牲畜体重识别方法、装置、存储介质及终端设备与流程

1.本技术涉及电子通信技术领域，尤其涉及一种牲畜体重识别技术领域，特别涉及一种牲畜体重识别方法、装置、存储介质及终端设备。


背景技术：

2.为了获取牲畜的体重参数，传统方式是借助体重秤对牲畜直接测量。基于获取的体重参数可以应用在多种场景中，例如牲畜养殖险投保后，养殖户饲养的牲畜死亡，若符合理赔条件，可按重量获得赔偿。牲畜保险往往以牲畜体重作为理赔依据，不同体重区间对应不同的保额比例进行赔付。由于传统的查勘流程为现场拍照、登记耳标号，并使用称重设备人工测量牲畜体重参数，或者结合用卷尺测量牲畜长度来推测重量，以获取准确的赔款数值，使用称重设备测重量过程繁琐，特别是人工进行体重参数测量过程中难免与牲畜尸体直接接触，一旦牲畜携带病毒将传染给工作人员，不利于保障工作人员的健康安全。


技术实现要素：

3.本技术实施例提供一种牲畜体重识别方法、装置、存储介质及终端设备，通过计算参照物的缩放比例，根据得到的缩放比例对第一图像进行缩放处理，得到统一标准比例的第二图像后，再利用预训练的体重识别模型对第二图像进行体重参数识别，能够避免工作人员频繁与牲畜直接接触，对于体重参数的获取过程简单且精准度高。
4.本技术实施例一方面提供了一种牲畜体重识别方法，包括：
5.获取第一图像，其中，所述第一图像包括待测目标，及与所述待测目标绑定的参照物；
6.基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例；
7.根据所述缩放比例调整所述第一图像的尺寸，得到第二图像；
8.将所述第二图像输入至预训练的体重识别模型进行体重识别操作，得到所述第二图像中待测目标的体重数据。
9.在本技术实施例所述的牲畜体重识别方法中，在所述获取第一图像之前，所述方法还包括：
10.获取初始图像；
11.将所述初始图像输入至预训练好的目标识别模型进行目标识别操作，得到包括至少一个预设标记框的预处理图像，所述预设标记框用于指示所述待测目标或参照物；
12.对所述预处理图像进行图像分割处理，得到至少一张所述第一图像，每张所述第一图像中同类别的预设标记框只有一个。
13.在本技术实施例所述的牲畜体重识别方法中，所述预设标记框包括用于指示所述待测目标的第一标记框，及用于指示所述参照物的第二标记框，在所述对所述预处理图像进行图像分割处理之后，所述方法还包括：
14.判断所述预处理图像经图像分割处理得到的中间图像中是否同时包含所述第一标记框及第二标记框；
15.将同时包含所述第一标记框及第二标记框的中间图像作为所述第一图像。
16.在本技术实施例所述的牲畜体重识别方法中，在所述判断所述预处理图像经图像分割处理得到的中间图像中是否同时包含所述第一标记框及第二标记框之后，所述方法还包括：
17.在判断所述中间图像中不同时存在所述第一标记框及第二标记框时，生成异常提醒信息，所述异常提醒信息用于指示所述待测目标与参照物绑定异常。
18.在本技术实施例所述的牲畜体重识别方法中，所述基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例，包括：
19.获取所述参照物对应的预设标记框在第一图像中的顶点坐标；
20.根据所述顶点坐标计算所述参照物在所述第一图像中的尺寸参数；
21.根据所述尺寸参数与所述参照物的预设尺寸计算所述缩放比例。
22.在本技术实施例所述的牲畜体重识别方法中，在所述将所述第二图像输入至预训练的体重识别模型进行体重识别操作之前，所述方法还包括：
23.获取所述第二图像中每一像素点的所有通道的颜色分量值；
24.分别对所有通道的所述颜色分量值进行镜像填充，以使所述第二图像的尺寸大小为m
×
n。
25.在本技术实施例所述的牲畜体重识别方法中，在所述将所述第二图像输入至预训练的体重识别模型进行体重识别操作之前，所述方法还包括：
26.获取待训练的体重识别模型的训练样本，所述训练样本包括设置有标签的图像数据，所述标签用于指示所述图像数据的体重参数；
27.通过所述待训练的体重识别模型对所述训练样本中图像数据进行特征提取，得到与所述图像数据对应的图像特征向量；
28.通过所述待训练的体重识别模型，基于所述图像特征向量识别所述训练样本中的图像数据的体重参数，得到所述图像数据的识别结果；
29.基于所述识别结果及所述图像数据的标签，调整所述待训练的体重识别模型的参数，得到所述预训练的体重识别模型。
30.相应的，本技术实施例另一方面还提供了一种牲畜体重识别装置，包括：
31.第一获取模块，用于获取第一图像，其中，所述第一图像包括待测目标，及与所述待测目标绑定的参照物；
32.确定模块，用于基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例；
33.调整模块，用于根据所述缩放比例调整所述第一图像的尺寸，得到第二图像；
34.识别模块，用于将所述第二图像输入至预训练的体重识别模型进行体重识别操作，得到所述第二图像中待测目标的体重数据。
35.相应的，本技术实施例另一方面还提供了一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上所述的牲畜体重识别方法。
36.相应的，本技术实施例另一方面还提供了一种终端设备，包括处理器和存储器，所
述存储器存储有多条指令，所述处理器加载所述指令以执行如上所述的牲畜体重识别方法。
37.本技术实施例提供了一种牲畜体重识别方法、装置、存储介质及终端设备，该方法通过获取第一图像，其中，所述第一图像包括待测目标，及与所述待测目标绑定的参照物；基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例；根据所述缩放比例调整所述第一图像的尺寸，得到第二图像；将所述第二图像输入至预训练的体重识别模型进行体重识别操作，得到所述第二图像中待测目标的体重数据。本技术实施例利用固定大小的参照物，先计算出参照物在拍摄的第一图像中的尺寸大小，再计算得出缩放比例，根据得到的缩放比例对第一图像进行缩放处理，得到统一标准比例的第二图像后，再利用预训练的体重识别模型对第二图像进行体重参数识别，能够避免工作人员频繁与牲畜直接接触，对于体重参数的获取过程简单且精准度高。
附图说明
38.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1为本技术实施例提供的牲畜体重识别方法的流程示意图。
40.图2为本技术实施例提供的牲畜体重识别装置的结构示意图。
41.图3为本技术实施例提供的牲畜体重识别装置的另一种结构示意图。
42.图4为本技术实施例提供的终端设备的结构示意图。
具体实施方式
43.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本技术的保护范围。
44.本技术实施例提供一种牲畜体重识别方法，所述牲畜体重识别方法可以应用于终端设备中。所述终端设备可以是智能手机、电脑等设备。
45.为了获取牲畜的体重参数，传统方式是借助体重秤对牲畜直接测量。基于获取的体重参数可以应用在多种场景中，例如牲畜养殖险投保后，养殖户饲养的牲畜死亡，若符合理赔条件，可按重量获得赔偿。牲畜保险往往以牲畜体重作为理赔依据，不同体重区间对应不同的保额比例进行赔付。由于传统的查勘流程为现场拍照、登记耳标号，并使用称重设备人工测量牲畜体重参数，或者结合用卷尺测量牲畜长度来推测重量，以获取准确的赔款数值，使用称重设备测重量过程繁琐，特别是人工进行体重参数测量过程中难免与牲畜尸体直接接触，一旦牲畜携带病毒将传染给工作人员，不利于保障工作人员的健康安全。
46.为了解决上述技术问题，本技术实施例提供一种牲畜体重识别方法。利用本技术实施例提供的牲畜体重识别方法，通过计算参照物的缩放比例，根据得到的缩放比例对第一图像进行缩放处理，得到统一标准比例的第二图像后，再利用预训练的体重识别模型对
第二图像进行体重参数识别，能够避免工作人员频繁与牲畜直接接触，对于体重参数的获取过程简单且精准度高。
47.请参阅图1，图1为本技术实施例提供的牲畜体重识别方法的流程示意图。所述牲畜体重识别方法，应用于终端设备中，所述方法可以包括以下步骤：
48.步骤101，获取第一图像，其中，所述第一图像包括待测目标，及与所述待测目标绑定的参照物。
49.需要说明的是，所述待测目标指的是牲畜。利用本方法可以快速获取牲畜的体重参数，且不需要采用传统获取方式，例如借助体重秤对牲畜直接测量体重参数。基于获取的体重参数可以应用在多种场景中，例如牲畜养殖险投保后，养殖户饲养的牲畜死亡，若符合理赔条件，可按重量获得赔偿。牲畜保险往往以牲畜体重作为理赔依据，不同体重区间对应不同的保额比例进行赔付。由于传统的查勘流程为现场拍照、登记耳标号，并使用称重设备人工测量牲畜体重参数，或者结合用卷尺测量牲畜长度来推测重量，以获取准确的赔款数值，使用称重设备测重量过程繁琐，特别是人工进行体重参数测量过程中难免与牲畜尸体直接接触，一旦牲畜携带病毒将传染给工作人员，不利于保障工作人员的健康安全。
50.以上述场景为例，为了减少工作人员在测量过程中直接与牲畜接触，目前也有通过现场获取牲畜图像，并基于预训练的神经网络模型来实现自动识别牲畜体重参数的目的。但是在实际应用场景中，对牲畜进行拍照取证时，通常需要工作人员拿着摄像机对牲畜进行拍照，导致拍摄到的图像受到拍照距离和相机焦距等影响因素，同一牲畜在图像中的像素大小无法保证相同，所以原图像无法直接用来训练神经网络模型。因此，为了给图像建立一个基准，能够对不同牲畜之间的个体大小差异通过像素进行体现，本方案利用一个固定大小的参照物，先计算出参照物在拍摄的图像中的尺寸大小，再得出一个缩放比例，根据得到的缩放比例对拍摄到的图像进行缩放处理，得到统一标准比例的图像后，再利用预训练的神经网络模型对同一标准大小的图像进行体重参数识别。
51.工作人员在获取牲畜体重参数之前，需要将参照物平放在死亡牲畜的身上，参照物可以是固定大小的物体，一般选择形状规则如圆形或者矩形，颜色鲜明单一且跟牲畜肤色有较大色差的物体，这样方便后续对参照物进行检测。本方案中优选1元硬币作为参照物。以不掉落并能够被图像拍摄设备(例如摄像头)捕捉到为最佳位置。
52.工作人员在放置好参照物后，开启图像拍摄设备获取牲畜的图像数据，即所述第一图像。需要说明的是，所述图像拍摄设备应当确保能够从牲畜的正上方垂直向下进行拍照，拍照时保证牲畜整个身体都在拍照范围内。
53.在一些实施例中，在所述获取第一图像之前，所述方法还包括：
54.获取初始图像；
55.将所述初始图像输入至预训练好的目标识别模型进行目标识别操作，得到包括至少一个预设标记框的预处理图像，所述预设标记框用于指示所述待测目标或参照物；
56.对所述预处理图像进行图像分割处理，得到至少一张所述第一图像，每张所述第一图像中同类别的预设标记框只有一个。
57.在本实施例中，所述目标识别模型可以基于cnn等模型训练得到，通过对上述列举的任一模型进行训练得到具有识别目标类型能力的目标识别模型。所述初始图像指的是由图像拍摄设备拍摄后未经处理的图像，再将所述初始图像通过目标识别模型进行目标识别
操作后，可以得到包括至少一个预设标记框的预处理图像。需要解释的是，所述预设标记框指的是基于第三方标记工具自动生成的，在经过目标识别模型识别后，待测目标和参照物会在预处理图像上被第三方标记工具框选出来，不同类别的目标可以采用不同颜色或形状的标记框表示，以便区分。
58.在得到所述预处理图像后，由于预处理图像中可能包含不止一个待测目标，可能存在多个待测目标，为了方便后续对参照物进行检测，减少由于同一张图像中存在多个待测目标造成检测结果存在误差，在本实施例中，采用图像分割技术对所述预处理图像进行图像分割处理，得到至少一张第一图像，每张第一图像中同类别的预设标记框只有一个。
59.在一些实施例中，所述预设标记框包括用于指示所述待测目标的第一标记框，及用于指示所述参照物的第二标记框，在所述对所述预处理图像进行图像分割处理之后，所述方法还包括：
60.判断所述预处理图像经图像分割处理得到的中间图像中是否同时包含所述第一标记框及第二标记框；
61.将同时包含所述第一标记框及第二标记框的中间图像作为所述第一图像。
62.在本实施例中，由于本方案能够得以实现主要是依赖对待测目标与参照物的检测分析，因此为了确保后续对待测目标的检测顺利进行，需要确定所获取的第一图像中同时包含待测目标与参照物。
63.具体地，通过判断预处理图像经图像分割处理得到的中间图像中是否同时包含所述第一标记框及第二标记框，将同时包含所述第一标记框及第二标记框的中间图像作为所述第一图像。
64.在判断所述中间图像中不同时存在所述第一标记框及第二标记框时，说明参照物可能从待测目标身上掉落，若第一图像中缺乏参照物将会直接影响后续对待测目标的体重参数获取。此时，需要生成异常提醒信息及时发送给工作人员，指示所述待测目标与参照物绑定异常。
65.步骤102，基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例。
66.在本实施例中，通过获取所述参照物对应的预设标记框在第一图像中的顶点坐标，根据所述顶点坐标计算参照物在第一图像中的尺寸参数，根据尺寸参数与参照物的预设尺寸计算缩放比例。需要解释的是，所述预设尺寸指的是预先规定好的一个数值，可以是小于参照物在第一图像中的尺寸参数，也可以是参照物的真实尺寸。
67.具体地，首先获取参照物对应的预设标记框(在此以矩形框为例)在第一图像中的坐标(x1,y1)、(x2,y2)，其中(x1,y1)表示预设标记框左上角的坐标点，(x2,y2)表示预设标记框右下角的坐标点，计算直径d＝(x
2-x1+y
2-y1)/2，计算图像缩放比例r＝10/d。
68.在一优选实施例中，在所述将所述第二图像输入至预训练的体重识别模型进行体重识别操作之前，所述方法还包括：
69.获取所述第二图像中每一像素点的所有通道的颜色分量值；
70.分别对所有通道的所述颜色分量值进行镜像填充，以使所述第二图像的尺寸大小为m
×
n。
71.在本实施例中，通过对缩放后的第二图像的边框进行镜像填充，填充的像素值为
(0,0,0)，使得第二图像的大小为m
×
n(例如448
×
448)，从而让第二图像左右两边填充的宽度一样，同理上下两条边也一样，整体呈现待测目标位于第二图像的中间位置，便于后续进行体重参数识别操作时对待测目标的识别检测。
72.步骤103，根据所述缩放比例调整所述第一图像的尺寸，得到第二图像。
73.在本实施例中，根据缩放比例调整第一图像的尺寸，得到比例大小与预先规定一致的第二图像。
74.在一优选实施例中，还可以根据待测目标对应的预设标记框的坐标对第一图像进行截取后，基于缩放比例对第一图像进行缩放得到第二图像。
75.步骤104，将所述第二图像输入至预训练的体重识别模型进行体重识别操作，得到所述第二图像中待测目标的体重数据。
76.需要说明的是，体重识别模型可以基于基于cnn等模型训练得到。
77.cnn由于其强大的视觉表示学习能力，cnn这种局部信息建模的结构充分使用了空间局部性和平移等边性。resnet作为cnn模型中的佼佼者，解决了深度网络的退化问题，通过引入残差模块，成功训练出非常深层的神经网络模型，并且在当时imagenet上取得了非常优异的成绩。
78.resnet常用的模型有resnet50和resnet101，50和101分别表示模型中卷积层的数量，这里选用resnet50。resnet50的网络结构中首尾分别是一个卷积层和池化层，中间是若干个带有不同卷积核尺寸的bottleneck结构，每个bottleneck结构由卷积层、bn层和激活函数组成。对resnet50进行回归训练，输出为体重参数。采用均方差损失函数mse(mean squared error)作为损失函数，mse的计算方式如下
[0079][0080]
其中，m是样本的个数，yi为图像对应的体重数据，为神经网络最后全连接层的输出值。对所有样本数据分批次进行迭代训练，当mse误差小于阈值的时候，停止训练，此时的模型就是最终的体重识别模型。
[0081]
体重识别模型的训练过程包括：
[0082]
获取待训练的体重识别模型的训练样本，所述训练样本包括设置有标签的图像数据，所述标签用于指示所述图像数据的体重参数；
[0083]
通过所述待训练的体重识别模型对所述训练样本中图像数据进行特征提取，得到与所述图像数据对应的图像特征向量；
[0084]
通过所述待训练的体重识别模型，基于所述图像特征向量识别所述训练样本中的图像数据的体重参数，得到所述图像数据的识别结果；
[0085]
基于所述识别结果及所述图像数据的标签，调整所述待训练的体重识别模型的参数，得到所述预训练的体重识别模型。
[0086]
上述所有可选技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
[0087]
具体实施时，本技术不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。
[0088]
由上可知，本技术实施例提供的牲畜体重识别方法通过获取待测目标在预设时间段内的多个文本数据；将所述多个目标数据通过预训练的体重识别模型进行状态判别操作，得到所述待测目标的存亡状态；根据所述存亡状态判断是否发出提醒信息。本技术实施例利用固定大小的参照物，先计算出参照物在拍摄的第一图像中的尺寸大小，再计算得出缩放比例，根据得到的缩放比例对第一图像进行缩放处理，得到统一标准比例的第二图像后，再利用预训练的体重识别模型对第二图像进行体重参数识别，能够避免工作人员频繁与牲畜直接接触，对于体重参数的获取过程简单且精准度高。
[0089]
本技术实施例还提供一种牲畜体重识别装置，所述牲畜体重识别装置可以集成在终端设备中。所述终端设备可以是电视机、智能手机、平板电脑等设备。
[0090]
请参阅图2，图2为本技术实施例提供的牲畜体重识别装置的结构示意图。牲畜体重识别装置30可以包括：
[0091]
第一获取模块31，用于获取第一图像，其中，所述第一图像包括待测目标，及与所述待测目标绑定的参照物；
[0092]
确定模块32，用于基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例；
[0093]
调整模块33，用于根据所述缩放比例调整所述第一图像的尺寸，得到第二图像；
[0094]
识别模块34，用于将所述第二图像输入至预训练的体重识别模型进行体重识别操作，得到所述第二图像中待测目标的体重数据。
[0095]
在一些实施例中，所述装置还包括第二获取模块，用于获取初始图像；将所述初始图像输入至预训练好的目标识别模型进行目标识别操作，得到包括至少一个预设标记框的预处理图像，所述预设标记框用于指示所述待测目标或参照物；对所述预处理图像进行图像分割处理，得到至少一张所述第一图像，每张所述第一图像中同类别的预设标记框只有一个。
[0096]
在一些实施例中，所述装置还包括第一判断模块，用于判断所述预处理图像经图像分割处理得到的中间图像中是否同时包含所述第一标记框及第二标记框；将同时包含所述第一标记框及第二标记框的中间图像作为所述第一图像。
[0097]
在一些实施例中，所述装置还包括第二判断模块，用于在判断所述中间图像中不同时存在所述第一标记框及第二标记框时，生成异常提醒信息，所述异常提醒信息用于指示所述待测目标与参照物绑定异常。
[0098]
在一些实施例中，所述确定模块32，用于获取所述参照物对应的预设标记框在第一图像中的顶点坐标；根据所述顶点坐标计算所述参照物在所述第一图像中的尺寸参数；根据所述尺寸参数与所述参照物的预设尺寸计算所述缩放比例。
[0099]
在一些实施例中，所述装置还包括填充模块，用于获取所述第二图像中每一像素点的所有通道的颜色分量值；分别对所有通道的所述颜色分量值进行镜像填充，以使所述第二图像的尺寸大小为m
×
n。
[0100]
在一些实施例中，所述装置还包括预训练模块，用于获取待训练的体重识别模型的训练样本，所述训练样本包括设置有标签的图像数据，所述标签用于指示所述图像数据的体重参数；通过所述待训练的体重识别模型对所述训练样本中图像数据进行特征提取，得到与所述图像数据对应的图像特征向量；通过所述待训练的体重识别模型，基于所述图
像特征向量识别所述训练样本中的图像数据的体重参数，得到所述图像数据的识别结果；基于所述识别结果及所述图像数据的标签，调整所述待训练的体重识别模型的参数，得到所述预训练的体重识别模型。
[0101]
具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现。
[0102]
由上可知，本技术实施例提供的牲畜体重识别装置30，通过第一获取模块31获取第一图像，其中，所述第一图像包括待测目标，及与所述待测目标绑定的参照物；确定模块32基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例；调整模块33根据所述缩放比例调整所述第一图像的尺寸，得到第二图像；识别模块34将所述第二图像输入至预训练的体重识别模型进行体重识别操作，得到所述第二图像中待测目标的体重数据。
[0103]
请参阅图3，图3为本技术实施例提供的牲畜体重识别装置的另一结构示意图，牲畜体重识别装置30包括存储器120、一个或多个处理器180、以及一个或多个应用程序，其中该一个或多个应用程序被存储于该存储器120中，并配置为由该处理器180执行；该处理器180可以包括第一获取模块31、确定模块32，调整模块33，以及识别模块34。例如，以上各个部件的结构和连接关系可以如下：
[0104]
存储器120可用于存储应用程序和数据。存储器120存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器180通过运行存储在存储器120的应用程序，从而执行各种功能应用以及数据处理。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器120还可以包括存储器控制器，以提供处理器180对存储器120的访问。
[0105]
处理器180是装置的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器120内的应用程序，以及调用存储在存储器120内的数据，执行装置的各种功能和处理数据，从而对装置进行整体监控。可选的，处理器180可包括一个或多个处理核心；优选的，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等。
[0106]
具体在本实施例中，处理器180会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器120中，并由处理器180来运行存储在存储器120中的应用程序，从而实现各种功能：
[0107]
第一获取模块31，用于获取第一图像，其中，所述第一图像包括待测目标，及与所述待测目标绑定的参照物；
[0108]
确定模块32，用于基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例；
[0109]
调整模块33，用于根据所述缩放比例调整所述第一图像的尺寸，得到第二图像；
[0110]
识别模块34，用于将所述第二图像输入至预训练的体重识别模型进行体重识别操作，得到所述第二图像中待测目标的体重数据。
[0111]
在一些实施例中，所述装置还包括第二获取模块，用于获取初始图像；将所述初始图像输入至预训练好的目标识别模型进行目标识别操作，得到包括至少一个预设标记框的
预处理图像，所述预设标记框用于指示所述待测目标或参照物；对所述预处理图像进行图像分割处理，得到至少一张所述第一图像，每张所述第一图像中同类别的预设标记框只有一个。
[0112]
在一些实施例中，所述装置还包括第一判断模块，用于判断所述预处理图像经图像分割处理得到的中间图像中是否同时包含所述第一标记框及第二标记框；将同时包含所述第一标记框及第二标记框的中间图像作为所述第一图像。
[0113]
在一些实施例中，所述装置还包括第二判断模块，用于在判断所述中间图像中不同时存在所述第一标记框及第二标记框时，生成异常提醒信息，所述异常提醒信息用于指示所述待测目标与参照物绑定异常。
[0114]
在一些实施例中，所述确定模块32，用于获取所述参照物对应的预设标记框在第一图像中的顶点坐标；根据所述顶点坐标计算所述参照物在所述第一图像中的尺寸参数；根据所述尺寸参数与所述参照物的预设尺寸计算所述缩放比例。
[0115]
在一些实施例中，所述装置还包括填充模块，用于获取所述第二图像中每一像素点的所有通道的颜色分量值；分别对所有通道的所述颜色分量值进行镜像填充，以使所述第二图像的尺寸大小为m
×
n。
[0116]
在一些实施例中，所述装置还包括预训练模块，用于获取待训练的体重识别模型的训练样本，所述训练样本包括设置有标签的图像数据，所述标签用于指示所述图像数据的体重参数；通过所述待训练的体重识别模型对所述训练样本中图像数据进行特征提取，得到与所述图像数据对应的图像特征向量；通过所述待训练的体重识别模型，基于所述图像特征向量识别所述训练样本中的图像数据的体重参数，得到所述图像数据的识别结果；基于所述识别结果及所述图像数据的标签，调整所述待训练的体重识别模型的参数，得到所述预训练的体重识别模型。
[0117]
本技术实施例还提供一种终端设备。所述终端设备可以是智能手机、电脑、平板电脑等设备。
[0118]
请参阅图4，图4示出了本技术实施例提供的终端设备的结构示意图，该终端设备可以用于实施上述实施例中提供的牲畜体重识别方法。该终端设备1200可以为电视机或智能手机或平板电脑。
[0119]
如图4所示，终端设备1200可以包括rf(radio frequency，射频)电路110、包括有一个或一个以上(图中仅示出一个)计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、传输模块170、包括有一个或者一个以上(图中仅示出一个)处理核心的处理器180以及电源190等部件。本领域技术人员可以理解，图4中示出的终端设备1200结构并不构成对终端设备1200的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
[0120]
rf电路110用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。rf电路110可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(sim)卡、存储器等等。rf电路110可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。
[0121]
存储器120可用于存储软件程序以及模块，如上述实施例中牲畜体重识别方法对
应的程序指令/模块，处理器180通过运行存储在存储器120内的软件程序以及模块，从而执行各种功能应用以及数据处理，可以根据终端设备所处的当前场景来自动选择振动提醒模式来进行牲畜体重识别，既能够保证会议等场景不被打扰，又能保证用户可以感知来电，提升了终端设备的智能性。存储器120可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器120可进一步包括相对于处理器180远程设置的存储器，这些远程存储器可以通过网络连接至终端设备1200。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0122]
输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器180，并能接收处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
[0123]
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端设备1200的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141，可选的，可以采用lcd(liquid crystal display，液晶显示器)、oled(organic light-emitting diode,有机发光二极管)等形式来配置显示面板141。进一步的，触敏表面131可覆盖显示面板141，当触敏表面131检测到在其上或附近的触摸操作后，传送给处理器180以确定触摸事件的类型，随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图4中，触敏表面131与显示面板141是作为两个独立的部件来实现输入和输出功能，但是在某些实施例中，可以将触敏表面131与显示面板141集成而实现输入和输出功能。
[0124]
终端设备1200还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在终端设备1200移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端设备1200还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
[0125]
音频电路160、扬声器161，传声器162可提供用户与终端设备1200之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161
转换为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器180处理后，经rf电路110以发送给比如另一终端，或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔，以提供外设耳机与终端设备1200的通信。
[0126]
终端设备1200通过传输模块170(例如wi-fi模块)可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图4示出了传输模块170，但是可以理解的是，其并不属于终端设备1200的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
[0127]
处理器180是终端设备1200的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行终端设备1200的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器180可包括一个或多个处理核心；在一些实施例中，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。
[0128]
终端设备1200还包括给各个部件供电的电源190，在一些实施例中，电源可以通过电源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
[0129]
尽管未示出，终端设备1200还可以包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等，在此不再赘述。具体在本实施例中，终端设备1200的显示单元140是触摸屏显示器，终端设备1200还包括有存储器120，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器120中，且经配置以由一个或者一个以上处理器180执行一个或者一个以上程序包含用于进行以下操作的指令：
[0130]
第一获取指令，用于获取第一图像，其中，所述第一图像包括待测目标，及与所述待测目标绑定的参照物；
[0131]
确定指令，用于基于所述参照物在所述第一图像中的位置坐标，确定所述待测目标相对于预设尺寸的缩放比例；
[0132]
调整指令，用于根据所述缩放比例调整所述第一图像的尺寸，得到第二图像；
[0133]
识别指令，用于将所述第二图像输入至预训练的体重识别模型进行体重识别操作，得到所述第二图像中待测目标的体重数据。
[0134]
在一些实施例中，所述程序还包括第二获取指令，用于获取初始图像；将所述初始图像输入至预训练好的目标识别模型进行目标识别操作，得到包括至少一个预设标记框的预处理图像，所述预设标记框用于指示所述待测目标或参照物；对所述预处理图像进行图像分割处理，得到至少一张所述第一图像，每张所述第一图像中同类别的预设标记框只有一个。
[0135]
在一些实施例中，所述程序还包括第一判断指令，用于判断所述预处理图像经图像分割处理得到的中间图像中是否同时包含所述第一标记框及第二标记框；将同时包含所述第一标记框及第二标记框的中间图像作为所述第一图像。
[0136]
在一些实施例中，所述程序还包括第二判断指令，用于在判断所述中间图像中不同时存在所述第一标记框及第二标记框时，生成异常提醒信息，所述异常提醒信息用于指示所述待测目标与参照物绑定异常。
[0137]
在一些实施例中，所述确定指令，用于获取所述参照物对应的预设标记框在第一图像中的顶点坐标；根据所述顶点坐标计算所述参照物在所述第一图像中的尺寸参数；根据所述尺寸参数与所述参照物的预设尺寸计算所述缩放比例。
[0138]
在一些实施例中，所述程序还包括填充指令，用于获取所述第二图像中每一像素点的所有通道的颜色分量值；分别对所有通道的所述颜色分量值进行镜像填充，以使所述第二图像的尺寸大小为m
×
n。
[0139]
在一些实施例中，所述程序还包括预训练指令，用于获取待训练的体重识别模型的训练样本，所述训练样本包括设置有标签的图像数据，所述标签用于指示所述图像数据的体重参数；通过所述待训练的体重识别模型对所述训练样本中图像数据进行特征提取，得到与所述图像数据对应的图像特征向量；通过所述待训练的体重识别模型，基于所述图像特征向量识别所述训练样本中的图像数据的体重参数，得到所述图像数据的识别结果；基于所述识别结果及所述图像数据的标签，调整所述待训练的体重识别模型的参数，得到所述预训练的体重识别模型。
[0140]
本技术实施例还提供一种终端设备。所述终端设备可以是智能手机、电脑等设备。
[0141]
由上可知，本技术实施例提供了一种终端设备1200，所述终端设备1200执行以下步骤：
[0142]
本技术实施例还提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，所述计算机执行上述任一实施例所述的牲畜体重识别方法。
[0143]
需要说明的是，对本技术所述牲畜体重识别方法而言，本领域普通测试人员可以理解实现本技术实施例所述牲畜体重识别方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读存储介质中，如存储在终端设备的存储器中，并被该终端设备内的至少一个处理器执行，在执行过程中可包括如所述牲畜体重识别方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)等。
[0144]
对本技术实施例的所述牲畜体重识别装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。
[0145]
以上对本技术实施例所提供的牲畜体重识别方法、装置、存储介质及终端设备进行了详细介绍。本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。