基于時(shí)空興趣點(diǎn)的生豬行為識(shí)別.pdf

1、基于計(jì)算機(jī)視覺(jué)的動(dòng)物行為參數(shù)分析具有重要研究?jī)r(jià)值和應(yīng)用空間，其對(duì)傳統(tǒng)的畜禽養(yǎng)殖方式產(chǎn)生深遠(yuǎn)的影響。如今大多數(shù)規(guī)模化養(yǎng)豬場(chǎng)中，仍然采用人工監(jiān)控生豬養(yǎng)殖視頻的方式，其監(jiān)控實(shí)時(shí)性不高，容易因疲勞造成誤檢和漏檢。為了解決這一問(wèn)題，本文以規(guī)模化養(yǎng)豬場(chǎng)的生豬為研究對(duì)象，重點(diǎn)研究基于時(shí)空興趣點(diǎn)和詞袋模型的生豬行為描述與行為識(shí)別等算法。
　　本文以導(dǎo)師主持的廣東省科技計(jì)劃項(xiàng)目“豬只采食與排泄行為智能識(shí)別及異常預(yù)警系統(tǒng)（2012A020602043

2、）”為背景，針對(duì)規(guī)?；B(yǎng)豬場(chǎng)的實(shí)際情況，設(shè)計(jì)了一套基于網(wǎng)絡(luò)攝像頭的生豬監(jiān)控方法與一種基于局部表示的生豬行為描述方法，實(shí)現(xiàn)了生豬的一些主要行為的識(shí)別。
　　在生豬行為描述方面，通過(guò)實(shí)驗(yàn)分析發(fā)現(xiàn)幀差法、混合高斯背景建模法、光流法等基于整體表示的生豬行為描述方法存在無(wú)法精確地分割得到生豬輪廓且因?yàn)閳D像噪聲和生豬被部分遮擋而魯棒性偏低等問(wèn)題，本文選擇局部表示方法作為生豬行為描述的方法。通過(guò)生豬生物學(xué)與行為學(xué)研究和當(dāng)前健康養(yǎng)殖的需要，本文選

3、擇扎堆取暖、采食、探究、慢走等生豬行為進(jìn)行識(shí)別研究。通過(guò)實(shí)驗(yàn)比較Harris和SUSAN兩種角點(diǎn)檢測(cè)算法在生豬圖像上的興趣點(diǎn)檢測(cè)效果，發(fā)現(xiàn)Harris算法比SUSAN算法檢測(cè)生豬興趣點(diǎn)的效果更好，本文采用Harris3D時(shí)空興趣點(diǎn)檢測(cè)算法檢測(cè)生豬行為視頻中變化劇烈的像素點(diǎn)，通過(guò)對(duì)比實(shí)驗(yàn)和結(jié)合生豬視頻監(jiān)控實(shí)際發(fā)現(xiàn)生豬視頻金字塔總層數(shù)為3時(shí)，Harris3D時(shí)空興趣點(diǎn)對(duì)生豬行為興趣點(diǎn)檢測(cè)的效果較好。通過(guò)對(duì)比分析生豬扎堆取暖、采食、探究、慢走

4、行為的時(shí)空興趣點(diǎn)分布情況，發(fā)現(xiàn)Harris3D時(shí)空興趣點(diǎn)能較好地檢測(cè)出生豬四種行為的運(yùn)動(dòng)部位及各自規(guī)律。為了統(tǒng)計(jì)時(shí)空興趣點(diǎn)鄰域內(nèi)的梯度方向和光流方向統(tǒng)計(jì)量，采用以時(shí)空興趣點(diǎn)為中心的（△x，△y，△t）時(shí)空體內(nèi)的HOG/HOF描述子描述生豬局部時(shí)空特征。
　　在生豬行為識(shí)別建模與分類(lèi)方面，本文采用詞袋模型對(duì)生豬四種行為進(jìn)行建模，采用Matlab實(shí)現(xiàn)了對(duì)HOG/HOF描述子的K-Means聚類(lèi)和將HOG/HOF映射到詞袋中。經(jīng)過(guò)K-M

5、eans聚類(lèi)和HOG/HOF描述子映射后，得到生豬四種行為的平均直方圖，分析發(fā)現(xiàn)生豬四種行為之間差異性較大，基于Harris3D時(shí)空興趣點(diǎn)和詞袋模型的生豬行為識(shí)別可行，且估計(jì)生豬行為識(shí)別準(zhǔn)確率較高。將對(duì)生豬行為建模的詞頻直方圖向量作為SVM的特征向量進(jìn)行行為分類(lèi)識(shí)別實(shí)驗(yàn)。
　　最后分別選擇廣州市從化、天河兩個(gè)不同的規(guī)?；B(yǎng)豬場(chǎng)進(jìn)行了總共5天的視頻采集。實(shí)驗(yàn)結(jié)果表明，本文提出的生豬行為識(shí)別算法準(zhǔn)確率達(dá)到92.31％，能夠很好地識(shí)別生