本申請屬于人工智能，具體涉及一種復雜場景下的豬體圖像處理方法及其相關設備。

背景技術：

1、在養(yǎng)豬場保險理賠場景下，豬體圖像處理技術扮演著至關重要的角色，主要用于確認豬只的身份、測量其體長和體重，以及評估其死亡原因等，從而確保理賠過程的公正性和準確性。

2、目前，市面上的所有產(chǎn)品中關于豬體分割部分都是采用了基于深度學習的豬體分割模型。但是在很多實際應用場景中，都會出現(xiàn)各種意外情形，比如豬體之間會有相互遮擋的情況，再比如豬體上面會覆蓋有用來測量的參考物(比如a4紙)的情況，再比如豬體放置的背景非常接近于豬體本身顏色花色的情況。在這些情況下，通過深度學習分割模型進行豬體識別，得到準確度較低的豬體圖像分割結(jié)果，會對后續(xù)豬體大小和體重的預估造成很大的影響。

技術實現(xiàn)思路

1、本申請實施例的目的在于提出一種復雜場景下的豬體圖像處理方法、裝置、計算機設備及存儲介質(zhì)，以解決現(xiàn)有豬體分割模型存在的豬體圖像分割準確度較低，導致后續(xù)豬體大小和體重的預估不準確的技術問題。

2、為了解決上述技術問題，本申請實施例提供一種復雜場景下的豬體圖像處理方法，采用了如下所述的技術方案：

3、一種復雜場景下的豬體圖像處理方法，包括：

4、獲取歷史豬體圖像，識別歷史豬體圖像中的豬體閉合輪廓曲線，并對豬體閉合輪廓曲線進行標注，得到曲線標注點；

5、對曲線標注點進行離散化處理，得到曲線離散點，并計算曲線離散點的單位切向量和曲率；

6、基于曲線離散點的單位切向量和曲率對曲線離散點進行聚類運算，確定曲線離散點的曲率中心；

7、根據(jù)曲率中心和預設的形狀概率算法對曲線離散點進行粗粒度優(yōu)化，得到第一曲線優(yōu)化結(jié)果；

8、根據(jù)預設的區(qū)域競爭算法對曲線離散點進行細粒度形狀優(yōu)化，得到第二曲線優(yōu)化結(jié)果；

9、基于第一曲線優(yōu)化結(jié)果和第二曲線優(yōu)化結(jié)果調(diào)整豬體閉合輪廓曲線；

10、將完成豬體閉合輪廓曲線調(diào)整后的歷史豬體圖像作為訓練數(shù)據(jù)集，訓練豬體圖像處理模型；

11、獲取待處理豬體圖像，將待處理豬體圖像輸入到豬體圖像處理模型，得到豬體圖像處理結(jié)果。

12、為了解決上述技術問題，本申請實施例還提供一種復雜場景下的豬體圖像處理裝置，采用了如下所述的技術方案：

13、一種復雜場景下的豬體圖像處理裝置，包括：

14、曲線標注模塊，用于獲取歷史豬體圖像，識別歷史豬體圖像中的豬體閉合輪廓曲線，并對豬體閉合輪廓曲線進行標注，得到曲線標注點；

15、離散化處理模塊，用于對曲線標注點進行離散化處理，得到曲線離散點，并計算曲線離散點的單位切向量和曲率；

16、聚類運算模塊，用于基于曲線離散點的單位切向量和曲率對曲線離散點進行聚類運算，確定曲線離散點的曲率中心；

17、第一優(yōu)化模塊，用于根據(jù)曲率中心和預設的形狀概率算法對曲線離散點進行粗粒度優(yōu)化，得到第一曲線優(yōu)化結(jié)果；

18、第二優(yōu)化模塊，用于根據(jù)預設的區(qū)域競爭算法對曲線離散點進行細粒度形狀優(yōu)化，得到第二曲線優(yōu)化結(jié)果；

19、曲線調(diào)整模塊，用于基于第一曲線優(yōu)化結(jié)果和第二曲線優(yōu)化結(jié)果調(diào)整豬體閉合輪廓曲線；

20、模型訓練模塊，用于將完成豬體閉合輪廓曲線調(diào)整后的歷史豬體圖像作為訓練數(shù)據(jù)集，訓練豬體圖像處理模型；

21、圖像處理模塊，用于獲取待處理豬體圖像，將待處理豬體圖像輸入到豬體圖像處理模型，得到豬體圖像處理結(jié)果。

22、為了解決上述技術問題，本申請實施例還提供一種計算機設備，采用了如下所述的技術方案：

23、一種計算機設備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)如上述任一項所述的復雜場景下的豬體圖像處理方法的步驟。

24、為了解決上述技術問題，本申請實施例還提供一種計算機可讀存儲介質(zhì)，采用了如下所述的技術方案：

25、一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如上述中任一項所述的復雜場景下的豬體圖像處理方法的步驟。

26、與現(xiàn)有技術相比，本申請實施例主要有以下有益效果：

27、本申請公開一種復雜場景下的豬體圖像處理方法及其相關設備，屬于人工智能技術領域。首先，獲取歷史豬體圖像，識別出其中的豬體閉合輪廓曲線，并通過標注得到曲線標注點。接著，標注點經(jīng)過離散化處理，生成離散點并計算其單位切向量和曲率。然后，采用聚類算法確定曲線的曲率中心。之后，基于曲率中心與形狀概率算法進行粗粒度優(yōu)化，接著通過區(qū)域競爭算法對曲線進行更精細的形狀優(yōu)化。結(jié)合粗細兩次優(yōu)化結(jié)果，調(diào)整豬體的閉合輪廓曲線，以提高曲線的準確性。隨后，使用調(diào)整后的歷史圖像作為訓練數(shù)據(jù)集，訓練豬體圖像處理模型，最終將該模型用于處理新的待處理豬體圖像，生成相應的圖像處理結(jié)果。本申請通過對曲線離散點的單位切向量和曲率進行計算，利用聚類算法確定關鍵的曲率中心，再結(jié)合形狀概率和區(qū)域競爭算法對豬體輪廓進行粗細粒度的形狀先驗知識優(yōu)化，經(jīng)過這種形狀先驗知識優(yōu)化，可以把豬體分割區(qū)域拉回到正確位置，有效調(diào)整了閉合輪廓曲線，解決了傳統(tǒng)深度學習分割模型在這些復雜場景下分割精度不高的問題，最終提高了豬體大小和體重估算的準確性。

技術特征：

1.一種復雜場景下的豬體圖像處理方法，其特征在于，包括：

2.如權利要求1所述的復雜場景下的豬體圖像處理方法，其特征在于，所述對所述曲線標注點進行離散化處理，得到曲線離散點，并計算所述曲線離散點的單位切向量和曲率的步驟，具體包括：

3.如權利要求1所述的復雜場景下的豬體圖像處理方法，其特征在于，所述基于所述曲線離散點的單位切向量和曲率對所述曲線離散點進行聚類運算，確定所述曲線離散點的曲率中心的步驟，具體包括：

4.如權利要求1所述的復雜場景下的豬體圖像處理方法，其特征在于，所述根據(jù)所述曲率中心和預設的形狀概率算法對所述曲線離散點進行粗粒度優(yōu)化，得到第一曲線優(yōu)化結(jié)果的步驟，具體包括：

5.如權利要求4所述的復雜場景下的豬體圖像處理方法，其特征在于，所述根據(jù)所述第一曲率距離和所述第二曲率距離對所述目標曲線離散點進行粗粒度優(yōu)化，得到第一曲線優(yōu)化結(jié)果的步驟，具體包括：

6.如權利要求4所述的復雜場景下的豬體圖像處理方法，其特征在于，所述根據(jù)預設的區(qū)域競爭算法對所述曲線離散點進行細粒度形狀優(yōu)化，得到第二曲線優(yōu)化結(jié)果的步驟，具體包括：

7.如權利要求6所述的復雜場景下的豬體圖像處理方法，其特征在于，所述基于所述第一曲線優(yōu)化結(jié)果和所述第二曲線優(yōu)化結(jié)果調(diào)整所述豬體閉合輪廓曲線的步驟，具體包括

8.一種復雜場景下的豬體圖像處理裝置，其特征在于，包括：

9.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)如權利要求1至7中任一項所述的復雜場景下的豬體圖像處理方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的復雜場景下的豬體圖像處理方法的步驟。

技術總結(jié)
本申請公開一種復雜場景下的豬體圖像處理方法及其相關設備，屬于人工智能技術領域。首先，獲取歷史豬體圖像，識別出其中的豬體閉合輪廓曲線，并通過標注得到曲線標注點。接著，標注點經(jīng)過離散化處理，生成離散點并計算其單位切向量和曲率。然后，采用聚類算法確定曲線的曲率中心。之后，基于曲率中心與形狀概率算法進行粗粒度優(yōu)化，接著通過區(qū)域競爭算法對曲線進行更精細的形狀優(yōu)化。結(jié)合粗細兩次優(yōu)化結(jié)果，調(diào)整豬體的閉合輪廓曲線。隨后，使用調(diào)整后的歷史圖像作為訓練數(shù)據(jù)集，訓練豬體圖像處理模型，該模型用于處理新的待處理豬體圖像。本申請還涉及區(qū)塊鏈技術領域，豬體圖像存儲在區(qū)塊鏈網(wǎng)絡中。本申請?zhí)岣吡藦碗s場景下的豬體圖像處理的精度。

技術研發(fā)人員：陳超,尹高,劉莉紅,付園園,陳遠旭,樊增建,肖京
受保護的技術使用者：平安科技（深圳）有限公司
技術研發(fā)日：
技術公布日：2025/1/6