本技术属于宠物饲养，涉及一种宠物饲养技术，特别是涉及一种宠物投喂方案获取方法及装置、电子设备和存储介质。
背景技术：
1、当今社会，宠物已经成为许多人生活中的重要角色，宠物的健康问题也得到了越来越多的关注。其中，宠物的体型与宠物的健康密不可分，过于肥胖或瘦弱都会导致宠物的健康出现问题。现有技术中，一般通过bcs（body condition scoring，身体状况指数）作为宠物的体型状况的判断标准。
2、然而， 现有的bcs仅用于判断宠物体型是否健康，缺乏相应的应对策略，不能为后续帮助宠物恢复或保持健康体型提供参考，且其主要通过视觉和触觉人为进行判断，步骤繁琐，不够智能便捷。
3、因此，如何智能便捷地监控宠物体型并提供相对应的对策是本领域技术人员亟待解决的。
技术实现思路
1、本技术的目的在于提供一种宠物投喂方案获取方法及装置、电子设备和存储介质，用于解决现有的bcs仅用于判断宠物体型是否健康，不能为宠物恢复或保持健康体型提供参考，且不够智能便捷的问题。
2、第一方面，本技术提供一种宠物投喂方案获取方法，包括：
3、获取目标对象图像数据，基于所述目标对象图像数据获取目标对象轮廓数据，并基于所述目标对象轮廓数据获取所述目标对象的单侧拟合曲线；
4、基于预设体型判定方式对所述单侧拟合曲线进行判定，获取所述目标对象的体型判定结果，基于所述体型判定结果和预设投喂机制获取所述目标对象的投喂方案；
5、其中，基于预设体型判定方式对所述单侧拟合曲线进行判定，获取所述目标对象的体型判定结果包括：
6、通过静态判定过程对所述单侧拟合曲线进行判定获取静态判定结果，基于所述静态判定结果获取所述体型判定结果；
7、通过静态判定过程对所述单侧拟合曲线进行判定获取静态判定结果包括：
8、获取所述单侧拟合曲线中所有曲率极大值，判断所有所述曲率极大值个数是否大于预设阈值，若是则将第一体型模式作为静态判定结果；否则判断所有所述曲率极大值个数是否等于预设阈值，且所有所述曲率极大值均在第一预设数值范围内，若是则将第二体型模式作为所述静态判定结果；否则判断所有所述曲率极大值个数是否等于预设阈值，且所有所述曲率极大值均在第二预设数值范围内，若是则将第三体型模式作为所述静态判定结果。
9、本技术中，通过静态判定过程，基于目标对象的轮廓曲率及其极大值判断目标对象的体型，精准度高，且能够智能便捷的判断目标对象的体型。基于体型判定结果获取投喂方案，实现了智能化的科学饲养，有利于目标对象的健康。
10、于本技术的一实施例中，基于所述静态判定结果获取所述体型判定结果包括：
11、获取预设历史时间段内预设端点的目标对象历史图像数据，基于每个所述目标对象历史图像数据获取所对应的目标对象历史轮廓数据，并基于每个所述目标对象历史轮廓数据获取所对应的历史单侧拟合曲线；
12、通过动态判定过程对所有所述历史单侧拟合曲线进行判定获取动态判定结果，将所述静态判定结果结合所述动态判定结果获取所述体型判定结果；
13、通过动态判定过程对所有所述历史单侧拟合曲线进行判定获取动态判定结果包括：
14、基于所有所述历史单侧拟合曲线获取所述目标对象的腹围值增长率，若所述腹围值增长率位于第一增长区间范围内，则判定第一体型趋势为所述动态判定结果；若所述腹围值增长率位于第二增长区间范围内，则判定第二体型趋势为所述动态判定结果；若所述腹围值增长率位于第三增长区间范围内，则判定第三体型趋势为所述动态判定结果；若所述腹围值增长率位于第四增长区间范围内，则判定第四体型趋势为所述动态判定结果；若所述腹围值增长率位于第五增长区间范围内，则判定第五体型趋势为所述动态判定结果；
15、其中，所述第一增长区间范围内数值均小于所述第二增长区间范围内数值，所述第二增长区间范围内数值均小于所述第三增长区间范围内数值，所述第三增长区间范围内数值均小于所述第四增长区间范围内数值，第四增长区间范围内数值均小于所述第五增长区间范围内数值。
16、于本技术的一实施例中，基于所有所述历史单侧拟合曲线获取所述目标对象的腹围值增长率包括：
17、所述预设端点包括所述历史时间段的起始时间和终止时间；
18、将所述起始时间所对应的所述单侧拟合曲线作为起始单侧拟合曲线，将所述起始单侧拟合曲线等分为三段， 提取中间段的曲线作为起始腰腹曲线，获取所述起始腰腹曲线中曲率最大的点作为起始躯干中位点，连接所述起始单侧拟合曲线的两个端点作为起始躯干长轴，基于所述起始躯干中位点到所述起始躯干长轴的距离获取所述目标对象的起始腹围值；
19、将所述终止时间所对应的所述单侧拟合曲线作为终止单侧拟合曲线，将所述终止单侧拟合曲线等分为三段，提取中间段的曲线作为终止腰腹曲线，获取所述终止腰腹曲线中曲率最大的点作为终止躯干中位点，连接所述终止单侧拟合曲线的两个端点作为终止躯干长轴，基于所述终止躯干中位点到所述终止躯干长轴的距离获取所述目标对象的终止腹围值；
20、获取所述终止腹围值相对于所述起始腹围值的增长率，作为所述腹围值增长率。
21、于本技术的一实施例中，将所述静态判定结果结合所述动态判定结果获取所述体型判定结果包括：
22、若所述静态判定结果为第一体型模式，判断所述动态判定结果是否为第四体型趋势，若是则所述体型判定结果为第三判定结果；否则，判断所述动态判定结果是否为第五体型趋势，若是则所述体型判定结果为第二判定结果；否则，所述体型判定结果为第一判定结果；
23、若所述静态判定结果为第二体型模式，判断所述动态判定结果是否为第一体型趋势，若是则所述体型判定结果为第一判定结果；否则，判断所述动态判定结果是否为第五体型趋势，若是则所述体型判定结果为第四判定结果；否则，所述体型判定结果为第三判定结果；
24、若所述静态判定结果为第三体型模式，判断所述动态判定结果是否为第一体型趋势，若是则所述体型判定结果为第五判定结果；否则，判断所述动态判定结果是否为第二体型趋势，若是则所述体型判定结果为第三判定结果；否则，所述体型判定结果为第四判定结果。
25、于本技术的一实施例中，所述第一体型模式为偏瘦体型模式，所述第二体型模式为正常体型模式，所述第三体型模式为偏胖体型模式；
26、所述第一体型趋势为消瘦体型趋势，所述第二体型趋势为减重体型趋势，所述第三体型趋势为维持体型趋势，所述第四体型趋势为增重体型趋势，所述第五体型趋势为肥胖体型趋势；
27、所述第一判定结果为过瘦增重模式，所述第二判定结果为增重过度模式，所述第三判定结果为维持模式，所述第四判定结果为过胖减重模式，所述第五判定结果为减重过度模式。
28、于本技术的一实施例中，基于所述体型判定结果通过预设投喂机制获取所述目标对象的投喂方案包括：
29、判断所述体型判定结果是否为所述第一判定结果，若是，则所述投喂方案为：获取前一次投喂方案的食物量，增加其的5%以作为当前食物量；
30、否则，判断所述体型判定结果是否为所述第二判定结果，若是，则所述投喂方案为：获取前一次投喂方案的食物量，减少其的2%作为当前食物量；
31、否则，判断所述体型判定结果是否为所述第三判定结果，若是，则所述投喂方案为：获取前一次投喂方案的食物量作为当前食物量；
32、否则，判断所述体型判定结果是否为所述第四判定结果，若是，则所述投喂方案为：获取前一次投喂方案的食物量，减少其的5%作为当前食物量；
33、否则，判断所述体型判定结果是否为所述第五判定结果，若是，则所述投喂方案为：获取前一次投喂方案的食物量，增加其的2%作为当前食物量。
34、于本技术的一实施例中，基于预设对象图像数据获取目标对象轮廓数据，并基于所述预设对象轮廓数据获取所述预设对象所对应的预设的单侧拟合曲线包括：
35、对所述预设对象图像数据进行二值化处理获取二值化图像，提取所述二值化图像中的所有完整封闭轮廓，将所有所述完整封闭轮廓中符合包围区域包括所述二值化图像的中心位置，且包围区域面积最大的封闭轮廓作为预设对象轮廓数据；
36、将所述预设对象轮廓数据上距离最大的两点所在直线作为x轴，所述预设对象轮廓数据所在平面上任意垂直于所述x轴的直线作为y轴，提取所述预设对象轮廓数据上位于所述x轴任意一侧的所有点形成单侧轮廓曲线，在所述x轴和所述y轴所形成坐标系中获取所述单侧轮廓曲线的单侧拟合曲线以作为预设单侧拟合曲线；
37、其中，当所述预设对象图像数据为目标对象图像数据时，所述预设对象轮廓数据为目标对象轮廓数据，所述预设单侧拟合曲线为目标对象的单侧拟合曲线；当所述预设对象图像数据为目标对象历史图像数据时，所述预设对象轮廓数据为所述目标对象历史图像数据所对应的目标对象历史轮廓数据，所述预设单侧拟合曲线为所述目标对象历史轮廓数据所对应的历史单侧拟合曲线。
38、第二方面，本技术提供一种宠物投喂方案获取装置，包括拟合曲线获取模块和投喂方案获模块；
39、所述拟合曲线获取模块，用于获取目标对象图像数据，基于所述目标对象图像数据获取目标对象轮廓数据，并基于所述目标对象轮廓数据获取所述目标对象的单侧拟合曲线；
40、所述投喂方案获模块，用于基于预设体型判定方式对所述单侧拟合曲线进行判定，获取所述目标对象的体型判定结果，基于所述体型判定结果和预设投喂机制获取所述目标对象的投喂方案；
41、其中，基于预设体型判定方式对所述单侧拟合曲线进行判定，获取所述目标对象的体型判定结果包括：
42、通过静态判定过程对所述单侧拟合曲线进行判定获取静态判定结果，基于所述静态判定结果获取所述体型判定结果；
43、通过静态判定过程对所述单侧拟合曲线进行判定获取静态判定结果包括：
44、获取所述单侧拟合曲线中所有曲率极大值，判断所有所述曲率极大值个数是否大于预设阈值，若是则将第一体型模式作为静态判定结果；否则判断所有所述曲率极大值个数是否等于预设阈值，且所有所述曲率极大值均在第一预设数值范围内，若是则将第二体型模式作为所述静态判定结果；否则判断所有所述曲率极大值个数是否等于预设阈值，且所有所述曲率极大值均在第二预设数值范围内，若是则将第三体型模式作为所述静态判定结果。
45、第三方面，本技术提供一种电子设备，包括存储器和处理器，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行如前所述的宠物投喂方案获取方法。
46、第四方面，本技术提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的宠物投喂方案获取方法。
47、如上所述，本技术提供一种宠物投喂方案获取方法及装置、电子设备和存储介质，通过静态判定过程，基于目标对象轮廓的曲率极大值，判断目标对象的体型，进而执行相应的投喂方案，智能便捷，且及时有效地调整目标对象的食物量，使目标对象的体型维持于较理想的状态，有利于宠物的健康。同时，本技术还通过动态判定过程，判断目标对象的体型变化趋势，以预防目标对象过胖或过瘦，进一步维护了宠物的健康。
1.一种宠物投喂方案获取方法，包括：
2.根据权利要求1所述的获取方法，其特征在于，基于所述静态判定结果获取所述体型判定结果包括：
3.根据权利要求2所述的获取方法，其特征在于，基于所有所述历史单侧拟合曲线获取所述目标对象的腹围值增长率包括：
4.根据权利要求2所述的获取方法，其特征在于，将所述静态判定结果结合所述动态判定结果获取所述体型判定结果包括：
5.根据权利要求4所述的获取方法，其特征在于，
6.根据权利要求4所述的获取方法，其特征在于，基于所述体型判定结果通过预设投喂机制获取所述目标对象的投喂方案包括：
7.根据权利要求2所述的获取方法，其特征在于，基于预设对象图像数据获取预设对象轮廓数据，并基于所述预设对象轮廓数据获取所对应的预设单侧拟合曲线包括：
8.一种宠物投喂方案获取装置，其特征在于，包括拟合曲线获取模块和投喂方案获模块；
9.一种电子设备，包括存储器和处理器，其特征在于，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行如权利要求1~7中任一项所述的宠物投喂方案获取方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1～7中任一项所述的宠物投喂方案获取方法。
