(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 202211366906.6 (22)申请日 2022.11.03 (71)申请人 中国平安财产保险股份有限公司 地址 518033 广东省深圳市福田区益田路 5033号平安金融中心12、 13、 38、 39、 40 层 (72)发明人 尹高　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 林丽纯　刘丽华 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/246(2017.01) G06T 7/60(2017.01) G06T 7/70(2017.01)G06V 10/80(2022.01) (54)发明名称 牲畜数量识别方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能， 提供一种牲 畜数量识 别方法、 装置、 设备及存储介质。 该方法获取待识 别牲畜圈内在不同拍摄时刻的多张待识别图像， 对每张待识别图像进行识别处理， 得到牲畜检测 框及检测坐标信息， 根据检测坐标信息计算预测 位置信息， 根据牲畜检测框及预测位置信息计算 代价矩阵， 并更新预设跟踪池， 基于目标图像构 建第一预设索引列表及第二预设索引列表， 基于 更新后的预设跟踪池中的跟踪对象、 第一预设索 引列表及第二预设索引列表能够有效并准确的 识别出牲畜数量。 此外， 本发明还涉及区块链技 术， 所述牲畜 数量可存 储于区块链中。 权利要求书3页 说明书17页 附图2页 CN 115546192 A 2022.12.30 CN 115546192 A 1.一种牲畜 数量识别方法， 其特 征在于， 所述牲畜 数量识别方法包括： 响应于牲畜数量的识别请求， 根据 所述识别请求获取待识别牲畜圈内在不同拍摄时刻 的多张待识别图像； 基于预先训练完成的牲畜检测模型对每张待识别图像进行识别处理， 得到每个牲畜检 测对象在每张待识别图像中的牲畜检测框及所述牲畜检测框的检测坐标信息； 根据所述检测坐标信息迭代计算第一拍摄时刻的待识别图像中每个牲畜检测对象在 第二拍摄时刻的待识别图像中的预测位置信息， 所述第一拍摄时刻小于所述第二拍摄时 刻； 根据所述牲畜检测框及所述预测位置信息计算代价矩阵； 基于所述代价矩阵更新预设跟踪池； 基于所述多张待识别图像中的目标图像构建第一预设索引列表及第二预设索引列表； 基于更新后的预设跟踪池中的跟踪对象、 所述第 一预设索引列表及所述第 二预设索引 列表识别所述待识别牲畜圈内的牲畜 数量。 2.如权利要求1所述的牲畜数量识别方法， 其特征在于， 所述牲畜检测模型包括输入 网 络、 特征提取网络及检测网络， 所述基于预先训练完成的牲畜检测模型对每张待识别图像 进行识别处理， 得到每个牲畜检测对象在每张待识别图像中的牲畜检测框及所述牲畜检测 框的检测坐标信息包括： 对每张待识别图像进行图像 变换处理， 得到多张输入图像； 获取所述输入网络的尺寸阈值； 基于所述尺寸阈值及每张输入图像的图像尺寸对所述多张输入图像进行变换处理， 得 到与所述多张输入图像对应的多张变换图像； 根据每张变换图像的像素信息构建图像矩阵； 基于所述特征提取网络对多个所述图像矩阵进行特征提取并融合处理， 得到图像特 征； 将所述图像特征输入至所述检测网络进行预测， 得到多个所述牲畜检测框及对应的所 述检测坐标信息 。 3.如权利要求1所述的牲畜数量识别方法， 其特征在于， 所述预测位置信 息的计算公式 为： 其中， 表示 拍摄时刻的待识别图像中每个牲畜检测对象在 拍摄时刻的待识 别图像中的预测位置信息， 表示所述 拍摄时刻的待识别图像中的检测坐标信息， 表示 拍摄时刻的待识别图像中每个牲畜检测对象在所述 拍摄时刻的待 识别图像中的预测位置信息， 表示拍摄时刻小于或者等于所述 拍摄时刻的所权　利　要　求　书 1/3 页 2 CN 115546192 A 2有待识别图像中的预测位置信息与对应的检测坐标信息的方差值， 表示拍摄时刻 小于或者等于所述 拍摄时刻的所有待识别图像中的预测位置信息与对应的检测坐标 信息的方差值。 4.如权利要求1所述的牲畜数量识别方法， 其特征在于， 所述根据 所述牲畜检测框及所 述预测位置信息计算代价矩阵包括： 对于每张待识别图像， 根据所述预测位置信息生成牲畜 预测框； 计算每个牲畜预测框与多个所述牲畜检测框的交集面积， 并计算每个牲畜预测框与 所 述多个牲畜检测框的并集 面积； 计算所述交集面积在对应的并集面积上的比值， 得到每个牲畜预测框与所述多个牲畜 检测框的交叠率； 基于预设数值及多个所述交叠率构建所述代价矩阵。 5.如权利要求4所述的牲畜数量识别方法， 其特征在于， 所述牲畜预测框与牲畜预测对 象对应， 所述基于所述代价矩阵更新预设跟踪池 包括： 基于lapjv算法计算所述代价矩阵， 得到所述牲畜预测对象与所述牲畜检测对象的对 象匹配结果； 从多个所述交叠率中选取每 个对象匹配结果的第一匹配分数； 若所述第一匹配分数大于或者等于匹配阈值， 则将所述牲畜检测对象添加至所述预设 跟踪池中； 若所述第一匹配分数小于所述匹配阈值， 则将所述牲畜预测对象添加至预设丢失池 中， 并计算所述牲畜检测对象与所述预设丢失池中存 储对象的第二匹配分数； 若所述第二匹配分数大于或者等于所述匹配 阈值， 则将所述牲畜检测对象添加至所述 预设跟踪池中； 若所述第二匹配分数小于所述匹配阈值， 则检测所述牲畜检测对象是否属于新对象； 若所述牲畜检测对象属于新对象， 则将所述牲畜检测对象添加至所述预设跟踪池中。 6.如权利要求1所述的牲畜数量识别方法， 其特征在于， 所述基于所述多 张待识别图像 中的目标图像构建第一预设索引列表及第二预设索引列表包括： 选取最小拍摄时刻的待识别图像及最大拍摄时刻的待识别图像作为所述目标图像； 将所述目标图像中的所有牲畜检测对象的编码信息写入 模板列表中， 得到编码列表； 根据所述编码列表及第 一预设方向生成所述第 一预设索引列表， 并根据 所述编码列表 及第二预设方向生成所述第二预设索引列表。 7.如权利要求6所述的牲畜数量识别方法， 其特征在于， 所述基于更新后的预设跟踪池 中的跟踪对象、 所述第一预设索引列 表及所述第二预设索引列 表识别所述待识别牲畜圈内 的牲畜数量包括： 识别所述第一预设索引列表中是否存 储有所述跟踪对象的对象编码； 若所述第一预设索引列表中未存储有所述跟踪对象的对象编码， 则 检测该跟踪对象的 运动方向； 若该跟踪对象的运动方向与 所述第一预设方向相同， 及该跟踪对象的跟踪次数大于或 者等于预设次数， 则将该跟踪对象的对象编码写入所述第一预设索引列表中；权　利　要　求　书 2/3 页 3 CN 115546192 A 3