论文部分内容阅读
随着现代信息技术的进一步使用与推广,我国奶业、奶牛养殖业发展迅速,养殖规模日益壮大。奶牛的反刍行为蕴含着奶牛的诸多健康信息,这些信息有助于养殖人员监控奶牛的健康情况,方便在奶牛患病早期及早发现并进行治疗,避免奶牛病情加重,影响奶牛的正常产奶和繁殖。随着奶牛养殖规模的不断扩大,奶牛反刍行为的人工监测难度也越来大。为了减少养殖成本并降低监测难度,及时监测奶牛的健康状况、提高牛奶产出量,本研究基于视频分析技术,开展了多目标奶牛的反刍行为智能监测方法研究,主要研究内容及所取得的结论如下:(1)奶牛嘴部区域的自动检测是奶牛反刍行为智能监测的关键,为了实现奶牛嘴部区域的自动检测,提出了一种基于Horn-Schunck光流法的多目标奶牛嘴部区域自动检测方法。首先利用Horn-Schunck光流模型求取奶牛反刍视频中各时间序列图像的光流场,然后将各帧序列图像中运动较大的光流数据进行叠加,获取奶牛反刍时的候选嘴部区域,最后运用奶牛嘴部区域检测模型实现反刍奶牛嘴部区域的检测。根据所定义的真实充盈率指标与检测充盈率指标,总体平均真实充盈率为63.91%,总体平均检测充盈率为70.06%,研究结果表明,将Horn-Schunck光流法应用于多目标奶牛嘴部区域的自动检测是可行的,该研究可为奶牛反刍行为的智能监测提供参考。(2)为了实现多目标反刍奶牛嘴部区域的监测,提出了一种基于光流法和帧间差值法的多目标反刍奶牛嘴部区域自动监测方法。首先对已检测的反刍奶牛嘴部区域扩充1.5倍,然后在该区域利用帧间差值法求取试验视频每帧图像的差值,得到每帧反刍奶牛嘴部区域,最后利用该方法实现多目标反刍奶牛嘴部区域的准确跟踪。(3)为了验证反刍奶牛嘴部区域跟踪算法的有效性,本文在不同环境下采用了15段试验视频进行验证,其中10段视频的帧数为100帧,其中前60帧图像利用光流法检测出反刍奶牛的嘴部区域,后40帧图像利用帧间差值法在扩充后的该区域进行奶牛嘴部的跟踪;另有5段视频的帧数为200帧,后140帧进行反刍奶牛嘴部的跟踪。根据定义的“中心点误差”和“区域重叠率”,统计了15段视频的嘴部跟踪结果。试验表明,总体跟踪成功率达到89.12%,最大跟踪成功率为100%,最小跟踪成功率为75%,表明将该算法应用于多目标反刍奶牛嘴部区域的自动监测是可行的。