-
公开(公告)号：CN106778902B
公开(公告)日：2020-01-21
申请号：CN201710000628.5
申请日：2017-01-03
Applicant: 河北工业大学
Abstract: 本发明基于深度卷积神经网络的奶牛个体识别方法，涉及图像数据处理中的图像识别方法，是一种采用深度学习当中卷积神经网络提取特征，结合对奶牛纹理特征实现对奶牛个体有效识别的方法，步骤是：奶牛数据的采集；对训练集和测试集的预处理；设计卷积神经网络；训练卷积神经网络；生成识别模型；利用识别模型识别奶牛个体。本发明方法克服了采用图像处理技术对奶牛图像进行处理的现有算法单一，没有充分利用奶牛本身所具有的条纹特点来与图像处理和模式识别技术进行很好的结合，导致奶牛识别准确率低的缺陷。
-
公开(公告)号：CN107256398B
公开(公告)日：2020-04-07
申请号：CN201710443360.2
申请日：2017-06-13
Applicant: 河北工业大学
Abstract: 本发明基于特征融合的奶牛个体识别方法，涉及图像数据处理中的图像识别方法，是应用改进的LBP‑HOG算法进行特征提取和主成分分析方法结合使用进行奶牛个体识别的方法，进一步说是依据不同奶牛个体头部的鼻镜和额部位存在明显差异的特点，使用改进的HOG进行边缘特征提取，得到奶牛头部的轮廓特征，与之后LBP局部纹理特征提取进行特征融合，再与主成分分析方法结合使用进行奶牛个体识别，克服了早先奶牛个体识别技术中旋转鲁棒性差、易受光照影响、噪声大的缺陷。
-
公开(公告)号：CN106778902A
公开(公告)日：2017-05-31
申请号：CN201710000628.5
申请日：2017-01-03
Applicant: 河北工业大学
Abstract: 本发明基于深度卷积神经网络的奶牛个体识别方法，涉及图像数据处理中的图像识别方法，是一种采用深度学习当中卷积神经网络提取特征，结合对奶牛纹理特征实现对奶牛个体有效识别的方法，步骤是：奶牛数据的采集；对训练集和测试集的预处理；设计卷积神经网络；训练卷积神经网络；生成识别模型；利用识别模型识别奶牛个体。本发明方法克服了采用图像处理技术对奶牛图像进行处理的现有算法单一，没有充分利用奶牛本身所具有的条纹特点来与图像处理和模式识别技术进行很好的结合，导致奶牛识别准确率低的缺陷。
-
公开(公告)号：CN107256398A
公开(公告)日：2017-10-17
申请号：CN201710443360.2
申请日：2017-06-13
Applicant: 河北工业大学
Abstract: 本发明基于特征融合的奶牛个体识别方法，涉及图像数据处理中的图像识别方法，是应用改进的LBP‑HOG算法进行特征提取和主成分分析方法结合使用进行奶牛个体识别的方法，进一步说是依据不同奶牛个体头部的鼻镜和额部位存在明显差异的特点，使用改进的HOG进行边缘特征提取，得到奶牛头部的轮廓特征，与之后LBP局部纹理特征提取进行特征融合，再与主成分分析方法结合使用进行奶牛个体识别，克服了早先奶牛个体识别技术中旋转鲁棒性差、易受光照影响、噪声大的缺陷。
-
-
-
Search Results
4
records
(took 0.018 seconds)
