基于深度学习和图像处理的马体尺测量设计

• 作者: 张婧婧
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 马体尺 YOLACT 实例分割 动态网格 数据标定 Regress拟合
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 应用开发研究
• 页码范围: 180-184,189
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.11.033

摘要

以伊犁马为研究对象,通过马场图像采集、实地测量,完成了马体尺测量中关键技术的研究.基于YOLACT实例分割技术,在MS-COCO数据集完成马体与背景的快速、高性能分割;采用边缘检测Canny算子对分割后的图像进行轮廓提取;在获取的马体轮廓上,对比动物特征点的Harris角点检测算法,提出动态网格的测点标定方法,完成马体尺特征点的数据标定,同时部分解决了马体站姿与摄像头不平行带来的体长修正问题;比较Regress及Polynomial的多元线性回归方式,量化、完成马体尺数据中胸围、管围的数据拟合及三维预测,并以像素为640*480两匹伊犁马体图像为例,获得了体尺测量结果.结果表明,基于深度学习和图像测量技术,可有效进行伊犁马体尺的自动测量并将其误差控制在较小范围之间,就大体型动物的体尺测量技术而言,该研究具备范例参考意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张婧婧		48	95	6.0	6.0