基于特征融合與支持向量機的豬前肢步態(tài)異常識別研究.pdf

1、豬腿部疾病和外傷對規(guī)模養(yǎng)豬影響很大,若采用人工方法進行巡視檢測,不僅勞動強度大,惡劣的環(huán)境也會對人體健康有害,且人工判斷存在主觀性。機器視覺技術(shù)可以為豬行為的分類識別提供自動、高效和客觀的方法,豬的步態(tài)具有非接觸性、不可偽裝性等特點,是對腿部異常檢測的重要依據(jù)。本課題以豬步態(tài)為切入點,研究基于機器視覺技術(shù),對由于豬前肢疾病或外傷引起的前肢步態(tài)異常進行識別的方法。
　　 本文主要針對豬前肢異常步態(tài)識別方法進行初步研究,提出了包括圖

2、像預處理、模型構(gòu)建、特征提取與特征融合、分類識別等一整套方法。提出了一種豬前肢骨架建模方法,通過提取前肢關(guān)節(jié)角度在一段時間內(nèi)的波動曲線,并分析獲取曲線的頻率、平均角度、方差等參數(shù)作為步態(tài)的一類特征。另一方面,基于不變矩分析和小波分析的特點,提出提取豬步態(tài)幀的輪廓小波矩特征作為第二類步態(tài)特征。將獲得的關(guān)節(jié)角度特征(動態(tài)特征)和小波矩特征(靜態(tài)特征)進行特征融合作為最終的豬步態(tài)特征空間?；谔卣魅诤系姆椒ㄔ黾恿藢Σ綉B(tài)描述的完整性,避免了僅通

3、過一類特征進行描述的不完備性,能夠更準確地表述步態(tài)特征。
　　 豬行走視頻樣本為正側(cè)視圖,對于2011幀／秒的步態(tài)視頻樣本,每隔一幀取關(guān)鍵幀(即10幀／秒)。在分析借鑒人體骨架棍棒模型構(gòu)建方法的基礎(chǔ)上,結(jié)合豬運動學和解剖學知識,提出了一種新的構(gòu)建豬前肢骨架棍棒模型方法。關(guān)節(jié)角度的波動側(cè)面反映步態(tài)的狀況,對波動曲線作計算分析并提取相關(guān)曲線參數(shù)作為步態(tài)動態(tài)特征向量(5維),對于測試視頻樣本,對其單個步態(tài)周期中的4幅目標輪廓圖像進行小

4、波矩分析獲取其輪廓小波矩特征(8維)。采用支持向量機(SVM)分類器并選擇不同核函數(shù)對輸入的樣本特征集合(13維)進行訓練與分類。最后通過試驗驗證本文提出的特征提取方法和基于特征融合的識別方法的可行性和有效性。
　　 以TI公司的DM643為主處理器,對采集的豬行走樣本進行實驗,結(jié)果表明本文提出的研究方法對豬前肢異常步態(tài)正確識別率能夠達到85％左右。該算法用于豬前肢疾病或外傷引起的步態(tài)異常識別是可行的,在動物步態(tài)異常識別等領(lǐng)域有