基于視頻跟蹤與多模型聲音識別的豬行為檢測與分析.pdf

1、養(yǎng)殖業(yè)是關(guān)系到民生的重要產(chǎn)業(yè)，提高養(yǎng)殖效率，改善養(yǎng)殖環(huán)境，實現(xiàn)福利養(yǎng)殖是生豬養(yǎng)殖的發(fā)展趨勢。如何利用智能檢測手段代替人工觀察，對豬的健康狀況進行檢測評判是目前研究熱點之一。本論文在分析了基于視頻的目標跟蹤與聲音識別在國內(nèi)外的研究現(xiàn)狀后，提出基于視頻跟蹤與多模型聲音識別的豬行為檢測與分析方法，利用數(shù)字圖像處理技術(shù)與聲音識別技術(shù)，對豬的進食、活動、休息、排泄等行為進行了檢測，通過檢測結(jié)果對豬的健康狀況進行評級。主要的研究工作如下：
　

2、　(1)基于視頻的豬目標跟蹤技術(shù)主要分為豬目標的檢測與豬目標跟蹤。本文在介紹和分析常用目標檢測方法的基礎(chǔ)上，針對豬目標的具體特點以及 GMM在目標緩慢運動或靜止時檢測結(jié)果出現(xiàn)空洞或目標消失的問題，提出了結(jié)合高斯混合建模(GMM)與均值漂移分割算法(Mean Shift)的目標檢測方法。利用Mean Shift對目標進行分割，并利用兩遍掃描法對分割結(jié)果進行標注，最后與 GMM的檢測結(jié)果進行融合，得到完整的目標輪廓。在豬目標跟蹤時，為了解決

3、目標軌跡跟蹤過程中軌跡跟蹤交錯與目標跟蹤交錯的問題，提出結(jié)合粒子濾波與逐幀檢測的豬目標跟蹤方法。由于在視頻采集過程中，攝像機鏡頭的焦距固定，因此，目標的面積基本恒定，可以將目標檢測得到的目標位置利用最小矩形進行標定，計算矩形窗口的面積。如果面積大于閾值，表明可能有兩只豬接觸發(fā)生誤檢測，此時判斷畫面中目標個數(shù)。如果個數(shù)為1，則利用提出的像素點閾值分割法進行分割，否則利用粒子濾波算法預測目標的下一時刻位置，通過預測結(jié)果與下一幀視頻中目標的位

4、置進行比對，利用改進的最近鄰法則將目標的位置點進行連接，繪制出運動軌跡。最后利用MFC編寫可視化界面，進行直接操作與顯示。
　　(2)通過分析豬不同狀態(tài)的聲音，確定8種行為狀態(tài)下的聲音，建立模型進行聲音識別。針對單模型聲音識別正確率不高的問題，提出多模型結(jié)果優(yōu)選的聲音識別方法。首先，經(jīng)過聲音去噪、端點檢測、加窗分幀后提取豬不同狀態(tài)下聲音信號的特征參數(shù)；然后將提取的特征參數(shù)進行優(yōu)選后作為輸入分別訓練 SVM、HMM、Adaboost