一种猫健康的全自动感应识别的可视化监测方法与流程

本发明涉及猫用品，特别涉及一种猫健康的全自动感应识别的可视化监测方法。

背景技术：

1、近年来养猫的年轻人越来越多，对待猫就像对待孩子，但是白天又要上班，因此白天猫的起居就难以照料到；铲屎是养猫人在养猫的过程中感到最麻烦和体验感最差的事，为了解决铲屎的问题，出现了很多自动铲屎的猫盆；但是当主人离家时，依然无法了解到猫的情况。

2、在现有技术cn114793920a一种猫砂盆及猫猫健康的监测方法中，利用称重装置采集猫砂盆本体的重量，利用震动感应装置采集猫砂盆本体的震动信号，以根据重量确定宠物猫的排泄重量，根据震动信号确定宠物猫的排泄方式，对宠物猫的大小便进行区分，进一步根据排泄重量和排泄方式确定宠物猫的健康状态。

3、但是现有技术存在以下问题：

4、(1)只通过重量和振动感应来检测猫的健康，检测结果与实际结果相差较大；

5、(2)猫砂盆只能检测进入排便的猫的健康状况，但不能检测出是哪一只猫；

6、(3)养猫人无法远程查看猫砂盆和猫的状况。

7、为此本发明提出一种猫健康的全自动感应识别的可视化监测方法。

技术实现思路

1、本发明的目的是提供一种猫健康的全自动感应识别的可视化监测方法，旨在解决现有技术中的检测结果不符、无法远程查看状况的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、本发明提供一种猫健康的全自动感应识别的可视化监测方法，包括：

4、s1：检测到有猫进入后，启动图像采集装置，采集到第一图像，通过虹膜识别技术对第一图像的虹膜纹理进行对猫的身份进行识别；

5、s11：启动pir感应猫的行动轨迹，根据识别模型对猫健康进行监测，得到若干监测数据；

6、s2：调取猫的历史健康数据，与监测数据对比，得出猫的健康数据值；

7、s3：将猫的健康数据值与预设范围对比，若超出预设范围，则发送信息至用户的移动终端进行提醒。

8、进一步的，所述s1的步骤中，第一图像包括猫正脸照；通过对第一图像检测到的瞳孔图像进行灰度分析处理，建立灰度分析图；灰度分析图通过预设的比例范围从猫脸的矩形区域内框选眼部区域，创建并初始化区域因子：

9、创建区域因子：

10、ai＝randixi，yi，sizei，grayi

11、初始化区域因子：

12、其中randixi，yi表示虹膜的位置，sizei表示虹膜尺寸，grayi表示灰度值；位置点采取高斯分布的标准差δ＝2，灰度值为区域因子的灰度累计和与像素总数的商；

13、初始化后的区域因子基于离散边缘点的最小二二乘法多项式拟合实现内边缘精确定位，取自适应直方图均衡化进行图像增强加强边缘对比度，使用霍夫变换在眼睛图像中检测出圆形，圆心坐标即为虹膜中心坐标；

14、以虹膜中心坐标将像素点划分区块并进行加权梯度值，从而获得加权直方图特征；对加权直方图特征计算外积张量序特征，根据外积张量序特征作为虹膜图像的虹膜纹理。

15、进一步的，所述的猫健康的全自动感应识别的可视化监测方法，所述根据外积张量序特征作为虹膜图像的虹膜纹理的步骤中，包括：

16、局部加权直方图特征为fz∈rn×1，其中z表示空间坐标，r表示实数集，n表示元素的个数，fz是一个含有n个元素的实数向量，则外积张量fz可以表示为：fz＝f(z)2，其中，fz是一个n×n矩阵，d表示张量向量的维度，对于每个像素点的局部加权直方图特征都通过外积计算，得到一个向量级别的图像；每个像素点对应一个外积张量向量利用均值池化计算外积张量向量的高阶聚合信息；

17、令表示空间坐标z处的外积张量向量，γz表示以z为中心的一个矩形区域，那么高阶聚合信息可以表示为：

18、

19、其中γz表示区域γz的像素点个数；

20、对高阶聚合信息取序得到二进制编码矩阵对于存在固定位移的两个区域bz和bz+t，其中bz表示以z为中心高为h宽为w的图像区域，bz+t表示相对z位移坐标t的另一块与b(z)尺寸相同的图像区域，这里两个区域位移向量t＝4，2t，t为区域大小，外积张量序特征为二进制序特征时可以表示为：

21、

22、其中biz表示外积张量向量bz的第i个编码，giz表示外积张量向量pz聚合后的向量表示形式；b(z)在选取的时候是重叠的，步长为2个像素，得到了整幅图像的外积张量序特征编码。

23、进一步的，所述的猫健康的全自动感应识别的可视化监测方法，所述得到了整幅图像的外积张量序特征编码的步骤后，包括：

24、将得到的外积张量序特征作为虹膜图像的虹膜纹理；使用汉明距离对虹膜图像的二进制编码矩阵进行匹配，在匹配过程中通过虹膜展开图像考虑对应特征点的有效性权重，得到匹配结果，从而判断猫和对应的身份。

25、进一步的，所述的猫健康的全自动感应识别的可视化监测方法，所述pir搭载防干扰装置，防干扰装置包括计时装置与遮光装置，计时装置通过光线追踪算法实现计时，所述光线追踪算法可通过下式确定：

26、通过追踪光线持续时间曲线中的最大值t，当t大于或等于预设时间时，则证明有猫经过；若小于预设范围，则证明是光线误差照射；

27、

28、其中，表示追踪光线持续时间曲线，a表示光线照射开始前，b表示光线照射后，n表示追踪光照取样点，ωo为观测方向，ωi为各个光线不同的入射方向，lip，ωifrp,ωi,ωon.ωi表示追踪方向的时间，lop，ω0表示观测时间平均值，pωi表示不同的观测方向。

29、进一步的，所述的猫健康的全自动感应识别的可视化监测方法，所述根据识别模型对猫健康进行监测的步骤中，包括，识别模型通过识别粪便颜色对猫健康进行监测；所述识别模型通过下方确定：

30、采集猫砂盆内滚筒的样本图像，样本图像颜色亮度差进行差分处理，提取出是否排便，若是，则识别出粪便区域；

31、针对粪便区域的每一个像素点，分别于粪便标准色进行基于rgb值、hsv值和/或lab值的闵可夫斯基距离运算，并将闵可夫斯基距离最小的粪便标准色作为该像素点的粪便标准色；统计粪便区域图像中各种粪便标准色的像素点数目，将像素点数目最多的粪便标准色标记为该粪便区域图像的颜色；

32、进一步的，所述的猫健康的全自动感应识别的可视化监测方法，所述闵可夫斯基距离，包括：

33、

34、d＝drgb+dlab+dhsv

35、drgb表示rgb空间下的闵可夫斯基距离，dlab表示lab空间下的闵可夫斯基距离，dhsv表示hsv空间下的闵可夫斯基距离，ir、ig和ib分别为粪便区域图像在rgb空间下的各个份量值，lr、lg和lb分别为粪便标准色在rgb空间下的各个份量值，il、ia和ib分别为粪便区域图像在lab空间下的各个份量值，ll、la、lb分别为粪便标准色在lab空间下的各个份量值；γ1、γ2、γ3分别对应为lab空间下的各个份量对应的权重系数；ih、is、iv分别为粪便区域图像在hsv空间下的各个份量值；lh、ls、lv分别为粪便标准色在hsv空间下的各个份量值，ρ1、ρ2、ρ3分别对应为hsv空间下的各个份量对应的权重系数；d为三种空间下的闵可夫斯基距离之和。

36、进一步的，所述的猫健康的全自动感应识别的可视化监测方法，所述s3的步骤中，包括：调取猫的历史粪便颜色健康数据，与粪便颜色监测数据对比，得出粪便颜色差异；

37、一种猫健康的全自动感应识别的可视化监测装置，应用于所述猫健康的全自动感应识别的可视化监测方法，所述猫健康的全自动感应识别的可视化监测装置包括：

38、图像采集装置：用于进行采集第一图像；

39、检测模块：包括pir与红外探测，用于检测猫的进出状况；

40、计算模块：用于根据猫的健康数据，计算出猫的健康状况；

41、臭氧模块：用于释放臭氧净化空气；

42、便仓抽屉：用于接收掉落的粪便；

43、称重模块：用于称量猫的体重。

44、一种计算机设备，包括处理器和存储器，所述存储器上存储有程序或指令，所述程序或指令被所述处理器执行时中任一项所述的猫健康的全自动感应识别的可视化监测方法的步骤。

45、本发明提供了一种猫健康的全自动感应识别的可视化监测方法，具有以下有益效果：

46、(1)通过在猫砂盆内一体化识别出的猫的身份、检测到有猫进入后，启动图像采集装置，采集到的第一图像通过虹膜识别技术对第一图像的虹膜纹理进行识别对猫的数量及各自身份；启动识别模型对猫健康进行监测，采集猫砂盆内滚筒的样本图像，针对粪便区域的每一个像素点，将像素点数目最多的粪便标准色标记为该粪便区域图像的颜色得到若干粪便监测数据；调取猫的历史健康数据，与粪便监测数据对比，得出猫的健康数据值；将猫的健康数据值与预设范围对比，若低于预设范围，则发送信息至用户的移动终端进行提醒；猫的健康数据进行分析处理并显示在猫砂盆的显示屏上，并实时将数据信息分享到用户终端app上以便用户随时查看猫的状态，解决了用户无法实时了解猫的情况的问题，实现出门在外也能实时远程全自动感应识别可视化监测猫的健康状况；

47、(2)通过pir与红外探测监控猫是否进出猫砂盆；pir搭载的计时装置通过光线追踪算法实现计时，通过追踪光线持续时间曲线中的最大值t，当t大于或等于预设时间时，则证明有猫经过；若小于预设范围，则证明是光线误差照射当计时时间小于预设范围t时，证实无猫进入，此时滚筒工作继续，红外探测射出红外光线检测是否有遮挡从而返回至传感器中证实有猫进入，二者结合起来，大大实现检测的精度，避免误伤猫的情况发生；

48、(3)通过虹膜识别技术对第一图像的虹膜纹理进行对猫的数量及身份进行识别，以虹膜中心坐标将像素点划分区块并进行加权梯度值，从而获得加权直方图特征；对加权直方图特征计算外积张量序特征，根据外积张量序特征作为虹膜图像的虹膜纹理，将得到的外积张量序特征作为虹膜图像的虹膜纹理；使用汉明距离对虹膜图像的二进制编码矩阵进行匹配，在匹配过程中通过虹膜展开图像考虑对应特征点的有效性权重，得到匹配结果，从而判断猫和对应的身份，检测结果与实际结果更加贴切，通过聚类算法得出区域因子分布的类别，明确干扰因子的聚类中心，将此区域归排除继续生长和移动可能，使算法的收敛速度大大提升，准确性也得到一定提升。