CN104573624A - 母羊产前行为识别方法 - Google Patents
母羊产前行为识别方法 Download PDFInfo
- Publication number
- CN104573624A CN104573624A CN201410548017.0A CN201410548017A CN104573624A CN 104573624 A CN104573624 A CN 104573624A CN 201410548017 A CN201410548017 A CN 201410548017A CN 104573624 A CN104573624 A CN 104573624A
- Authority
- CN
- China
- Prior art keywords
- ewe
- behavior
- dimensional
- model
- components
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000006399 behavior Effects 0.000 title abstract description 79
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000000513 principal component analysis Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 230000001131 transforming effect Effects 0.000 claims abstract description 6
- 230000033001 locomotion Effects 0.000 claims description 11
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 230000004083 survival effect Effects 0.000 abstract description 6
- 241000283903 Ovis aries Species 0.000 abstract description 2
- 241000283707 Capra Species 0.000 description 5
- 241001494479 Pecora Species 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 210000003041 ligament Anatomy 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 210000002445 nipple Anatomy 0.000 description 3
- 230000032696 parturition Effects 0.000 description 3
- 241001313288 Labia Species 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 210000004197 pelvis Anatomy 0.000 description 2
- 206010067639 Genital swelling Diseases 0.000 description 1
- 235000019687 Lamb Nutrition 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 210000003022 colostrum Anatomy 0.000 description 1
- 235000021277 colostrum Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000001071 malnutrition Effects 0.000 description 1
- 235000000824 malnutrition Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 208000015380 nutritional deficiency disease Diseases 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000003905 vulva Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种母羊产前行为识别方法,包括步骤一：将母羊行为图像样本中的顶点坐标连接起来，对母羊行为分量做归一化操作；步骤二：通过PCA方法分析三维母羊行为分量，再采集前e个特征值形成特征分量，得到其投影矩阵；步骤三：将全部二维母羊行为图像特征点、在三维母羊行为图像形状分量中进行标识，再对其进行姿态变换处理；步骤四：采用投影矩阵将经过姿态变换的三维母羊行为模型变换到母羊行为平面图像中，再做投影处理，获取母羊行为三维模型重构系数；步骤五：将母羊行为调整系数分量变换到PCA模型中，得到密集的三维母羊行为模型。判断母羊是否即将分娩或者正在分娩，提醒养殖户前来照看，提高小羊存活率。
Description
技术领域
本发明属于养殖领域，具体涉及一种母羊产前行为识别方法，判断母羊即将分娩或正在分娩，提高小羊存活率。
背景技术
羊的规模化养殖兴起已近20年，实践证明，提高羔羊的存活率，是保证养羊企业和养殖户利润的重要途径，因为已经到了发育期的母羊和成熟的可配种公羊在体重上基本不会有太大的增加，只有未长大的小羊，体重上还会有较大的提升空间。专业养殖户根据待分娩的母羊的肚子下垂、生殖器肿大等生理特征可以分辨出最近将临盆，但是不能确定具体日期，因此需要日夜守候，花费大量精力和时间。特别是在冬天，如果小羊刚产下没有做好保暖工作，死亡率达百分之九十以上；对于初胎的母羊，小羊出生时，有些母羊不知道添去小羊身上的黏膜和水分，给小羊取暖；另外，现在三胎羊、四胎羊或更多胎的比例越来越多，由于母羊只有两个乳房，必须及时给没有乳吃的小羊喂食代乳品。因此，必须有一种监测母羊即将分娩或正在分娩的方法，及时通知养殖户前来照看。
发明内容
为了克服现有技术的不足，本发明提供一种母羊产前行为识别方法，判断母羊是否即将分娩或者正在分娩，提醒养殖户前来照看，提高小羊存活率。
本发明的技术方案是：一种母羊产前行为识别方法，包括如下步骤：步骤一：将母羊行为图像样本中的顶点坐标连接起来，能够获取母羊行为的三维模型，对全部的母羊行为分量做归一化操作，可以得到新的三维母羊行为分量T；步骤二：通过 PCA 方法分析三维母羊行为分量，确保母羊行为图像特征依据从小到大的次序进行分布，再采集前e个特征值形成特征分量，得到其投影矩阵，进而能够获取母羊行为三维图像特征；步骤三：将全部二维母羊行为图像特征点、运动图像的平均形状分量和投影矩阵在三维母羊行为图像形状分量中进行标识，得到三维母羊行为模型的稀疏模型，再对其进行姿态变换处理；步骤四：采用投影矩阵 K 可将经过姿态变换的三维母羊行为模型，变换到母羊行为平面图像中，再进行投影处理，可将其转换到母羊行为特征空间并获取母羊行为三维模型重构系数；
步骤五：将母羊行为调整系数分量变换到 PCA 模型中，可得到密集的三维母羊行为模型，通过该模型能够对母羊三维行为特征进行准确的识别。所述步骤一具体为：母羊行为的三维模型用 T = ( Y1,Z1,A1……YP,ZP,AP)U∈S3P描述，该模型由 p 个顶点的坐标组成，数据库中的训练样本数为 n，Tj用于描述每个三维母羊的行为分量，且有 j = 1，2，…，n。所述步骤二母羊行为三维图像特征为： ，其中，表示母羊行为分量灰度值均值，u 表示母羊行为分量投影矩阵。
本发明有如下积极效果：判断母羊是否即将分娩或者正在分娩，提醒养殖户前来照看，提高小羊存活率。
具体实施方式
下面对照附图，通过对实施例的描述，本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
本发明的主要发明思路是：母羊在临盆前会有一些明显的体态特征，比如说：母山羊的乳房在分娩前迅速发育，腺体充实，有的母山羊在乳房底部出现浮肿。临近分娩时，可以从乳头中挤出少量清亮胶状液体或挤出少量的初乳，有的出现漏乳现象。分娩前几天，乳头增大变粗，但营养不良的母羊，乳头变化不很明显。母山羊的外阴部在临近分娩前几天，阴唇逐渐柔软，肿胀、增大，阴唇皮肤上的皱襞展开，皮肤稍变红。阴道粘膜潮红，粘液由浓厚粘稠变为稀薄滑润。母山羊在分娩前骨盆韧带松弛，怀孕末期荐坐韧带变软，临产前更明显，在尾根及后部两旁可见到明显的凹陷，手摸如同面团状，行走时可见明显的颤动。有经验的养殖户很容易根据这些体态特征确定母羊在近3-5天就会临盆。母羊临产前期行为是特定条件下生理和心理行为的反应，一般表现为起卧频繁，经常变换体位( 漫步行走、侧卧和头部频繁回顾腹部等) 等典型行为。因此该时期母羊行为活动方式及其规律的信息获取是进行必要人工干预的重要判据之一，为有效降低难产率，提高羊犊成活率提供帮助。
以下为本发明基于三维图像动作识别原理分析，获取母羊的三维行为特征，需要通过母羊行为三维识别模型对母羊行为特征进行分析，最终完成母羊三维动作的准确识别。建立的数学模型如下:
将母羊行为图像样本中的顶点坐标连接起来，能够获取母羊行为的三维模型，用 T = ( Y1,Z1,A1……YP,ZP,AP)U∈S3P描述，该模型由 p 个顶点的坐标组成。数据库中的训练样本数为 n，Tj用于描述每个三维母羊的行为分量，且有 j = 1，2，…，n。对全部的母羊行为分量做归一化操作，可以得到新的三维母羊行为分量 T，其可描述数据库样本母羊行为分量的线性组合，如式( 1) 所示：
（1）
母羊行为具有统一性，由于骨骼以及肌肉的运动组合不同，到时行为存在一定的差异，而主元素分析方法 PCA 通常用于采集同类图像中的主成分，并且能够过滤相关的干扰因素，因此本文通过 PCA 方法分析三维母羊行为分量，确保母羊行为图像特征依据从小到大的次序进行分布，再采集前e个特征值形成特征分量，采用上文分析的方法得到其投影矩阵，进而能够获取母羊行为三维图像特征，如式( 2) 所示：
（2）
其中，表示母羊行为分量灰度值均值，u 表示母羊行为分量投影矩阵。如果母羊骨骼和肌肉出现波动，则可获取母羊的多姿态变形模型:
（3）
其中，S 表示母羊骨骼以及肌肉的角度偏移矩阵，以及GS表示发生角度变化后的形状分量。采用上述分析的母羊多姿态统计变形模型，可以得到母羊运动行为 PCA 模型，并且该模型具有稳定性。上文获取的l个二维母羊行为图像中，对母羊运动特征点进行标识并连接。
将全部二维母羊行为图像特征点在三维母羊行为图像形状分量中进行标识。Ul表示三维母羊行为模型中的特征点。对母羊运动图像的平均形状分量以及投影矩阵也采用上述方法进行操作，最终可得到稀疏特征分量以及 Gl，而得到三维母羊行为模型的稀疏模型，再对其进行姿态变换处理，可得: （4）
采用投影矩阵 K 可将经过姿态变换的三维母羊行为模型，变换到母羊行为平面图像中，则有:
（5）
对进行投影处理，可将其转换到母羊行为特征空间并通过式( 14) 获取母羊行为三维模型重构系数 u:
（6）
其中，表示获取的二维母羊行为图像中的特征点，表示转置矩阵。最终将母羊行为调整系数分量变换到 PCA 模型中，可得到密集的三维母羊行为模型，通过该模型能够对母羊三维行为特征进行准确的识别。通过以上原理可知: 母羊运动时的行为特征具有多样性和复杂性，无法采用精准的形状基描述母羊行为的不确定性，进而无法构建母羊三维运动模型，不能对母羊三维图像动作进行准确的识别。传统方法假设母羊运动的形状基数量稳定，母羊运动行为具有复杂的形变特征，导致形状基参数出现波动，采用固定的形状基无法准确分析母羊的复杂运动特征，使得母羊三维图像动作识别存在较大的误差。
视频采集方式为固定成像设备分别从正前方、侧面、后侧和水平方向随机视角采集母羊侧卧、行走和回望行为视频。有效识别视频中基本行为在临产前的频次变化规律是母羊产前行为识别与分析的关键。首先对基本行为( 行走、侧卧和回望) 利用上述方法进行识别;然后利用识别结果统计单位时间内母羊产前上述基本行为变化的频次，从而判定母羊即将分娩的判断。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。
Claims (3)
1.一种母羊产前行为识别方法，其特征在于，包括如下步骤：
步骤一：将母羊行为图像样本中的顶点坐标连接起来，获取母羊行为的三维模型，对全部的母羊行为分量做归一化操作，得到新的三维母羊行为分量T；
步骤二：通过PCA方法分析三维母羊行为分量，确保母羊行为图像特征依据从小到大的次序进行分布，再采集前e个特征值形成特征分量，得到其投影矩阵，获取母羊行为三维图像特征；
步骤三：将全部二维母羊行为图像特征点、运动图像的平均形状分量和投影矩阵在三维母羊行为图像形状分量中进行标识，得到三维母羊行为模型的稀疏模型，再对其进行姿态变换处理；
步骤四：采用投影矩阵 K将经过姿态变换的三维母羊行为模型，变换到母羊行为平面图像中，再进行投影处理，将其转换到母羊行为特征空间并获取母羊行为三维模型重构系数；
步骤五：将母羊行为调整系数分量变换到PCA模型中，得到密集的三维母羊行为模型，通过该模型对母羊三维行为特征进行准确的识别。
2.根据权利要求1所述的母羊产前行为识别方法，其特征在于：所述步骤一具体为：母羊行为的三维模型用 T = ( Y1,Z1,A1……YP,ZP,AP)U∈S3P描述，该模型由 p 个顶点的坐标组成，数据库中的训练样本数为 n，Tj用于描述每个三维母羊的行为分量，且有 j = 1，2，…，n。
3.根据权利要求1所述的母羊产前行为识别方法，其特征在于：所述步骤二母羊行为三维图像特征为： ，其中，表示母羊行为分量灰度值均值，u 表示母羊行为分量投影矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410548017.0A CN104573624A (zh) | 2014-10-16 | 2014-10-16 | 母羊产前行为识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410548017.0A CN104573624A (zh) | 2014-10-16 | 2014-10-16 | 母羊产前行为识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104573624A true CN104573624A (zh) | 2015-04-29 |
Family
ID=53089648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410548017.0A Pending CN104573624A (zh) | 2014-10-16 | 2014-10-16 | 母羊产前行为识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104573624A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345798A (zh) * | 2018-11-26 | 2019-02-15 | 日立楼宇技术（广州）有限公司 | 一种养殖场监控方法、装置、设备和存储介质 |
| CN110123484A (zh) * | 2019-05-31 | 2019-08-16 | 乐山知行智能科技有限公司 | 一种牲畜分娩检测方法和装置 |
| CN112836607A (zh) * | 2021-01-25 | 2021-05-25 | 河北农业大学 | 一种羊只产期预警的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156702A (zh) * | 2010-12-17 | 2011-08-17 | 南方报业传媒集团 | 一种由粗到精的视频事件的快速定位方法 |
| US20130110311A1 (en) * | 2011-08-29 | 2013-05-02 | Tk Holdings Inc. | System for noninvasive measurement of an analyte in a vehicle driver |
-
2014
- 2014-10-16 CN CN201410548017.0A patent/CN104573624A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156702A (zh) * | 2010-12-17 | 2011-08-17 | 南方报业传媒集团 | 一种由粗到精的视频事件的快速定位方法 |
| US20130110311A1 (en) * | 2011-08-29 | 2013-05-02 | Tk Holdings Inc. | System for noninvasive measurement of an analyte in a vehicle driver |
Non-Patent Citations (1)
| Title |
|---|
| 牛晓霞等: "《基于单张人脸图像三维形状模型重建》", 《计算机仿真》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345798A (zh) * | 2018-11-26 | 2019-02-15 | 日立楼宇技术（广州）有限公司 | 一种养殖场监控方法、装置、设备和存储介质 |
| CN110123484A (zh) * | 2019-05-31 | 2019-08-16 | 乐山知行智能科技有限公司 | 一种牲畜分娩检测方法和装置 |
| CN112836607A (zh) * | 2021-01-25 | 2021-05-25 | 河北农业大学 | 一种羊只产期预警的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | Automated body weight prediction of dairy cows using 3-dimensional vision | |
| Zhang et al. | Algorithm of sheep body dimension measurement and its applications based on image analysis | |
| CN107180438B (zh) | 估计牦牛体尺、体重的方法和相应的便携式计算机装置 | |
| WO2021000423A1 (zh) | 一种生猪体重测量方法及装置 | |
| US9104906B2 (en) | Image analysis for determining characteristics of animals | |
| Wang et al. | ASAS-NANP SYMPOSIUM: Applications of machine learning for livestock body weight prediction from digital images | |
| Battagin et al. | Genetic parameters for body condition score, locomotion, angularity, and production traits in Italian Holstein cattle | |
| Yavarifard et al. | Estimation of genetic parameters for reproductive traits in Mehraban sheep. | |
| Lassen et al. | Genetic relationship between body condition score, dairy character, mastitis, and diseases other than mastitis in first-parity Danish Holstein cows | |
| Trevathan et al. | Costly and cute: Helpless infants and human evolution | |
| Bruner et al. | Morphological variation and sexual dimorphism of the cephalic scales in Lacerta bilineata | |
| CN109147935A (zh) | 基于人体特征采集识别技术的健康数据平台 | |
| CN112101259A (zh) | 一种基于堆叠沙漏网络的单只猪体姿态识别系统及方法 | |
| CN104573624A (zh) | 母羊产前行为识别方法 | |
| Yin et al. | Non-contact sensing technology enables precision livestock farming in smart farms | |
| CN112270993A (zh) | 一种以诊断结果为反馈的超声机器人在线决策方法及系统 | |
| CN111783745A (zh) | 一种应用于池塘养殖的鱼类健康判断方法、装置及计算机可读存储介质 | |
| CN110321827A (zh) | 一种基于人脸疼痛表情视频的疼痛水平评估方法 | |
| Druml et al. | The use of novel phenotyping methods for validation of equine conformation scoring results | |
| CN114092634A (zh) | 经穴定位方法、装置、电子设备及存储介质 | |
| Ramírez-González et al. | Ultrasonography of pregnancy in Murciano-Granadina goat breed: fetal growth indices and umbilical artery doppler parameters | |
| Sibbald et al. | Fetal brain ultrasound measures and maternal nutrition: A feasibility study in Ecuador | |
| Siachos et al. | Development and validation of a fully automated 2-dimensional imaging system generating body condition scores for dairy cows using machine learning | |
| Burke et al. | An analysis of the feasibility of using image processing to estimate the live weight of sheep | |
| AU2018200156B2 (en) | Image Analysis For Determining Characteristics Of Animals And Humans |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150429 |