1.一种羊只无接触体尺测量方法，其特征在于，包括步骤： 获得羊只侧面的前景图像； 对前景图像应用边沿提取算法从前景图像中提取羊只轮廓； 从提取出的羊只轮廓中检测体尺测点； 根据体尺测点，计算羊只的以下至少一种数据：体高、胸深、背高、体斜长、臀高； 其中，所述获得羊只侧面的前景图像包括： 获取羊只侧面图像； 根据羊只侧面图像，通过图像超像素分割方法获得图像中的图像块的信息； 根据图像块的信息，通过模糊C均值聚类方法获得前景图像； 所述图像超像素分割方法包括步骤： 将彩色图像转换到CIELAB空间， 在图像上均匀初始化K个聚类中心， 对于图像上的每个像素点Xi，逐一分别计算各个聚类中心M和像素点Xi的相似程度D，聚类中心M为像素点Xi周围与之相邻的聚类中心； 将像素点Xi与相似程度D最大的聚类中心Mi归入同一图像块； 依据每一图像块中所有像素的颜色和空间特性的均值，更新聚类中心； 根据更新后的聚类中心，重复计算每个像素点的相似度D以及更新聚类中心，直至更新后的聚类中心与上一次的聚类中心特征值信息的差异小于预设阈值； 所述相似程度D的计算方式为： 其中，m为平衡参数，   所述均匀初始化K个聚类中心的步骤包括： 更新初始化的聚类中心N点到Ni点，Ni点为在以聚类中心N为中心的3×3的窗口内的梯度值最小的像素点；初始化每个聚类中心与类边界的距离近似为N为图像中的包含的像素个数，k为聚类中心个数； 在步骤更新后的聚类中心与上一次的聚类中心特征值信息的差异小于预设阈值之后，还包括： 合并临近的孤立的小尺寸超像素； 在获得图像中的图像块的信息后，还包括步骤：将图像块的6维特征向量基于主成分提取5组特征值；将5组特征值作为模糊C-均值聚类方法的输入； 所述模糊C均值聚类方法包括： 根据输入的5组特征值，获得前景图像； 所述6维特征向量为：  其中lj、aj、bj为超像素分割子块j在CIELAB空间颜色分量；为对应点的均衡图像光照后的RGB颜色分量； 所述步骤从提取出的轮廓中检测体尺测点包括： 在羊只轮廓的左半侧中查找头部最高点A，拟合曲线l1为以头部最高点A为起点，以羊只轮廓最右侧的点为终点的连续线段， 在羊只轮廓的左半侧中查找外侧前脚最低点J， 在羊只轮廓右半侧查找外侧后脚最低点H， 在拟合曲线的l1的左半侧查找两个波谷间的波峰，该波峰即为耆甲测点D； 体高为以耆甲点D为起点的竖直线段的长度，该竖直线段的另一端位于以外侧前脚最低点J与外侧后脚最低点H之间的连线上； 在羊只轮廓的右半侧查找右半侧最高点，作为疑似臀高测点F1；计算拟合曲线l1在耆甲测点D与疑似臀高测点F1的之间的最低点，该最低点即为背高测点E； 背高为以背高测点E为起点的竖直线段的长度，该竖直线段的另一端位于以外侧前脚最低点J与外侧后脚最低点H之间的连线上； 计算在拟合曲线l1右侧、且在背高测点E上方的曲线段曲率最大的点，该点即为臀高测点F； 臀高为以臀高测点F为起点的竖直线段的长度，该竖直线段的另一端位于以外侧前脚最低点J与外侧后脚最低点H之间的连线上； 计算在拟合曲线l1右侧、且在背高测点E下侧的曲线段曲率最大的点，该点即为臀部测点G； 计算羊体左侧轮廓曲线中，位于臀部测点G下侧、耆甲点D左侧的曲线段中距左侧轮廓曲线的首尾连线距离最远的点，该点即为肩端前缘测点K； 体斜长为肩端前缘测点K到臀部测点G最远的点的距离； 计算羊体轮廓曲线中，计算前腿根部最右侧点I1到羊体下部分轮廓曲线中的点I2之间曲率最大的点，该点即为胸底测点I，点I2的水平坐标与外侧前脚最低点J和外侧后脚最低点H的中点的水平坐标一致； 胸深为胸底测点I与耆甲点D之间的竖直距离。

请联系平台

请联系平台