CN105894536A - 基于视频跟踪的禽畜行为分析方法及系统 - Google Patents
基于视频跟踪的禽畜行为分析方法及系统 Download PDFInfo
- Publication number
- CN105894536A CN105894536A CN201610192479.2A CN201610192479A CN105894536A CN 105894536 A CN105894536 A CN 105894536A CN 201610192479 A CN201610192479 A CN 201610192479A CN 105894536 A CN105894536 A CN 105894536A
- Authority
- CN
- China
- Prior art keywords
- poultry
- target
- behavior
- action
- zone
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于视频跟踪的禽畜行为分析方法及系统,所述方法包括如下步骤:S1.获取禽畜活动区域内的视频图像,所述禽畜活动区域内存在一个以上的禽畜;S2.从所述视频图像中检测出目标畜禽;S3.对检测出的目标禽畜进行视频跟踪;S4.依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。本发明所述的基于视频跟踪的禽畜行为分析方法解决现有技术中依靠人工观察记录禽畜行为带来的效率低下以及分析结果不客观等问题。
Description
技术领域
本发明涉及禽畜养殖领域,具体涉及一种基于视频跟踪的禽畜行为分析方法及系统。
背景技术
随着社会的发展,人们的生活水平也得到了显著改善,对肉制品的需求也从过去仅追求数量上的满足,到进一步追求肉制品品质。现代化、集约化的养殖大大提高了生产效率,降低了生产成本,使得经济效益得到了一定的提升。
近年来我国生猪产业发展迅速,目前年出栏一万头以上大型养猪场全国约有3000余个,生猪养殖业朝着集约化、专业化、信息化的方法发展将成为必然的趋势。但这种规模化的饲养方式也会造成一些负面影响,极易造成传染病集中爆发、大面积感染病菌或生猪育肥速度过慢等。为防止此类情况的发生,养猪场可能会违规使用药品或使用催肥药品等,影响肉质。为满足人们的消费需求,生猪养殖业开始重视生猪的日常行为及生活状态对畜禽行为的准确识别分析有利于优化生产工艺,提高生产效益以及改善动物福利。
传统的畜禽行为分析依赖于养殖场管理员的人工观察记录,这样不仅耗费了大量的人力物力,更容易因为管理员的失误造成误判,给生产带来损失,而且畜禽养殖场环境条件比较恶劣,对工作人员的身心健康会造成一定影响。
发明内容
针对现有技术中的缺陷,本发明提供一种基于视频跟踪的禽畜行为分析方法及系统,以解决现有技术中依靠人工观察记录禽畜行为带来的效率低下以及分析结果不客观等问题。
为解决上述技术问题,本发明提供以下技术方案:
第一方面,本发明提供了一种基于视频跟踪的禽畜行为分析方法,包括如下步骤:
S1.获取禽畜活动区域内的视频图像,所述禽畜活动区域内存在一个以上的禽畜;
S2.从所述视频图像中检测出目标畜禽;
S3.对检测出的目标禽畜进行视频跟踪;
S4.依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
优选地,所述S2中从所述视频图像中检测出目标畜禽,包括:
通过基于分类器的目标检测方法从所述视频图像的初始帧图像中识别出目标畜禽。
优选地,所述S3中对检测出的目标禽畜进行视频跟踪,包括:
S31.构造所述目标禽畜的特征矩阵,作为目标特征;
S32.将所述S2中检测出的目标禽畜在所述禽畜活动区域内所处的位置确定为跟踪的初始位置;
S33.读取所述视频图像的下一帧图像,确定该帧图像中包含目标禽畜的候选区域,并在所述候选区域中寻找与所述目标特征匹配的候选位置,将所述候选位置作为该帧图像中目标禽畜的位置;
S34.继续执行步骤S33直至所述视频图像中的所有帧图像均被读取完,最后根据每帧图像中目标禽畜的位置绘制所述目标禽畜的行为轨迹曲线,实现对所述目标禽畜的跟踪。
优选地,所述S4中依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征,包括:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
优选地,所述根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征,包括:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,获取所述目标禽畜在各个特定活动子区域内的活动次数以及每次活动的停留时间。
第二方面,本发明还供了一种基于视频跟踪的禽畜行为分析系统,包括:
获取单元,用于获取禽畜活动区域内的视频图像,所述禽畜活动区域内存在一个以上的禽畜;
检测单元,用于从所述视频图像中检测出目标畜禽;
跟踪单元,用于对检测出的目标禽畜进行视频跟踪;
分析单元,用于依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
优选地,所述检测单元,具体用于:
通过基于分类器的目标检测方法从所述视频图像的初始帧图像中识别出目标畜禽。
优选地,所述跟踪单元,进一步包括:构造模块、确定模块、标记模块和绘制模块;
所述构造模块,用于构造所述目标禽畜的特征矩阵,作为目标特征;
所述确定模块,用于将所述检测单元检测出的目标禽畜在所述禽畜活动区域内所处的位置确定为跟踪的初始位置;
所述标记模块,用于依次读取所述视频图像的下一帧图像,确定每该帧图像中包含目标禽畜的候选区域,并在所述候选区域中寻找与所述目标特征匹配的候选位置,将所述候选位置作为该帧图像中目标禽畜的位置;
所述绘制模块,用于根据每帧图像中目标禽畜的位置绘制所述目标禽畜的行为轨迹曲线,实现对所述目标禽畜的跟踪。
优选地,所述分析单元,具体用于:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
优选地,所述分析单元,具体用于:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,获取所述目标禽畜在各个特定活动子区域内的活动次数以及每次活动的停留时间。
由上述技术方案可知,本发明提供的基于视频跟踪的禽畜行为分析方法及系统,首先获取禽畜活动区域内的视频图像,然后从所述视频图像中检测出目标畜禽,并对检测出的目标禽畜进行视频跟踪,最后依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。例如,采用本实施例所述的基于视频跟踪的禽畜行为分析方法,可以对禽畜(如鸡、鸭、兔、猪等)进行行为分析,获得禽畜(如鸡、鸭、兔、猪等)的饮食特性、活动特性、休息特性等行为特征。本发明所述的基于视频跟踪的禽畜行为分析方法及系统,可以实现对目标禽畜的自动跟踪和行为分析,从而解决了现有技术中依靠人工观察记录禽畜行为带来的效率低下以及分析结果不客观等问题。此外,本发明所述的基于视频跟踪的禽畜行为分析方法,出于改善动物福利的角度考虑,在不对禽畜事先进行标注的情况下,对目标禽畜实现了实时准确的检测与跟踪。本发明所述的基于视频跟踪的禽畜行为分析方法可用于禽畜日常行为活动的自动化检测,对后续判定是否有禽畜存在异常行为有着重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一个实施例提供的基于视频跟踪的禽畜行为分析方法的流程图;
图2是步骤102的一种具体实现过程示意图;
图3是步骤103的一种具体实现过程示意图;
图4是猪舍区域划分结果示意图;
图5是本发明第三个实施例提供的基于视频跟踪的禽畜行为分析系统的结构示意图;
图6是基于视频跟踪的禽畜行为分析系统的一种实施方式示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明第一个实施例提供了一种基于视频跟踪的禽畜行为分析方法,图1示出了本发明第一个实施例提供的基于视频跟踪的禽畜行为分析方法的流程图。参见图1,所述方法包括如下步骤:
步骤101:获取禽畜活动区域内的视频图像,所述禽畜活动区域内存在一个以上的禽畜。
在本步骤中,禽畜活动区域例如可以为猪舍、鸡舍、羊圈等活动区域。
步骤102:从所述视频图像中检测出目标畜禽。
在本步骤中,假如要对猪舍中的1号猪进行行为分析,那么1号猪即为目标禽畜。此时,可以首先从采集的猪舍视频图像中检测出1号猪,然后后续对该1号猪进行视频跟踪,并根据视频跟踪结果对该1号猪的行为进行分析,以获得该1号猪的行为特征。例如根据视频跟踪结果发现该1号猪整日赖在一个地方不动,则表明该1号猪身体状况发生了问题,应及时对其进行检查或隔离,以免其患病并传染给其他猪体。
步骤103:对检测出的目标禽畜进行视频跟踪。
步骤104:依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
本实施例所述的基于视频跟踪的禽畜行为分析方法,首先获取禽畜活动区域内的视频图像,然后从所述视频图像中检测出目标畜禽,并对检测出的目标禽畜进行视频跟踪,最后依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。例如,采用本实施例所述的基于视频跟踪的禽畜行为分析方法,可以对禽畜(如鸡、鸭、兔、猪等)进行行为分析,获得禽畜(如鸡、鸭、兔、猪等)的饮食特性、活动特性、休息特性等行为特征。本实施例所述的基于视频跟踪的禽畜行为分析方法,可以实现对目标禽畜的自动跟踪和行为分析,从而解决了现有技术中依靠人工观察记录禽畜行为带来的效率低下以及分析结果不客观等问题。
此外,本实施例所述的基于视频跟踪的禽畜行为分析方法,出于改善动物福利的角度考虑,在不对禽畜事先进行标注的情况下,对目标禽畜实现了实时准确的检测与跟踪。本实施例所述的基于视频跟踪的禽畜行为分析方法可用于禽畜日常行为活动的自动化检测,对后续判定是否有禽畜存在异常行为有着重要意义。
在本发明第二个实施例中,给出了一个较佳实施例来详细介绍上述基于视频跟踪的禽畜行为分析方法的具体实现过程。
在本实施例中,基于视频跟踪的禽畜行为分析方法,具体包括:
步骤101:获取禽畜活动区域内的视频图像,所述禽畜活动区域内存在一个以上的禽畜。
在本步骤中,可以采用摄像机获取禽畜活动区域内的视频图像。例如,采用基于COMS传感的摄像机获取猪舍内的视频图像。其中在获取猪舍内的视频图像时,可以采用1台摄像机进行视频拍摄,优选地,也采用多台摄像机同时进行视频拍摄以获取较为完整的区域信息。
其中,海康威视DS-2CD4232FDW型单目静止不变焦超宽动态红外筒形网络摄像机采用1/3英寸CMOS传感器,最高分辨率可达300万像素(2048pixel*1563pixel),照射距离可达20-30米;例如选取猪舍1,利用海康威视DS-2CD4232FDW型单目静止不变焦IP摄像头进行视频采集。本实施例采集视频所用摄像头,不仅限于DS-2CD4232FDW型摄像头。
步骤102:从所述视频图像中检测出目标畜禽。
在本步骤中,通过基于分类器的目标检测方法从所述视频图像的初始帧图像中识别出目标畜禽。
具体的,通过基于分类器的目标检测方法从所述视频图像的初始帧图像中识别出目标畜禽,参加图2具体包括以下内容:
S21.首先建立正负样本的窗口集,并对所有样本窗口提取HOG特征,随后学习SVM窗口分类器。
S211.对所有样本窗口提取HOG特征,首先将样本窗口灰度化,然后采用Gamma校正法对输入样本窗口图像颜色空间归一化;目的是调节样本窗口图像的对比度,降低图像局部的阴影和光照变化所造成的影响,同时可以抑制噪音的干扰;为了捕获轮廓信息,同时进一步弱化光照的干扰计算样本窗口图像每个像素包括大小和方向在内的梯度;将样本窗口图像划分成n个8*8像素的小方块,并统计每个小方块的梯度直方图,将其作为每个小方块的描述子;将每3*3个小方块组成一个区域,将每个区域内所有小方块特征描述子串联起来便得到该区域的HOG特征描述子。最终将窗口内部所有区域的HOG特征描述子串联起来就可以得到该窗口的HOG特征描述子,即最终可供分类使用的特征向量。
S22.选取视频初始帧图像计算梯度,按一定位置间隔扫描整幅图像,提取待分类窗口,并对每个窗口计算HOG特征,最终对窗口依据SVM分类器进行分类检测得到窗口分类结果。
S23.窗口分类结果可得到部分能够判断为目标禽畜的窗口,称之为正窗口,为剔除目标禽畜或禽畜活动区域内某些复杂背景周围被误判为正窗口的窗口,将正窗口在扫描位置及尺度构成的3D扫描空间内表示,以正窗口的SVM分类值作为权值来进行扫描空间内目标禽畜的概率核密度估计。运行Meanshift方法寻找出局部能量极值,当局部极值能量高于阈值则判定为最终目标禽畜检测结果,相应局部极值位置所在窗口为准确的目标禽畜位置。
步骤103:对检测出的目标禽畜进行视频跟踪。
在本步骤中,参见图3,具体包括如下子步骤:
S31.构造所述目标禽畜的特征矩阵,作为目标特征。
例如,以灰度特征为60%,纹理特征为40%的特征提取比例构造特征矩阵R。采集目标禽畜样本及背景样本生成特征,目标样本的均值为μ1,标准差为σ1;背景样本的均值为μ0,标准差为σ0;
S32.将上述步骤102中检测出的目标禽畜在所述禽畜活动区域内所处的位置确定为跟踪的初始位置。
S33.读取所述视频图像的下一帧图像,确定该帧图像中包含目标禽畜的候选区域,并在所述候选区域中寻找与所述目标特征匹配的候选位置,将所述候选位置作为该帧图像中目标禽畜的位置。
例如,读取下一帧图像,遍历上一帧图像中候选区域的临近区域(当前帧图像的候选区域),迭代寻找候选位置,依据下述公式:
计算其特征,其中:pi,k为系数其值在1或-1间等概率随意选取;Rectsi,k指在候选区域随机选取的不同大小图像块;NR为图像块数目,其值在2-4之间随机选择。构造朴素贝叶斯分类器进行相似性判别,寻找与目标特征相似度最高的候选位置为该帧图像的目标位置,对参数μ1,σ1,μ0,σ0进行更新,进入下一帧图像跟踪。
S34.继续执行步骤S33直至所述视频图像中的所有帧图像均被读取完,最后根据每帧图像中目标禽畜的位置绘制所述目标禽畜的行为轨迹曲线,实现对所述目标禽畜的跟踪。
步骤104:依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
在本步骤中,依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征,包括:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
例如,更为具体地,可以根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,获取所述目标禽畜在各个特定活动子区域内的活动次数以及每次活动的停留时间。
举个例子,参见图4,对于禽畜-猪来说,其禽畜活动区域为猪舍,为猪舍划分特定活动区域如饮水区、采食区、排泄区和日常活动区;依据每一帧目标生猪坐标点位置绘出其行动轨迹;依据目标生猪所处位置和在相关区域停留时间分析其每天采食、饮水、排泄次数;当目标生猪进入特定区域(如采食区)时开始记录其停留帧数,当目标生猪在特定区域(如采食区)停留帧数超过100帧时,认为其在执行此项活动(即采食),并可以根据目标生猪在特定区域停留帧数确定其在特定区域的活动时长。
例如在对猪舍内的生猪进行视频跟踪行为分析时,得到的分析结果是:目标生猪一天共进入采食区2次,每次只停留了3分钟,而正常情况下,每个生猪应该饮食5-8次,每次应该在8-10分钟以内,那么根据视频跟踪分析结果可以推测该目标生猪可能生病了,食欲不佳,因此应对其进行进一步查看,以确定其是否生病。
本发明第三个实施例提供了一种基于视频跟踪的禽畜行为分析系统,参见图5,该系统包括:获取单元21、检测单元22、跟踪单元23和分析单元24。
所述获取单元21,用于获取禽畜活动区域内的视频图像,所述禽畜活动区域内存在一个以上的禽畜;
所述检测单元22,用于从所述视频图像中检测出目标畜禽;
所述跟踪单元23,用于对检测出的目标禽畜进行视频跟踪;
所述分析单元24,用于依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
优选地,所述检测单元22,具体用于:
通过基于分类器的目标检测方法从所述视频图像的初始帧图像中识别出目标畜禽。
优选地,所述跟踪单元23,进一步包括:构造模块、确定模块、标记模块和绘制模块;
所述构造模块,用于构造所述目标禽畜的特征矩阵,作为目标特征;
所述确定模块,用于将所述检测单元检测出的目标禽畜在所述禽畜活动区域内所处的位置确定为跟踪的初始位置;
所述标记模块,用于依次读取所述视频图像的下一帧图像,确定每该帧图像中包含目标禽畜的候选区域,并在所述候选区域中寻找与所述目标特征匹配的候选位置,将所述候选位置作为该帧图像中目标禽畜的位置;
所述绘制模块,用于根据每帧图像中目标禽畜的位置绘制所述目标禽畜的行为轨迹曲线,实现对所述目标禽畜的跟踪。
优选地,所述分析单元24,具体用于:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
优选地,所述分析单元24,具体用于:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,获取所述目标禽畜在各个特定活动子区域内的活动次数以及每次活动的停留时间。
本实施例所述的系统,可以用于执行上述实施例所述的方法,其原理和技术效果类似,此处不再详述。
参见图6,本实施例所述的系统实现起来较为方便,只需在禽畜活动区域内安装一定数量的视频采集装置即可获得禽畜活动区域的视频图像,后台通过对采集的视频图像进行处理分析,即可得到对目标禽畜的行为分析结果,从而解决了现有技术中依靠人工观察记录禽畜行为带来的效率低下以及分析结果不客观等问题。另外,由于本实施例所述的系统,不用事先对禽畜进行标记,因而保证了禽畜的动物福利。
本发明上述系统在动物福利领域有广泛应用,具有下述有益效果:(1)采用本发明上述系统无需对目标生猪进行事先进行标记,不会由于被标记引起争斗,对生猪完全无损害、无影响,保证了生猪的动物福利。(2)操作简单,易执行。(3)对生猪日常行为进行分析。(4)系统结构简单,自动化程度高。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于视频跟踪的禽畜行为分析方法,其特征在于,包括如下步骤:
S1.获取禽畜活动区域内的视频图像,所述禽畜活动区域内存在一个以上的禽畜;
S2.从所述视频图像中检测出目标畜禽;
S3.对检测出的目标禽畜进行视频跟踪;
S4.依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
2.根据权利要求1所述的方法,其特征在于,所述S2中从所述视频图像中检测出目标畜禽,包括:
通过基于分类器的目标检测方法从所述视频图像的初始帧图像中识别出目标畜禽。
3.根据权利要求2所述的方法,其特征在于,所述S3中对检测出的目标禽畜进行视频跟踪,包括:
S31.构造所述目标禽畜的特征矩阵,作为目标特征;
S32.将所述S2中检测出的目标禽畜在所述禽畜活动区域内所处的位置确定为跟踪的初始位置;
S33.读取所述视频图像的下一帧图像,确定该帧图像中包含目标禽畜的候选区域,并在所述候选区域中寻找与所述目标特征匹配的候选位置,将所述候选位置作为该帧图像中目标禽畜的位置;
S34.继续执行步骤S33直至所述视频图像中的所有帧图像均被读取完,最后根据每帧图像中目标禽畜的位置绘制所述目标禽畜的行为轨迹曲线,实现对所述目标禽畜的跟踪。
4.根据权利要求3所述的方法,其特征在于,所述S4中依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征,包括:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
5.根据权利要求4所述的方法,其特征在于,所述根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征,包括:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,获取所述目标禽畜在各个特定活动子区域内的活动次数以及每次活动的停留时间。
6.一种基于视频跟踪的禽畜行为分析系统,其特征在于,包括:
获取单元,用于获取禽畜活动区域内的视频图像,所述禽畜活动区域内存在一个以上的禽畜;
检测单元,用于从所述视频图像中检测出目标畜禽;
跟踪单元,用于对检测出的目标禽畜进行视频跟踪;
分析单元,用于依据视频跟踪结果对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
7.根据权利要求6所述的系统,其特征在于,所述检测单元,具体用于:
通过基于分类器的目标检测方法从所述视频图像的初始帧图像中识别出目标畜禽。
8.根据权利要求7所述的系统,其特征在于,所述跟踪单元,进一步包括:构造模块、确定模块、标记模块和绘制模块;
所述构造模块,用于构造所述目标禽畜的特征矩阵,作为目标特征;
所述确定模块,用于将所述检测单元检测出的目标禽畜在所述禽畜活动区域内所处的位置确定为跟踪的初始位置;
所述标记模块,用于依次读取所述视频图像的下一帧图像,确定每该帧图像中包含目标禽畜的候选区域,并在所述候选区域中寻找与所述目标特征匹配的候选位置,将所述候选位置作为该帧图像中目标禽畜的位置;
所述绘制模块,用于根据每帧图像中目标禽畜的位置绘制所述目标禽畜的行为轨迹曲线,实现对所述目标禽畜的跟踪。
9.根据权利要求8所述的系统,其特征在于,所述分析单元,具体用于:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,对所述目标禽畜的行为进行分析,以获得目标禽畜的行为特征。
10.根据权利要求9所述的系统,其特征在于,所述分析单元,具体用于:
根据所述禽畜活动区域内各个特定活动子区域的位置信息以及所述目标禽畜的行为轨迹曲线,获取所述目标禽畜在各个特定活动子区域内的活动次数以及每次活动的停留时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610192479.2A CN105894536A (zh) | 2016-03-30 | 2016-03-30 | 基于视频跟踪的禽畜行为分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610192479.2A CN105894536A (zh) | 2016-03-30 | 2016-03-30 | 基于视频跟踪的禽畜行为分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105894536A true CN105894536A (zh) | 2016-08-24 |
Family
ID=57014333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610192479.2A Pending CN105894536A (zh) | 2016-03-30 | 2016-03-30 | 基于视频跟踪的禽畜行为分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105894536A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778555A (zh) * | 2016-11-30 | 2017-05-31 | 石河子大学 | 一种基于机器视觉的奶牛反刍咀嚼、吞咽次数统计方法 |
CN108596225A (zh) * | 2018-04-12 | 2018-09-28 | 广州杰赛科技股份有限公司 | 目标相似度识别方法、目标的停留时间记录方法及装置 |
CN108648338A (zh) * | 2018-04-12 | 2018-10-12 | 广州杰赛科技股份有限公司 | 自动售货机的商品信息采集方法、装置和售货机 |
CN108805834A (zh) * | 2018-05-28 | 2018-11-13 | 电子科技大学 | 一种内窥镜自动调光的图像处理算法 |
CN108812407A (zh) * | 2018-05-23 | 2018-11-16 | 平安科技(深圳)有限公司 | 动物健康状态监测方法、设备及存储介质 |
CN109376584A (zh) * | 2018-09-04 | 2019-02-22 | 湖南大学 | 一种用于畜牧业的禽畜数量统计系统和方法 |
CN110163103A (zh) * | 2019-04-18 | 2019-08-23 | 中国农业大学 | 一种基于视频图像的生猪行为识别方法和装置 |
CN110287902A (zh) * | 2019-06-27 | 2019-09-27 | 洛阳语音云创新研究院 | 畜禽存活检测方法、装置、设备及计算机程序产品 |
CN110456831A (zh) * | 2019-08-16 | 2019-11-15 | 南开大学 | 一种基于主动视觉的小鼠接触行为追踪平台 |
CN111028266A (zh) * | 2019-12-16 | 2020-04-17 | 洛阳语音云创新研究院 | 畜禽盘点方法、装置、电子设备和存储介质 |
CN112052719A (zh) * | 2020-07-16 | 2020-12-08 | 国网浙江省电力有限公司 | 基于图像特征识别的人员行为分析方法及系统 |
WO2021242824A1 (en) * | 2020-05-28 | 2021-12-02 | Cargill, Incorporated | Automated poultry or livestock welfare tracking |
CN113743368A (zh) * | 2021-09-18 | 2021-12-03 | 内蒙古工业大学 | 一种行为监测方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040141635A1 (en) * | 2000-11-24 | 2004-07-22 | Yiqing Liang | Unified system and method for animal behavior characterization from top view using video analysis |
CN103248703A (zh) * | 2013-05-16 | 2013-08-14 | 中国农业大学 | 生猪行为自动监测系统及方法 |
CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
CN104751367A (zh) * | 2013-12-31 | 2015-07-01 | 南京理工大学常熟研究院有限公司 | 养猪场种猪养殖品质全程感知、测控与跟踪系统 |
-
2016
- 2016-03-30 CN CN201610192479.2A patent/CN105894536A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040141635A1 (en) * | 2000-11-24 | 2004-07-22 | Yiqing Liang | Unified system and method for animal behavior characterization from top view using video analysis |
CN103248703A (zh) * | 2013-05-16 | 2013-08-14 | 中国农业大学 | 生猪行为自动监测系统及方法 |
CN104751367A (zh) * | 2013-12-31 | 2015-07-01 | 南京理工大学常熟研究院有限公司 | 养猪场种猪养殖品质全程感知、测控与跟踪系统 |
CN104008367A (zh) * | 2014-05-08 | 2014-08-27 | 中国农业大学 | 基于计算机视觉的育肥猪的自动行为分析系统及方法 |
Non-Patent Citations (4)
Title |
---|
DUAN YUYAO ET AL.: "Remote monitoring system of pig motion behavior and piggery environment based on Internet of Things", 《农业工程学报》 * |
樊兴 等: "基于视频图像的目标识别与跟踪算法", 《火力与指挥控制》 * |
段玉瑶 等: "猪舍场景下地生猪目标跟踪和行为检测方法研究", 《农业机械学报》 * |
王正友: "一种改进的基于SVM与Mean Shift的目标跟踪", 《计算机仿真》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778555A (zh) * | 2016-11-30 | 2017-05-31 | 石河子大学 | 一种基于机器视觉的奶牛反刍咀嚼、吞咽次数统计方法 |
CN106778555B (zh) * | 2016-11-30 | 2020-04-07 | 石河子大学 | 一种基于机器视觉的奶牛反刍咀嚼、吞咽次数统计方法 |
CN108596225A (zh) * | 2018-04-12 | 2018-09-28 | 广州杰赛科技股份有限公司 | 目标相似度识别方法、目标的停留时间记录方法及装置 |
CN108648338A (zh) * | 2018-04-12 | 2018-10-12 | 广州杰赛科技股份有限公司 | 自动售货机的商品信息采集方法、装置和售货机 |
WO2019223130A1 (zh) * | 2018-05-23 | 2019-11-28 | 平安科技(深圳)有限公司 | 动物健康状态监测方法、设备及存储介质 |
CN108812407A (zh) * | 2018-05-23 | 2018-11-16 | 平安科技(深圳)有限公司 | 动物健康状态监测方法、设备及存储介质 |
CN108812407B (zh) * | 2018-05-23 | 2020-11-27 | 平安科技(深圳)有限公司 | 动物健康状态监测方法、设备及存储介质 |
CN108805834A (zh) * | 2018-05-28 | 2018-11-13 | 电子科技大学 | 一种内窥镜自动调光的图像处理算法 |
CN109376584A (zh) * | 2018-09-04 | 2019-02-22 | 湖南大学 | 一种用于畜牧业的禽畜数量统计系统和方法 |
CN110163103A (zh) * | 2019-04-18 | 2019-08-23 | 中国农业大学 | 一种基于视频图像的生猪行为识别方法和装置 |
CN110163103B (zh) * | 2019-04-18 | 2021-07-30 | 中国农业大学 | 一种基于视频图像的生猪行为识别方法和装置 |
CN110287902A (zh) * | 2019-06-27 | 2019-09-27 | 洛阳语音云创新研究院 | 畜禽存活检测方法、装置、设备及计算机程序产品 |
CN110287902B (zh) * | 2019-06-27 | 2023-10-31 | 洛阳语音云创新研究院 | 畜禽存活检测方法、装置、设备及计算机程序产品 |
CN110456831A (zh) * | 2019-08-16 | 2019-11-15 | 南开大学 | 一种基于主动视觉的小鼠接触行为追踪平台 |
CN110456831B (zh) * | 2019-08-16 | 2022-06-14 | 南开大学 | 一种基于主动视觉的小鼠接触行为追踪平台 |
CN111028266A (zh) * | 2019-12-16 | 2020-04-17 | 洛阳语音云创新研究院 | 畜禽盘点方法、装置、电子设备和存储介质 |
CN111028266B (zh) * | 2019-12-16 | 2023-05-23 | 洛阳语音云创新研究院 | 畜禽盘点方法、装置、电子设备和存储介质 |
WO2021242824A1 (en) * | 2020-05-28 | 2021-12-02 | Cargill, Incorporated | Automated poultry or livestock welfare tracking |
CN112052719A (zh) * | 2020-07-16 | 2020-12-08 | 国网浙江省电力有限公司 | 基于图像特征识别的人员行为分析方法及系统 |
CN113743368A (zh) * | 2021-09-18 | 2021-12-03 | 内蒙古工业大学 | 一种行为监测方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105894536A (zh) | 基于视频跟踪的禽畜行为分析方法及系统 | |
Liu et al. | A computer vision-based method for spatial-temporal action recognition of tail-biting behaviour in group-housed pigs | |
Yang et al. | Computer vision models in intelligent aquaculture with emphasis on fish detection and behavior analysis: a review | |
Parvathi et al. | Detection of maturity stages of coconuts in complex background using Faster R-CNN model | |
CN105354548B (zh) | 一种基于ImageNet检索的监控视频行人重识别方法 | |
CN108830144B (zh) | 一种基于改进Faster-R-CNN的哺乳母猪姿态识别方法 | |
Mohamed et al. | Msr-yolo: Method to enhance fish detection and tracking in fish farms | |
Wang et al. | Recognition and classification of broiler droppings based on deep convolutional neural network | |
CN104008367A (zh) | 基于计算机视觉的育肥猪的自动行为分析系统及方法 | |
Subedi et al. | Tracking floor eggs with machine vision in cage-free hen houses | |
CN115861721B (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
Noe et al. | Automatic detection and tracking of mounting behavior in cattle using a deep learning-based instance segmentation model | |
Li et al. | Fusion of RGB, optical flow and skeleton features for the detection of lameness in dairy cows | |
Liu et al. | MonkeyTrail: a scalable video-based method for tracking macaque movement trajectory in daily living cages | |
Rodriguez et al. | Automated video monitoring of unmarked and marked honey bees at the hive entrance | |
Guo et al. | Detecting broiler chickens on litter floor with the YOLOv5-CBAM deep learning model | |
CN107220972A (zh) | 一种基于红外图像的禽蛋品质鉴别方法 | |
Zhou et al. | Detection of abnormal chicken droppings based on improved Faster R-CNN | |
CN109993076A (zh) | 一种基于深度学习的白鼠行为分类方法 | |
CN114943929A (zh) | 基于图像融合技术的鱼类异常行为实时检测方法 | |
Mei et al. | A Method Based on Knowledge Distillation for Fish School Stress State Recognition in Intensive Aquaculture. | |
Bello et al. | Mask YOLOv7-Based Drone Vision System for Automated Cattle Detection and Counting | |
Zhang et al. | An approach for goose egg recognition for robot picking based on deep learning | |
CN111753640A (zh) | 一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法 |
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: 20160824 |