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

1、為了提高對于豬舍科學(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)備和圖像識別技術(shù)有效結(jié)合的方法，實時的監(jiān)控豬舍內(nèi)豬的異常行為，保證豬的健康生長。
　　本論文主要的研究分為三大部分，第一部分是對于研究對象豬輪廓的提取，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)用于對豬姿態(tài)的識別。
　　為了能夠?qū)崟r監(jiān)控豬舍內(nèi)豬的行為，本文根據(jù)研究對象的環(huán)境進行了分析，了解了目標對象和周圍

2、環(huán)境的差異性。利用蟻群算法對目標對象進行邊緣檢測，主要是利用了蟻群算法的魯棒性比較強?？墒鞘聦嵣希驗樵谪i場內(nèi)存在關(guān)照分布不均勻、豬糞便以及環(huán)境偏暗等問題，有時候使得檢測的圖像邊緣可能會有少許的間斷點?？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產(chǎn)生一些偽邊緣和噪聲干擾，再進一步采用數(shù)學(xué)形態(tài)學(xué)方法進行處理，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內(nèi)容。
　　經(jīng)過對豬的正常行走、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，豬動作的重復(fù)度很高，而且不同動作的相似性也很高。如果通過HU矩、Zernike矩這些傳統(tǒng)的不變矩進行豬只輪廓特征的提取，對于相似度比較高的動作很難區(qū)分，分類精度會比較低。本文提出使用小波不變矩概念，顧名思義，小波不變矩同時具備小波多尺度分析和傳統(tǒng)不變矩的優(yōu)點，所以將小波分析用于所構(gòu)造出的小波矩，這樣對于局部細節(jié)分析能力