(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 202211352598.1 (22)申请日 2022.11.01 (71)申请人 山东土之素生物技 术有限公司 地址 272000 山东省济宁市任城区喻屯镇 经济园区 (72)发明人 赵国强　魏祥圣　朱大伟　李鹏　 (74)专利代理 机构 青岛致嘉知识产权代理事务 所(普通合伙) 3723 6 专利代理师 韩艳艳 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) (54)发明名称 基于计算机视觉的畜牧粪便快速 检测方法 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种基于计算机视觉的畜牧 粪便快速检测方法， 该 方法包括： 获取历史时刻无猪的视频帧图像， 根 据像素值的变化构建像素点的初始高斯模型， 并 获取当前时刻和当前时刻之前的历史时刻对应 的视频帧图像； 获取异常像素点， 计算异常像素 点的像素差异， 构建异常像素点的像素差异函 数， 进而计算异常像素点的稳定程度； 将稳定程 度大于程度阈值的异常像素点在连续帧的图像 上的稳定程度进行求解， 得到综合累积程度； 将 综合累积程度大于初始累积程度的异常像素点 的初始高斯模 型进行更新， 根据更新前后的高斯 模型参数计算粪便量， 进而判断是否需要清理。 本发明提高了对猪的粪便识别的准确性。 权利要求书2页 说明书11页 附图1页 CN 115471502 A 2022.12.13 CN 115471502 A 1.一种基于计算机 视觉的畜牧粪便快速检测方法， 其特 征在于， 该 方法包括以下步骤： 获取历史设定时间段内猪舍排泄区域中无猪的视频帧图像， 根据图像中的像素点在各 视频帧图像上对应位置像素值的变化构建像素点的初始高斯模型； 获取当前时刻和当前时 刻之前的历史时刻对应的视频帧图像； 其中， 所有视频帧图像中像素点的位置一 一对应； 根据像素点在当前时刻的视频帧图像中的像素值与该像素点的初始高斯模型判断像 素点是否异常， 若异常将该像素点记为异常像素点； 获取各异常像素点在当前时刻以及之 前的历史时刻的视频帧图像上像素值的差异， 得到异常像素点的像素差异； 构建异常像素 点的像素差异函数， 根据像素差异和所述像素差异 函数得到异常像素点在各时刻的稳定程 度； 设置程度阈值， 若当前时刻的异常像素点的稳定程度大于程度阈值时， 计算异常像素 点在当前时刻与之前的历史时刻的稳定程度之和， 得到异常像素点的综合累积程度； 设置初始累积程度， 若异常像素点的综合累积程度小于初始累积程度， 则不对初始高 斯模型进 行更新； 若 大于初始累积程度， 则对该异常像素点对应的初始高斯模型进 行更新； 根据初始高斯模型参数和更新后高斯模型参数据计算粪便量， 根据粪便量和设定阈值判断 当前时刻是否需要对粪便进行清理。 2.根据权利要求1所述的一种基于计算机视觉的畜牧粪便快速检测方法， 其特征在于， 所述当前时刻之前的历史时刻 包括上一时刻和上上一时刻， 即当前时刻之前的历史时刻 包 括多个时刻。 3.根据权利要求1所述的一种基于计算机视觉的畜牧粪便快速检测方法， 其特征在于， 所述根据像素点在当前时刻的视频帧图像中的像素值与该像素点的初始高斯模型判断像 素点是否异常具体为： 对于一个像素点， 获取该像素点的初始高斯模型对应的高斯参数， 根据所述高斯参数 确定该像素点的像素范围； 若 该像素点在当前时刻的视频帧图像中的像素值处于该像素范 围内， 则该像素点为正常的像素点； 若该像素点在当前时刻的视频帧图像中的像素值不在 该像素范围内， 则该像素点 为异常的像素点。 4.根据权利要求1所述的一种基于计算机视觉的畜牧粪便快速检测方法， 其特征在于， 所述异常像素点的像素差异的获取 方法具体为： 其中， 表示第a个异常像素点的像素差异， 表示第a个异常像素点在当前时刻的 视频帧图像中的像素值， 表示第a个异常像素点在当前时刻之前的上一历史时刻的 视频帧图像中的像素值， 表示第a个异常像素点在当前时刻之前的上上一历史时刻 的视频帧图像中的像素值。 5.根据权利要求1所述的一种基于计算机视觉的畜牧粪便快速检测方法， 其特征在于， 所述构建异常像素点的像素差异函数 具体为：权　利　要　求　书 1/2 页 2 CN 115471502 A 2其中， 表示像素差异函数， 表示第a个异常像素点的像素差异。 6.根据权利要求1所述的一种基于计算机视觉的畜牧粪便快速检测方法， 其特征在于， 所述稳定程度的获取 方法具体为： 其中， 表示第a个异常像素点在当前时刻的稳定程度， 表示像素差异函数， 表示第a个异常像素点在当前时刻的视 频帧图像中的像 素值， 表示第a个异常像 素点在当前时刻之前的上一历史时刻的视频帧图像中的像素值， e为自然常数。 7.根据权利要求1所述的一种基于计算机视觉的畜牧粪便快速检测方法， 其特征在于， 所述根据初始高斯模型参数和更新后高斯模型参数据计算粪便量具体为： 其中， 表示当前时刻猪舍排泄区域内的粪便量， 和 分别表示第a个异常像素 点的初始高斯模型的均值和均 方差， 和 分别表示第a个异常像素点更新后高斯模型的 均值和均方差， N 为所有对初始高斯模型进行 更新的异常像素点的数量。权　利　要　求　书 2/2 页 3 CN 115471502 A 3