基于視頻的動物行為智能分析系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、傳統(tǒng)的動物行為分析方法采用人為的觀察和記錄，用人眼對動物行為進行判斷，不僅耗時費力，而且判斷結(jié)果具有主觀性和不準確性等缺點，導致動物實驗結(jié)果出現(xiàn)偏差，甚至錯誤。針對這一問題，本研究以小白鼠為實驗對象，將計算機視覺技術(shù)、視頻分析技術(shù)和模式識別技術(shù)相結(jié)合，重點研究基于視頻的動物行為智能分析系統(tǒng)中目標檢測、目標跟蹤、目標特征信息提取、動物體態(tài)分類等關(guān)鍵技術(shù)，并開發(fā)實現(xiàn)上述關(guān)鍵技術(shù)的動物行為智能分析系統(tǒng)。 本文主要研究工作和結(jié)論如下：

2、 (1)針對動物觀察實驗的應(yīng)用需求，提出了動物行為分析系統(tǒng)的整體方案：設(shè)計了系統(tǒng)的硬件組成及相關(guān)配置；提出～套合理的視頻信號采集軟硬件方法；提出軟件系統(tǒng)實現(xiàn)的技術(shù)路線，為研究工作的開展奠定基礎(chǔ)。 (2)在分析、對比各種背景建模方法消耗代價基礎(chǔ)上，從系統(tǒng)實時性要求出發(fā)，利用時間平均法對背景進行建模。實驗結(jié)果表明，采用相隔3幀提取10幀圖像進行背景建模的效果最好。 (3)分析了連續(xù)圖像跟蹤的Camshift算法，根據(jù)動

3、物目標表面的顏色特征較為單一的特點，提出使用基于顏色特征的Camshift跟蹤算法對動物目標進行跟蹤。實驗結(jié)果表明，基于顏色特征的Camshift算法能夠準確的對運動目標進行實時跟蹤，每幀圖像跟蹤耗時30ms至70ms，有很高的實時性。在Camshift算法基礎(chǔ)上，提出基于概率分布圖的目標輪廓提取方法，實驗表明，該方法能很好地提取出清晰的輪廓，且魯棒性好。 (4)研究了動物行為分析技術(shù)，給出動物運動參數(shù)的計算方法。提出基于1-v

4、-1 SVM對小白鼠體態(tài)進行分類的方法，并選擇RBF核函數(shù)，用10-折交叉驗證法與網(wǎng)格搜索法相結(jié)合，對分類器進行最優(yōu)參數(shù)選擇。實驗結(jié)果表明，用984條樣本進行訓練后，對訓練樣本和906條測試樣本分類準確率分別為98.37％和86.20％，具有較高的準確率。 (5)設(shè)計了一個動物行為模型框架，根據(jù)該模型框架設(shè)計并提出了動物行為分析方法模型，并應(yīng)用于小白鼠日常行為分析中。該方法模型符合自然語言描述習慣，操作性強，利于程序?qū)崿F(xiàn)，易于擴