復雜場景下的豬目標跟蹤算法研究.pdf

1、豬肉市場需求的增大和養(yǎng)豬技術水平的提高促進豬養(yǎng)殖的規(guī)模不斷擴大，集約化程度越來越高。利用機器視覺監(jiān)測代替人工監(jiān)測以減少養(yǎng)殖投入成本、提高自動化水平、增加經濟效益，是當下研究的熱點之一。本文在養(yǎng)殖場家豬行為視頻監(jiān)測系統的基礎上，獲取豬行為視頻，通過機器視覺技術對豬目標的檢測與跟蹤方法進行了對比與研究，結合豬目標的生活習性，建立起基于豬運動軌跡的異常評價體系。本文主要研究工作有：
　　(1)闡述了對豬目標進行智能監(jiān)測的重要意義，對當前

2、階段目標檢測、畜禽行為跟蹤以及豬異常分析的研究現狀進行了綜述。
　　(2)為了精確檢測出視頻圖像中的家豬，首先從運動目標檢測的角度出發(fā)，闡述了背景差分法、幀間差分法、光流法以及高斯混合模型方法的理論，并結合實驗分析對豬目標檢測的優(yōu)缺點與適用性。再從靜止目標檢測的角度出發(fā)，反復實驗對比顏色檢測、均值漂移與GrabCut方法的分割提取結果后，針對GrabCut方法經一次迭代后分割不精確，且每次迭代時間較長的缺點，本文提出了結合顏色特征

3、與GrabCut分割法的豬目標檢測方法，利用顏色檢測的快速性與簡單背景下對豬目標檢測的精確性，在GrabCut分割結果上再進行一次顏色檢測，提高對豬目標檢測的精確度。
　　(3)為了較為準確的跟蹤豬目標，首先對特征匹配、粒子濾波等幾種跟蹤算法進行理論闡述與實驗，但是其結果都不理想。在確立了以Vibe算法作為本文跟蹤算法后，通過三組實驗分析出該算法對豬目標跟蹤時存在的缺陷。針對其中幾點缺陷，提出三條改進策略：a)在初始階段用較小的時

4、間重采樣因子，以加速初始幀中鬼影的消融。經過一段時間后，提高時間重采樣因子的值，以延緩靜止的豬目標的消融速度；b)將豬休息區(qū)域設置為ROI區(qū)域，用目標檢測的方法檢測休息區(qū)域內長時間不動的豬目標；c)用閾值法確定有效跟蹤區(qū)域，當檢測出的連通區(qū)域的面積處于有效閾值區(qū)間時，此連通區(qū)域為有效跟蹤區(qū)域，判斷豬為運動或短暫靜止狀態(tài)，跟蹤該連通區(qū)域，并用最近鄰法則連接其最小包圍矩形框的中心點，以繪制其運動軌跡；當有效跟蹤區(qū)域個數減少時，說明有些豬長時

5、間靜止，找到上一幀中其對應的位置點pt(x,y)，以pt(x,y)為中心點設置ROI區(qū)域，用目標檢測的方法找出靜止豬目標，待其再次運動后，用新的最小包圍矩形框中心點連接pt(x,y)以保證軌跡的連續(xù)性。實驗結果表明，改進后的跟蹤策略可以有效實現對豬目標在復雜豬場環(huán)境下的跟蹤，可以較精確地得到豬目標的運動軌跡。
　　(4)利用得到的豬目標運動軌跡，結合行為錨定等級評價法，在分析了豬的生活行為特點后，提取出豬進食、飲水、排泄及休息四個