申请/专利权人：中国农业大学

申请日：2021-04-06

公开（公告）日：2024-04-02

公开（公告）号：CN113128380B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82;G06V10/80;G06V40/10;G06V10/764;G06N3/0464;G06N3/0499;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.08.03#实质审查的生效;2021.07.16#公开

摘要：本发明提供一种鱼体姿态的识别方法、装置、电子设备和存储介质，该方法包括：获取鱼体视频样本图像，根据所述鱼体视频样本图像生成特征向量提取模型，所述特征向量提取模型为复合卷积神经网络模型；通过所述复合卷积神经网络模型对所述鱼体视频样本图像进行特征提取得到多个特征向量，对所述多个特征向量进行融合得到融合特征向量；根据所述融合特征向量训练支持向量机；根据所述支持向量机对目标鱼体图像进行鱼体姿态识别。本发明可以有效地处理目标识别精度低、遮挡时分类性不准确的问题，以便为水产养殖场的养殖人员提供合理有效的决策依据，降低养殖成本，提高养殖效益。

主权项：1.一种鱼体姿态的识别方法，其特征在于，包括：获取鱼体视频样本图像，根据所述鱼体视频样本图像生成特征向量提取模型，所述特征向量提取模型为复合卷积神经网络模型；通过所述复合卷积神经网络模型对所述鱼体视频样本图像进行特征提取得到多个特征向量，对所述多个特征向量进行融合得到融合特征向量；根据所述融合特征向量训练支持向量机；所述根据所述融合特征向量训练支持向量机，包括：通过一对一投票策略设计多分类SVM，基于融合特征向量训练SVM；其中，所述支持向量机的核函数为高斯RBF，通过网格搜索和交叉验证对RBF核的参数和错误代价系数进行优化；所述鱼体姿态包括浮头、鱼摆尾、鱼侧游、鱼肚朝上、鱼向上游以及鱼向下游六类姿态，依次标记为A、B、C、D、E、F；通过一对一投票策略将六类姿态样本两两组合为A，B、A，C、A，D、A，E、A，F；B，C、B、D、B，E、B，F；C、D、C，E、C，F；D，E、D，F；E，F，得到15个SVM二分类器；根据所述支持向量机对目标鱼体图像进行鱼体姿态识别；所述获取鱼体视频样本图像，根据所述鱼体视频样本图像生成特征向量提取模型，包括：获取鱼体视频样本图像，所述鱼体视频样本图像具有鱼体姿态的标注信息；搭建具有不同卷积核的多个卷积神经网络；所述多个卷积神经网络包括：三个卷积神经网络模型；所述多个卷积神经网络的卷积核的个数相同；通过全局平均池化代替所述多个卷积神经网络的全连接层；将所述鱼体视频样本图像输入到所述多个卷积神经网络模型中进行训练，得到所述复合卷积神经网络模型。

全文数据：

权利要求：

百度查询： 中国农业大学 鱼体姿态的识别方法、装置、电子设备和存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD