基于小波矩及概率神經(jīng)網(wǎng)絡(luò)的豬的姿態(tài)識(shí)別研究.pdf

1、為了提高對(duì)于豬舍科學(xué)養(yǎng)殖的水平，提升豬的健康狀況，本文提出了一種將監(jiān)控設(shè)備和圖像識(shí)別技術(shù)有效結(jié)合的方法，實(shí)時(shí)的監(jiān)控豬舍內(nèi)豬的異常行為，保證豬的健康生長(zhǎng)。
　　本論文主要的研究分為三大部分，第一部分是對(duì)于研究對(duì)象豬輪廓的提取，第二部分是關(guān)于小波矩構(gòu)造的方法，并將小波矩應(yīng)用于研究對(duì)象，最后一部分是將概率神經(jīng)網(wǎng)絡(luò)分類器應(yīng)用于對(duì)豬姿態(tài)的識(shí)別。
　　為了能夠?qū)崟r(shí)監(jiān)控豬舍內(nèi)豬的行為，本文根據(jù)研究對(duì)象的環(huán)境進(jìn)行了分析，了解了目標(biāo)對(duì)象和周圍

2、環(huán)境的差異性。利用蟻群算法對(duì)目標(biāo)對(duì)象進(jìn)行邊緣檢測(cè)，主要是利用了蟻群算法的魯棒性比較強(qiáng)?？墒鞘聦?shí)上，因?yàn)樵谪i場(chǎng)內(nèi)存在關(guān)照分布不均勻、豬糞便以及環(huán)境偏暗等問題，有時(shí)候使得檢測(cè)的圖像邊緣可能會(huì)有少許的間斷點(diǎn)?？偨Y(jié)上述一些研究過程中遇到的問題所帶來的輪廓邊緣不連續(xù)的情況，提出一種基于形狀的邊緣連接方法。經(jīng)過邊緣連接之后的輪廓圖像會(huì)產(chǎn)生一些偽邊緣和噪聲干擾，再進(jìn)一步采用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行處理，從而得到我們所希望的豬多種姿態(tài)的二值輪廓圖，這樣就完成

3、了本論文的第一部分研究?jī)?nèi)容。
　　經(jīng)過對(duì)豬的正常行走、抬頭行走、低頭行走和臥躺這四種姿態(tài)的研究，經(jīng)過分析研究知道，豬動(dòng)作的重復(fù)度很高，而且不同動(dòng)作的相似性也很高。如果通過HU矩、Zernike矩這些傳統(tǒng)的不變矩進(jìn)行豬只輪廓特征的提取，對(duì)于相似度比較高的動(dòng)作很難區(qū)分，分類精度會(huì)比較低。本文提出使用小波不變矩概念，顧名思義，小波不變矩同時(shí)具備小波多尺度分析和傳統(tǒng)不變矩的優(yōu)點(diǎn)，所以將小波分析用于所構(gòu)造出的小波矩，這樣對(duì)于局部細(xì)節(jié)分析能力