活体检测方法、装置、系统和计算机可读存储介质与流程

本公开涉及计算机技术领域，特别涉及一种活体检测方法、装置、系统和计算机可读存储介质。

背景技术：

随着网络信息技术的快速发展，农业信息化需求越来越迫切，而已有的互联网技术远远不能满足目前更加深入、更加复杂、更加智能的应用需求，“物联网”在此背景下应运而生，为智能农业的发展提供了前所未有的机遇。

鱼苗活力是养殖户挑选鱼苗时的重要关注点。但是，在智慧水产养殖培育方面，物联网技术还未进行广泛的应用，养殖户对于鱼苗选取除了人眼观察之外仍然没有较好的方法。

技术实现要素：

本公开所要解决的一个技术问题是：提出一种自动化的活体活力检测方法，可用于水产养殖领域，提高活体选取效率和准确性。

根据本公开的一些实施例，提供的一种活体检测方法，包括：获取连续拍摄活体的多帧近红外图像；根据活体的近红外特征区分不同的活体；根据各个活体在不同帧的近红外图像中的位置，确定活体的活力值。

在一些实施例中，根据活体的近红外特征区分不同的活体包括：根据近红外光照射在活体上形成的光谱特征区分不同的活体。

在一些实施例中，根据活体的近红外特征区分不同的活体还包括：根据近红外光照射在物体上形成的光谱特征区分活体和杂物；在近红外图像上去除杂物的图像。

在一些实施例中，根据各个活体在不同帧的近红外图像中的位置，确定活体的活力值包括：根据活体群体中各个活体在不同帧的近红外图像中的位置，确定各个活体在拍摄时间内移动的距离；根据活体群体中活体的平均移动距离与第一阈值的对比，确定活体群体的活力值。

在一些实施例中，根据各个活体在不同帧的近红外图像中的位置，确定活体在拍摄时间内移动的距离包括：根据活体在第一帧近红外图像中的位置和在最后一帧近红外图像中的位置，确定活体在拍摄时间内移动的距离。

在一些实施例中，根据各个活体在不同帧的近红外图像中的位置，确定活体在拍摄时间内移动的距离还包括：选取在拍摄时间内移动的距离小于第二阈值的活体；根据选取的活体在每相邻两帧近红外图像间移动的距离，重新确定活体在拍摄时间内移动的距离。

根据本公开的另一些实施例，提供的一种活体检测装置，包括：近红外图像获取模块，用于获取连续拍摄活体的多帧近红外图像；活体识别模块，用于根据活体的近红外特征区分不同的活体；活力值确定模块，用于根据各个活体在不同帧的近红外图像中的位置，确定活体的活力值。

在一些实施例中，活体识别模块用于根据近红外光照射在活体上形成的光谱特征区分不同的活体。

在一些实施例中，该装置还包括：杂物去除模块，用于根据近红外光照射在物体上形成的光谱特征区分活体和杂物；在近红外图像上去除杂物的图像。

在一些实施例中，活力值确定模块用于根据活体群体中各个活体在不同帧的近红外图像中的位置，确定各个活体在拍摄时间内移动的距离；根据活体群体中活体的平均移动距离与第一阈值的对比，确定活体群体的活力值。

在一些实施例中，活力值确定模块用于根据活体在第一帧近红外图像中的位置和在最后一帧近红外图像中的位置，确定活体在拍摄时间内移动的距离。

在一些实施例中，活力值确定模块还用于选取在拍摄时间内移动的距离小于第二阈值的活体；根据选取的活体在每相邻两帧近红外图像间移动的距离，重新确定活体在拍摄时间内移动的距离。

根据本公开的又一些实施例，提供的一种活体检测装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行如前述任意实施例的活体检测方法。

根据本公开的再一些实施例，提供的一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任意实施例的活体检测方法。

根据本公开的又一些实施例，提供的一种活体检测系统，包括：前述任意实施例的活体检测装置；以及近红外拍摄装置，用于连续拍摄活体的多帧近红外图像。

本公开中利用活体的近红外图像来识别不同的活体，根据活体在不同近红外图像中的位置，确定活体的活力值。本公开的方案可以应用于水产养殖领域，利用近红外光的特征，区分弱小目标的鱼苗、虾苗等，可以实现自动化的鱼苗、虾苗等活力检测，提高鱼苗、虾苗等水产养殖活体的选取效率和准确性。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术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公开的一些实施例，对于本领域普通技术人员来讲，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。

图1示出本公开的一些实施例的活体检测方法的流程示意图。

图2示出本公开的另一些实施例的活体检测方法的流程示意图。

图3示出本公开的一些实施例的活体检测装置的结构示意图。

图4示出本公开的另一些实施例的活体检测装置的结构示意图。

图5示出本公开的又一些实施例的活体检测装置的结构示意图。

图6示出本公开的一些实施例的活体检测系统的结构示意图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，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，都属于本公开保护的范围。

针对目前水产养殖户挑选鱼苗、虾苗等仅能依靠人眼观察，效率低且不准确的问题，提出本方案。下面结合图1描述本公开的活体检测方法。

图1为本公开活体检测方法一些实施例的流程图。如图1所示，该实施例的方法包括：步骤s102～s106。

在步骤s102中，获取连续拍摄活体的多帧近红外图像。

近红外图像是通过传感器接收目标反射或辐射的近红外谱段所形成的图像，可以采用高速近红外摄像机拍摄活体的近红外图像。进一步，近红外图像还可以包括利用近红外光谱仪获取的近红外光谱图像。活体包括体积小于阈值的弱小活体，弱小活体例如为鱼苗、虾苗等。这种类型的活体采用通常的摄像手段难以进行区分，近红外光线对于不同物质(例如，水、蛋白、脂肪)的反射光线的波长或光线的吸收率等有较为明显的区分，常用于检测蛋白质、脂肪含量等方案，因此可以利用活体的近红外图像进行活体的目标识别。连续拍摄活体是为了后续追踪活体的移动情况。例如，使用高速近红外摄像机连续拍摄ts，假设每秒m帧，则图像总数为mt张。

在步骤s104中，根据活体的近红外特征区分不同的活体。

由于鱼苗、虾苗等弱小活体一般都是成群养殖，因此，拍摄的近红外图像中一般包含多个活体形成的活体群体。利用近红外特征可以区分群体中不同的活体。进一步，可以计算近红外图像中活体的数量。针对鱼苗、虾苗这种活动的弱小活体在统计数量方面也比较困难，一般通过人工计数的方法，结果不准确。通过近红外图像统计活体数量更加准确。

在一些实施例中，根据近红外光照射在活体上形成的光谱特征区分不同的活体。近红外光照射在活体上部分会被吸收，部分会反射。不同活体的蛋白质、脂肪、水分等的含量不同，导致近红外光的吸收率、反射情况等均不同。近红外图像拍摄装置通过接收不同活体反射的近红外光线形成图像，同时可以测得不同点的近红外光吸收率，反射波长等光谱信息。

近红外特征包括像素特征和近红外光谱特征。首先，通过近红外成像技术，可以得出活体的图像，通过图像目标检测技术，可以区分出不同的活体所在的位置，例如，识别出一个位置范围内是一条鱼苗，另一个位置范围内是另一条鱼苗。进一步，在一副图像中根据活体的位置与该位置的近红外光谱特征进行关联，确定该位置的活体的近红外光谱特征，例如，识别一条鱼苗的近红外光谱特征。进一步，在不同图像中，根据活体的近红外光谱特征相似性，从而确定不同图像中的同一活体。

图像中目标检测技术，可以采用现有技术中的算法。例如采用神经网络模型，利用鱼苗的图像对神经网络模型进行训练，识别出鱼苗的特征，进一步，利用训练好的神经网络模型从图像中识别出鱼苗。图像目标检测能够识别出图像中的活体，但由于鱼苗等弱小活体，特征识别困难无法准确识别出不同图像中的同一活体。因此，结合图像中不同点的近红外光谱特征可以进行图像中的目标跟踪。

在步骤s106中，根据各个活体在不同帧的近红外图像中的位置，确定活体的活力值。

在一些实施例中，根据活体群体中各个活体在不同帧的近红外图像中的位置，确定各个活体在拍摄时间内移动的距离。根据活体群体中活体的平均移动距离与第一阈值的对比，确定活体群体的活力值。

进一步，根据活体在第一帧近红外图像中的位置和在最后一帧近红外图像中的位置，确定活体在拍摄时间内移动的距离。仅选取第一帧和最后一帧近红外图像计算活体的移动距离，可以减少计算量，提高计算效率。

由于鱼苗、虾苗等弱小活体一般群体养殖，并且观测群体的活力，因此，可以根据活体群体中活体的平均移动距离确定整个活体群体的活力值。根据活体的近红外特征可以在不同图像中识别出同一活体，进而将不同帧图像中该活体的位置进行坐标差值计算，从而确定该活体的移动距离。进一步，将各个活体移动的距离取平均值，可以得到活体群体中活体的平均移动距离，即n为活体的数量，li为第i个活体移动的距离，i表示活体的编号，为正整数，1≤i≤n。

进一步，可以将活体群体中活体的平均移动距离与第一阈值的比值，作为活体群体的活力值，即η＝l/lth，l表示活体群体中活体的平均移动距离，lth表示第一阈值。第一阈值例如为活体群体中活体的最大移动距离，或者，根据历史统计得到的正常活体在与拍摄时长等长的时间内的平均移动距离等。通过活体的移动可以判断出活体活力如何。

在一些实施例中，可以确定各个活体在拍摄时间内移动的平均速度，根据活体群体中活体的平均移动速度与速度阈值的对比，确定活体群体的活力值。一个活体的移动的平均速度为移动距离与拍摄时间的比值。活体群体中活体的平均移动速度例如表示为n为活体的数量，li为第i个活体移动的距离，i表示活体的编号，为正整数，1≤i≤n，t为拍摄时间。活体群体的活力值可以表示为η＝v/vth，v表示活体群体中活体的平均移动速度，vth表示速度阈值。速度阈值例如为活体群体中活体的最大移动速度，或者，根据历史统计得到的正常活体的平均移动速度等。

上述实施例的方法中利用活体的近红外图像来识别不同的活体，根据活体在不同近红外图像中的位置，确定活体的活力值。上述实施例的方案可以应用于水产养殖领域，利用近红外光的特征，区分弱小目标的鱼苗、虾苗等，可以实现自动化的鱼苗、虾苗等活力检测，提高鱼苗、虾苗等水产养殖活体的选取效率和准确性。

下面结合图2描述本公开活体检测方法的另一些实施例。

图2为本公开活体检测方法另一些实施例的流程图。如图2所示，该实施例的方法包括：步骤s202～s214。

在步骤s202中，连续拍摄活体的多帧近红外图像。

在步骤s204中，根据近红外特征区分活体和杂物，在近红外图像上去除杂物的图像。

在一些实施例中，根据近红外光照射在物体上形成的光谱特征区分活体和杂物，在近红外图像上去除杂物的图像。例如，水池中会存在浮游生物、颗粒状物体等非鱼苗杂质，利用近红外特征可以区分活体和杂物。例如，根据近红外光线反射波长或近红外光线吸收率，确定图像中不同点属于活体还是杂物，从而将杂物的图像去除。根据历史统计的活体的反射波长或近红外光线吸收率确定对应的阈值范围，可以将不属于该范围的近红外光的反射点剔除掉。

在步骤s206中，根据活体的近红外特征区分不同的活体。

在步骤s208中，根据活体在第一帧近红外图像中的位置和在最后一帧近红外图像中的位置，确定活体在拍摄时间内移动的距离。

在步骤s210中，选取在拍摄时间内移动的距离小于第二阈值的活体。

由于活体可能存在反复移动的问题，因此，仅根据第一帧和最后一帧图像统计活体的移动距离可能不准确。为了进一步提高准确率，选取移动距离小于第二阈值的活体，这些活体可能存在反复移动的状况，后续重新确定移动距离。第二阈值例如为根据第一帧近红外图像中的位置和在最后一帧近红外图像确定的活体群体的平均移动距离，或者经验值等。

在步骤s212中，根据选取的活体在每相邻两帧近红外图像间移动的距离，重新确定活体在拍摄时间内移动的距离。

选取的活体可能存在反复移动，因此，需要利用连续拍摄的每帧近红外图像确定活体的实际移动距离。将每相邻两帧近红外图像间移动的距离相加，得到活体的实际移动距离，作为活体在拍摄时间内移动的距离。

在一些实施例中，从每秒拍摄的近红外图像中选取一帧近红外图像，根据选取的活体在每相邻两秒中选取的近红外图像间移动的距离，重新确定活体在拍摄时间内移动的距离。高速摄像机每秒可能拍摄很多帧图像，为了减少计算量，可以从每秒拍摄的近红外图像中选取一帧，选取的各帧可以为每秒拍摄的图像中时间顺序相同的帧。例如，每秒拍摄10帧图像，可以选取每秒中第5帧图像。

可以根据实际需求设置选取哪些帧的近红外图像计算活体移动的距离，不限于所举示例，选取的帧数越多计算量越大，计算精度越高。

在步骤s214中，根据活体群体中活体的平均移动距离，确定活体的活力值。

上述实施例的方法，根据不同帧的近红外图像中活体的位置，确定活体的移动情况，针对活体反复移动的情况，重新利用多帧图像确定活体的移动距离，从而提高了活体的活体值的准确率。

本公开还提供一种活体检测装置，下面结合图3进行描述。

图3为本公开活体检测装置的一些实施例的结构图。如图3所示，该实施例的装置30包括：近红外图像获取模块302，活体识别模块304，活力值确定模块306，

近红外图像获取模块302，用于获取连续拍摄活体的多帧近红外图像。

活体识别模块304，用于根据活体的近红外特征区分不同的活体。

在一些实施例中，活体识别模块304用于根据近红外光照射在活体上形成的光谱特征区分不同的活体。

在一些实施例中，装置30还包括：杂物去除模块303，用于根据近红外光照射在物体上形成的光谱特征区分活体和杂物；在近红外图像上去除杂物的图像。

活力值确定模块306，用于根据各个活体在不同帧的近红外图像中的位置，确定活体的活力值。

在一些实施例中，活力值确定模块306用于根据活体群体中各个活体在不同帧的近红外图像中的位置，确定各个活体在拍摄时间内移动的距离；根据活体群体中活体的平均移动距离与第一阈值的对比，确定活体群体的活力值。

在一些实施例中，活力值确定模块306用于根据活体在第一帧近红外图像中的位置和在最后一帧近红外图像中的位置，确定活体在拍摄时间内移动的距离。

在一些实施例中，活力值确定模块306还用于选取在拍摄时间内移动的距离小于第二阈值的活体；根据选取的活体在每相邻两帧近红外图像间移动的距离，重新确定活体在拍摄时间内移动的距离。

本公开的实施例中的活体检测装置可各由各种计算设备或计算机系统来实现，下面结合图4以及图5进行描述。

图4为本公开活体检测装置的一些实施例的结构图。如图4所示，该实施例的装置40包括：存储器410以及耦接至该存储器410的处理器420，处理器420被配置为基于存储在存储器410中的指令，执行本公开中任意一些实施例中的活体检测方法。

其中，存储器410例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(bootloader)、数据库以及其他程序等。

图5为本公开活体检测装置的另一些实施例的结构图。如图5所示，该实施例的装置50包括：存储器510以及处理器520，分别与存储器410以及处理器420类似。还可以包括输入输出接口530、网络接口540、存储接口550等。这些接口530，540，550以及存储器510和处理器520之间例如可以通过总线560连接。其中，输入输出接口530为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口540为各种联网设备提供连接接口，例如可以连接到数据库服务器或者云端存储服务器等。存储接口550为sd卡、u盘等外置存储设备提供连接接口。

本公开还提供一种活体检测系统，下面结合图6进行描述。

图6为本公开活体检测系统的一些实施例的结构图。如图6所示，该实施例的系统6包括：前述任意实施例的活体检测装置30/40/50，以及近红外拍摄装置62，用于连续拍摄活体的多帧近红外图像。

本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。