括
19.图像采集模块：采集并将视频数据传输给目标检测器一；
20.目标检测模块：通过目标检测器一对视频数据进行隔帧检测宠物和人，并获得对应的目标画面；
21.获得图像块模块：对检测到宠物画面进行目标裁剪，得到图像块；
22.目标二次检测模块：将图像块输入目标检测器二进行检测宠物是否有穿戴特征；
23.流浪宠物确认模块：将没有检测到穿戴特征的宠物确认为流浪宠物。
24.进一步地，在所述流浪宠物确认模块中，对没有穿戴特征宠物的图像块进行检测是否存在人，若没有检测到人，则直接判定为流浪宠物。
25.进一步地，在所述流浪宠物确认模块中，若有检测到人，获取宠物和人的坐标框中心并进行判断，当宠物坐标框中心位置出现在人坐标框上半部分，则属于人抱着宠物的情况，则判定为非流浪宠物。
26.进一步地，在所述获得图像块模块中，根据宠物目标的宽和高向外扩充一倍进行裁剪图像块。
27.进一步地，在所述目标检测模块中，当没有检测到宠物后返回图像采集模块继续采集图像。
28.进一步地，在所述目标检测步骤中，隔帧检测的范围为间隔15-120帧，在所述目标二次检测模块中，宠物穿戴特征包括宠物项圈、宠物绳和宠物衣服中的任意一种，当检测到图像块中存在宠物项圈或者宠物绳或者宠物衣服时，判定为非流浪宠物，则返回图像采集模块继续采集图像。
29.进一步地，在所述目标检测模块中，通过目标检测器一进行提供坐标框信息、目标的置信度信息和类别概率。
30.本发明通过改进在此提供一种基于视觉的流浪宠物的检测方法及系统，与现有技术相比，具有如下改进及优点：
31.(1)本发明通过检测到宠物，再进一步检测宠物身上的是否存在项圈、绳索、衣服，进而判断出是否是流浪宠物，进而使得流浪宠物检测的效率得到提高。
32.(2)本发明为防止漏检造成的误报，再结合人与宠物的坐标中心的位置判断出不具有项圈的宠物是否为人抱着宠物，从而对宠物目标的分析将更加精确。
附图说明
33.下面结合附图和实施例对本发明做进一步解释：
34.图1是本发明实施例的流程图；
35.图2是本发明实施例的目标检测器一的检测流程图；
36.图3是本发明实施例的目标检测器二的检测流程图。
具体实施方式
37.下面将结合附图1至图3对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
38.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
39.本发明实施例的一种基于视觉的流浪宠物的检测方法，如图1～图3所示，包括以下步骤：包括以下步骤：
40.图像采集步骤：采集并将视频数据传输给目标检测器一；
41.目标检测步骤：通过目标检测器一对视频数据进行隔帧检测宠物和人，并获得对应的目标画面，宠物为猫、狗等宠物，目标检测器一对图像的处理包括以下步骤：
42.数据增强子步骤：通过mosaic数据增强的方式对图像块进行随机缩放和剪裁拼接；
43.图像特征提取子步骤；通过focus结构对图像块进行切片，并通过卷积核卷积从而得到图像特征，然后通过csp结构，将图像特征进行映射分为2个部分，再跨阶段和层次对它们进行合并，使得梯度信息的重复计算量减少，同时也保证了准确率；
44.图像特征处理子步骤：通过fpn和pan的网络结构对图像特征进行处理，其使用了csp2的结构对图片的信息进行融合；
45.获得图像块步骤：对检测到宠物画面进行目标裁剪，得到图像块；
46.目标二次检测步骤：将图像块输入目标检测器二进行检测宠物是否有穿戴特征，目标检测器二与目标检测器一原理相同；
47.流浪宠物确认步骤：将没有检测到穿戴特征的宠物确认为流浪宠物。
48.进一步地，在流浪宠物确认步骤中，对没有穿戴特征宠物的图像块进行检测是否存在人，若没有检测到人，则直接判定为流浪宠物。
49.进一步地，在流浪宠物确认步骤中，若有检测到人，获取宠物和人的坐标框中心并进行判断，当宠物坐标框中心位置出现在人坐标框上半部分，则属于人抱着宠物的情况，则判定为非流浪宠物。
50.进一步地，在获得图像块步骤中，根据宠物目标的宽和高向外扩充一倍进行裁剪图像块，使得图像块中的能够呈现出更多关于宠物项圈、宠物绳、穿着衣服宠物和人的信息，使得图像块反映的信息更加的全面，从而防止误报，提高流浪宠物识别的准确性。
51.进一步地，在目标检测步骤中，当没有检测到宠物后返回图像采集步骤继续采集图像。
52.进一步地，在目标检测步骤中，隔帧检测的范围为间隔15-120帧，在目标二次检测步骤中，宠物穿戴特征包括宠物项圈、宠物绳和宠物衣服中的任意一种，当检测到图像块中存在宠物项圈或者宠物绳或者宠物衣服时，判定为非流浪宠物，则返回图像采集步骤继续采集图像。
53.进一步地，在目标检测步骤中，通过目标检测器一进行提供坐标框信息、目标的置信度信息和类别概率。
54.一种基于视觉的流浪宠物的检测系统，包括
55.图像采集模块：采集并将视频数据传输给目标检测器一；
56.目标检测模块：通过目标检测器一对视频数据进行隔帧检测宠物和人，并获得对应的目标画面，目标检测器一对图像的处理包括以下模块：
57.数据增强子模块：通过mosaic数据增强的方式对图像块进行随机缩放和剪裁拼接；
58.图像特征提取子模块；通过focus结构对图像块进行切片，并通过卷积核卷积从而得到图像特征，然后通过csp结构，将图像特征进行映射分为2个部分，再跨阶段和层次对它们进行合并，使得梯度信息的重复计算量减少，同时也保证了准确率；
59.图像特征处理子模块：通过fpn和pan的网络结构对图像特征进行处理，其使用了csp2的结构对图片的信息进行融合；
60.获得图像块模块：对检测到宠物画面进行目标裁剪，得到图像块；
61.目标二次检测模块：将图像块输入目标检测器二进行检测宠物是否有穿戴特征；
62.流浪宠物确认模块：将没有检测到穿戴特征的宠物确认为流浪宠物。
63.进一步地，在流浪宠物确认模块中，对没有穿戴特征宠物的图像块进行检测是否存在人，若没有检测到人，则直接判定为流浪宠物。
64.进一步地，在流浪宠物确认模块中，若有检测到人，获取宠物和人的坐标框中心并进行判断，当宠物坐标框中心位置出现在人坐标框上半部分，则属于人抱着宠物的情况，则判定为非流浪宠物。
65.进一步地，在获得图像块模块中，根据宠物目标的宽和高向外扩充一倍进行裁剪图像块，使得图像块中的能够呈现出更多关于宠物项圈、宠物绳、穿着衣服宠物和人的信息，使得图像块反映的信息更加的全面，从而防止误报，提高流浪宠物识别的准确性。
66.进一步地，在目标检测模块中，当没有检测到宠物后返回图像采集模块继续采集图像。
67.进一步地，在目标检测步骤中，隔帧检测的范围为间隔15-120帧，在目标二次检测模块中，宠物穿戴特征包括宠物项圈、宠物绳和宠物衣服中的任意一种，当检测到图像块中存在宠物项圈或者宠物绳或者宠物衣服时，判定为非流浪宠物，则返回图像采集模块继续采集图像。
68.进一步地，在目标检测模块中，通过目标检测器一进行提供坐标框信息、目标的置信度信息和类别概率。
69.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。