基于輪廓不變矩特征的豬行為姿態(tài)識(shí)別研究.pdf

1、近年來,隨著視頻監(jiān)控系統(tǒng)不斷向數(shù)字化和智能化發(fā)展,越來越多的國(guó)內(nèi)外廠商和學(xué)者已經(jīng)開始關(guān)注智能監(jiān)控技術(shù)的發(fā)展,并進(jìn)行了一系列的研究。目前在規(guī)模養(yǎng)殖場(chǎng)中,對(duì)于病豬的前期征兆和異常行為都是依靠人工來完成,此方法檢測(cè)的勞動(dòng)強(qiáng)度大,且發(fā)現(xiàn)不及時(shí)。針對(duì)上述問題,本文提出一種基于輪廓不變矩特征的目標(biāo)識(shí)別方法對(duì)豬的行為姿態(tài)進(jìn)行分類和識(shí)別。
　　 本文介紹了當(dāng)前國(guó)內(nèi)外在動(dòng)物行為分析領(lǐng)域的研究現(xiàn)狀和發(fā)展趨勢(shì),并且分析了視頻監(jiān)控在動(dòng)物行為領(lǐng)域的應(yīng)用情

2、況。首先,對(duì)豬進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)并比較背景減除法和幀間差分法的優(yōu)缺點(diǎn)。本文采用背景減除法與幀間差分法加權(quán)平均運(yùn)動(dòng)目標(biāo)檢測(cè)方法,克服了上述兩種方法中檢測(cè)目標(biāo)不完整和受光照等外部條件影響的缺點(diǎn)。再運(yùn)用形態(tài)學(xué)圖像處理、區(qū)域連通性分析等一系列處理方法,消除小的空洞和噪聲,最后將運(yùn)動(dòng)目標(biāo)從視頻序列中提取出來。其次,提取出完整清晰的豬輪廓邊緣是不變矩特征提取和行為識(shí)別的前提,本文研究了圖像分割與邊緣檢測(cè)的經(jīng)典方法,對(duì)于幾種方法的優(yōu)缺點(diǎn)進(jìn)行比較和分析。

3、圖像分割采用改進(jìn)的最大類間方差法,該法可避免傳統(tǒng)的最大類間方差法法采用窮盡搜索整個(gè)直方圖的灰度值來確定最優(yōu)閉值的局限性,大大減少了運(yùn)算量。最后對(duì)豬行為姿態(tài)的識(shí)別方法進(jìn)行分析和討論。采用模板匹配法結(jié)合不變矩的方法對(duì)行為姿態(tài)進(jìn)行識(shí)別,選取具有平移、旋轉(zhuǎn)、尺度縮放不變性的不變矩特征作為特征值。該方法克服了傳統(tǒng)模板匹配法的缺陷,提取不變矩特征后進(jìn)行相似度比較,以區(qū)分正常站立(行走)、低頭站立、抬頭站立、躺臥等行為,實(shí)現(xiàn)豬行為識(shí)別和分類。實(shí)驗(yàn)結(jié)果