基于聯(lián)合描述子的奶牛反芻行為識別算法研究.pdf

1、奶牛的反芻時間及反芻次數(shù)在一定程度上反映了奶牛的生理健康狀況，其反芻行為與生產(chǎn)性能、應(yīng)激反應(yīng)以及多種疾病（如肢蹄，酮病，關(guān)節(jié)炎，消化道炎癥）等因素密切相關(guān)。近年來，針對奶牛社交、采食、反芻等行為的相關(guān)研究逐漸受到重視。在奶牛養(yǎng)殖業(yè)中，掌握奶牛反芻情況對指導(dǎo)奶牛的養(yǎng)殖具有重要意義。相比于人工觀察奶牛反芻行為費時費力等缺點，本文研究的目的在于探索一種視頻監(jiān)控技術(shù)能對特定時間段監(jiān)拍的奶牛自動進行反芻行為識別，方便養(yǎng)殖人員及時了解奶牛生理狀況。

2、
　　由于局部時空特征點的行為識別方法是當今熱門研究方法，且此類方法對部分遮擋和噪聲不敏感，計算復(fù)雜度低等優(yōu)點，本研究采用基于局部時空特征點的行為識別對奶牛反芻行為進行識別，針對提取奶牛反芻動作稀疏軌跡識別精度低的缺點，本文采用稠密軌跡方法以涵蓋奶牛反芻行為的全部運動信息并進一步提高算法精度。算法首先采樣稠密特征點，然后用光流法提取稠密特征運動軌跡，再將運動軌跡劃分成多個時空單元體并計算局部特征描述子，如包含局部運動模式信息的軌跡

3、描述符、包含外形信息的方向梯度直方圖（HOG）、包含運動速度的光流直方圖（HOF）以及補充光流包含運動加速度的運動邊界直方圖（MBH），最后將這些局部特征描述子用詞袋特征模型的方法進行量化編碼，送入分類器進行分類。本文主要在以下兩方面做了改進：
　　（1）針對單個軌跡描述子不能充分描述奶牛反芻行為軌跡特征的缺點，本文采用多種軌跡描述子（HOG）、（HOF）、（MBH）相融合及聯(lián)合描述子方法對奶牛反芻行為軌跡作進一步區(qū)分。