CN112418018A - 奶牛行走异常检测方法及其装置 - Google Patents
奶牛行走异常检测方法及其装置 Download PDFInfo
- Publication number
- CN112418018A CN112418018A CN202011242454.1A CN202011242454A CN112418018A CN 112418018 A CN112418018 A CN 112418018A CN 202011242454 A CN202011242454 A CN 202011242454A CN 112418018 A CN112418018 A CN 112418018A
- Authority
- CN
- China
- Prior art keywords
- cow
- walking
- detected
- video
- preset feature
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 75
- 235000013365 dairy product Nutrition 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 60
- 208000030175 lameness Diseases 0.000 claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 230000008859 change Effects 0.000 claims abstract description 25
- 241000283690 Bos taurus Species 0.000 claims description 209
- 238000004590 computer program Methods 0.000 claims description 11
- 239000008267 milk Substances 0.000 claims description 9
- 235000013336 milk Nutrition 0.000 claims description 9
- 210000004080 milk Anatomy 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 210000001217 buttock Anatomy 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 210000000003 hoof Anatomy 0.000 description 4
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 208000028752 abnormal posture Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Psychiatry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Social Psychology (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种奶牛行走异常检测方法及其装置，在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。本发明提供的奶牛行走异常检测方法及其装置，通过奶牛行走过程中预设特征点的位置变化，判定奶牛是否为行走异常，从而避免了奶牛行走异常对跛行检测结果的干扰。
Description
技术领域
本发明涉及养殖信息化技术领域，尤其涉及一种奶牛行走异常检测方法及其装置。
背景技术
近年来，随着养殖技术的发展，奶牛养殖对于奶牛健康和福利监测需求越来越大。奶牛跛行是由牛舍饲养条件、管理、营养和环境等因素引起的蹄病行为表现。奶牛跛行不仅影响奶牛产奶量，也会降低奶牛的繁殖率和生活福利。美国国家动物卫生监测系统的一份调查结果表示，跛行的发病率为16％，在奶牛被淘汰的相关因素中，跛行位居第三。
早期的奶牛跛行检测以养殖者人眼观察为主，这种方式主要可以检测重度跛行奶牛，但是对于重度跛行的奶牛，通常足够没有时间得到治疗。计算机视觉奶牛跛行检测技术通过摄像机对奶牛行走视频进行收集，并通过计算机中的图像处理技术对奶牛运动中的行为特征进行提取，最后通过检测算法对奶牛是否跛行以及跛行程度进行判断。近些年来，电子技术越来越多的应用于乳制品行业，计算机视觉技术由于其价格适中、非接触信息获取方法，并且图像获取后检测算法更贴近于已有成熟研究的评分系统，所以适用于奶牛跛行检测，利用计算机视觉检测奶牛跛行技术被广泛的研究。
目前，基于计算机视觉的奶牛跛行检测方法主要通过检测奶牛运动特征检测跛行，通过摄像机收集奶牛行走视频，利用图像处理或机器学习算法提取视频中奶牛跛行特征，通过跛行检测算法分析特征以对奶牛进行跛行分类。研究最为广泛的是利用弓背曲率检测跛行，通过对视频中的奶牛图像进行提取，利用奶牛臀部到颈部圆拟合实现奶牛行走时背部姿态的提取，基于背部曲率值，分析奶牛跛行等级。其他方法包括轨迹重叠检测方法，即健康奶牛行走过程中，后蹄应超过前蹄位置，利用可见光相机收集奶牛在通道中行走视频，从图像中利用图像处理技术提取了奶牛牛蹄落地位置，对奶牛跛行进行检测。以及利用奶牛头部、颈部和背部连接线斜率，对奶牛跛行程度进行判断等方法。
所有的基于计算机视觉奶牛跛行检测方法，都是以奶牛自然行走为前提的。但是奶牛在行走过程中，经常会因为地面滑湿、应激等影响，造成奶牛无法正常行走而滑到，导致特征提取异常，影响计算机视觉奶牛跛行正常检测，出现检测误差。
发明内容
本发明提供一种奶牛行走异常检测方法及其装置，用以解决现有技术中出现奶牛行走异常而影响跛行检测的问题。
本发明提供一种奶牛行走异常检测方法，包括：
在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；
若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
根据本发明提供一种的奶牛行走异常检测方法，所述若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常之后，还包括：
生成异常信息，其中，所述异常信息用于表征不基于所述目标行走视频对所述待测奶牛进行跛行检测。
根据本发明提供一种的奶牛行走异常检测方法，所述在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度，包括：
对所述目标行走视频中的预设特征点进行跟踪定位；
提取所述预设特征点的坐标；
根据所述预设特征点的坐标确定所述待测奶牛的预设特征点的移动幅度。
根据本发明提供一种的奶牛行走异常检测方法，所述对所述目标行走视频中的预设特征点进行跟踪定位，包括：
采用图像处理或者深度学习方法对所述目标行走视频中的预设特征点进行跟踪定位。
根据本发明提供一种的奶牛行走异常检测方法，所述预设特征点包括头部质心和/或臀部最高点。
根据本发明提供一种的奶牛行走异常检测方法，所述在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度之前，还包括：
通过视频采集设备对所述待测奶牛的行走视频进行采集，得到所述目标行走视频。
根据本发明提供一种的奶牛行走异常检测方法，所述在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度之后，还包括：
若所述待测奶牛的预设特征点的移动幅度小于所述变化阈值，从所述目标行走视频中提取所述待测奶牛的跛行特征；
根据所述待测奶牛的跛行特征对所述待测奶牛进行跛行检测。
本发明还提供一种奶牛行走异常检测装置，包括：
幅度确定模块，用于在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；
判定模块，用于若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
本发明还提供一种奶牛行走异常检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的奶牛行走异常检测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的奶牛行走异常检测方法的步骤。
本发明提供的奶牛行走异常检测方法及其装置，通过奶牛行走过程中预设特征点的位置变化，判定奶牛是否为行走异常，从而避免了奶牛行走异常对跛行检测结果的干扰。
附图说明
为了更清楚地说明本发明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一简单地介绍，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是本发明提供的奶牛行走异常检测方法的流程示意图之一；
图2是本发明提供的奶牛行走异常检测方法的流程示意图之二；
图3是本发明提供的奶牛行走异常检测装置的结构示意图之一；
图4是本发明提供的奶牛行走异常检测装置的结构示意图之二。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，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。
下面结合图1描述本发明奶牛行走异常检测方法，如图1所示，奶牛行走异常检测方法包括步骤S110和S120。
步骤S110：在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度。
其中，预设特征点可以是包括头部质心、臀部最高点等中的至少一个。奶牛自然行走过程中，其头部和臀部在垂直方向会随着牛腿交替前进而存在微小的摆动，但不会存在剧烈变化。而跛行奶牛行走过程中有时会伴随头部和臀部摆动，但其变化也是周期性的。基于行走视频确定预设特征点的移动幅度可以通过步骤S111至S113来实现。
S111：对所述目标行走视频中的预设特征点进行跟踪定位。
具体地说，可以通过采用图像处理或者深度学习方法等对目标行走视频中的预设特征点进行跟踪定位。
S112：提取所述预设特征点的坐标。
S113；根据所述预设特征点的坐标确定所述待测奶牛的预设特征点的移动幅度。
可选的，在步骤S110之前，奶牛行走异常检测方法还包括：通过视频采集设备对所述待测奶牛的行走视频进行采集，得到所述目标行走视频。奶牛行走异常检测方法适用于具有可容单头奶牛自然行走通道的养殖场，例如，视频采集设备为Panasonic DC-GH5S数码相机，采集地点为北京延庆区大地群生养殖场，采集装置是一条长4m，宽0.8m的通道，位于挤奶室入口，奶牛通过通道进入挤奶室，相机固定于距通道5m位置，距离地面高度1m，水平放置在通道中心。
步骤S120：若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
具体的说，根据对数据的分析，奶牛前腿滑到时，头部会出现突然下坠的姿态，后退滑到时，臀部会出现突然下坠，并且奶牛滑到后会迅速起身，头部和臀部恢复正常行走位置。当待测奶牛的预设特征点的移动幅度大于变化阈值，则判定为出现滑到现象，即确定待测奶牛为行走异常。可选的，可以通过分析自然行走奶牛的头部质心、臀部最高点运动范围，设定变化阈值。
常规的计算机视觉奶牛跛行检测方法中，均以自然行走状态下的奶牛为研究对象，行走出现异常姿态的奶牛均不考虑，可选的，在确定所述待测奶牛为行走异常之后，还执行：生成异常信息。
具体的说，异常信息用于表征不基于目标行走视频对所述待测奶牛进行跛行检测，即将非正常行走奶牛剔除不进行该次的跛行检测。
步骤S130：若所述待测奶牛的预设特征点的移动幅度小于所述变化阈值，从所述目标行走视频中提取所述待测奶牛的跛行特征。
步骤S140：根据所述待测奶牛的跛行特征对所述待测奶牛进行跛行检测。
具体的说，利用变化阈值判断头部质心或臀部最高点是否出现突然下坠的奇异点，如果出现超出变化阈值的奇异点，则判定为行走异常。当待测奶牛的预设特征点的移动幅度小于变化阈值时，则确定待测奶牛不是行走异常，能基于目标行走视频来对待测奶牛进行跛行检测。当待测奶牛的预设特征点的移动幅度等于变化阈值时，判定结果可以根据实际情况进行设定，一种是当待测奶牛的预设特征点的移动幅度等于变化阈值时，确定待测奶牛为行走异常；另一种是当待测奶牛的预设特征点的移动幅度等于变化阈值时，确定待测奶牛不是行走异常。
可选的，奶牛行走异常检测还可以通过步骤S210至S240来实现。
步骤S210：对所述待测奶牛的行走视频进行采集。
步骤S220：对所述待测奶牛的行走视频中的头部、臀部图像进行跟踪定位。
步骤S230：设定变化阈值。
具体的说，在定位后，提取奶牛头部质心和臀部最高点坐标，分析自然行走奶牛头部质心和臀部最高点坐标的变化范围，设定其变化阈值。
步骤S240：异常行为检测。
具体的说，通过步骤S110和S120来确定待测奶牛是否为行走异常，以来执行异常行为检测。当视频中奶牛头部质心和臀部最高点坐标下降到阈值范围之外，则判定为出现滑到现象，将非正常行走奶牛剔除不进行该次的跛行检测。
下面对本发明提供的奶牛行走异常检测装置进行描述，下文描述的奶牛行走异常检测装置与上文描述的奶牛行走异常检测方法可相互对应参照。
如图3所示，奶牛行走异常检测装置包括：
幅度确定模块310，用于在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；
判定模块320，用于若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
可选的，还包括信息生成模块，所述信息生成模块用于在所述若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常之后，生成异常信息，其中，所述异常信息用于表征不基于所述目标行走视频对所述待测奶牛进行跛行检测。
可选的，所述幅度确定模块310包括：
定位单元，用于对所述目标行走视频中的预设特征点进行跟踪定位；
提取单元，用于提取所述预设特征点的坐标；
确定单元，用于根据所述预设特征点的坐标确定所述待测奶牛的预设特征点的移动幅度。
可选的，所述定位单元，用于采用图像处理或者深度学习方法对所述目标行走视频中的预设特征点进行跟踪定位。
可选的，所述预设特征点包括头部质心和/或臀部最高点。
可选的，还包括采集模块，所述采集模块用于在所述在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度之前，通过视频采集设备对所述待测奶牛的行走视频进行采集，得到所述目标行走视频。
可选的，还包括跛行检测模块，所述跛行检测模块用于在所述在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度之后，从所述目标行走视频中提取所述待测奶牛的跛行特征；根据所述待测奶牛的跛行特征对所述待测奶牛进行跛行检测。
图4示例了一种奶牛行走异常检测装置的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行奶牛行走异常检测方法，该方法包括：在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的奶牛行走异常检测方法，该方法包括：在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的奶牛行走异常检测方法，该方法包括：在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
本发明提供的奶牛行走异常检测方法及其装置，通过奶牛行走过程中预设特征点的位置变化，判定奶牛是否为行走异常，从而避免了奶牛行走异常对跛行检测结果的干扰。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以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；而这些修改或者替换，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)
1.一种奶牛行走异常检测方法，其特征在于，包括：
在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；
若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
2.根据权利要求1所述的奶牛行走异常检测方法，其特征在于，所述若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常之后，还包括：
生成异常信息，其中，所述异常信息用于表征不基于所述目标行走视频对所述待测奶牛进行跛行检测。
3.根据权利要求1所述的奶牛行走异常检测方法，其特征在于，所述在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度，包括：
对所述目标行走视频中的预设特征点进行跟踪定位；
提取所述预设特征点的坐标；
根据所述预设特征点的坐标确定所述待测奶牛的预设特征点的移动幅度。
4.根据权利要求3所述的奶牛行走异常检测方法，其特征在于，所述对所述目标行走视频中的预设特征点进行跟踪定位，包括：
采用图像处理或者深度学习方法对所述目标行走视频中的预设特征点进行跟踪定位。
5.根据权利要求1-4任一项所述的奶牛行走异常检测方法，其特征在于，所述预设特征点包括头部质心和/或臀部最高点。
6.根据权利要求1-4任一项所述的奶牛行走异常检测方法，其特征在于，所述在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度之前，还包括：
通过视频采集设备对所述待测奶牛的行走视频进行采集，得到所述目标行走视频。
7.根据权利要求1-4任一项所述的奶牛行走异常检测方法，其特征在于，所述在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度之后，还包括：
若所述待测奶牛的预设特征点的移动幅度小于所述变化阈值，从所述目标行走视频中提取所述待测奶牛的跛行特征；
根据所述待测奶牛的跛行特征对所述待测奶牛进行跛行检测。
8.一种奶牛行走异常检测装置，其特征在于，包括：
幅度确定模块，用于在获取到待测奶牛的目标行走视频的情况下，基于所述目标行走视频确定所述待测奶牛的预设特征点的移动幅度；
判定模块，用于若所述待测奶牛的预设特征点的移动幅度大于变化阈值，则确定所述待测奶牛为行走异常。
9.一种奶牛行走异常检测装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的奶牛行走异常检测方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的奶牛行走异常检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011242454.1A CN112418018A (zh) | 2020-11-09 | 2020-11-09 | 奶牛行走异常检测方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011242454.1A CN112418018A (zh) | 2020-11-09 | 2020-11-09 | 奶牛行走异常检测方法及其装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112418018A true CN112418018A (zh) | 2021-02-26 |
Family
ID=74782291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011242454.1A Pending CN112418018A (zh) | 2020-11-09 | 2020-11-09 | 奶牛行走异常检测方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112418018A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116168332A (zh) * | 2023-04-19 | 2023-05-26 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 跛行检测方法、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998037809A1 (de) * | 1997-02-25 | 1998-09-03 | Parvis Falaturi | Lahmheitsdiagnose |
| JP2003228701A (ja) * | 2002-02-05 | 2003-08-15 | Japan Science & Technology Corp | 跛行診断システム |
| CN101495036A (zh) * | 2006-03-21 | 2009-07-29 | 阿菲克姆智能牧场管理系统公司 | 用于跛行识别的方法和系统 |
| US20110246123A1 (en) * | 2010-03-30 | 2011-10-06 | Welch Allyn, Inc. | Personal status monitoring |
| US20160073614A1 (en) * | 2013-09-13 | 2016-03-17 | Kyle Douglas Lampe | System and Method for Detection of Lameness in Sport Horses and other Quadrupeds |
-
2020
- 2020-11-09 CN CN202011242454.1A patent/CN112418018A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998037809A1 (de) * | 1997-02-25 | 1998-09-03 | Parvis Falaturi | Lahmheitsdiagnose |
| JP2003228701A (ja) * | 2002-02-05 | 2003-08-15 | Japan Science & Technology Corp | 跛行診断システム |
| CN101495036A (zh) * | 2006-03-21 | 2009-07-29 | 阿菲克姆智能牧场管理系统公司 | 用于跛行识别的方法和系统 |
| US20110246123A1 (en) * | 2010-03-30 | 2011-10-06 | Welch Allyn, Inc. | Personal status monitoring |
| US20160073614A1 (en) * | 2013-09-13 | 2016-03-17 | Kyle Douglas Lampe | System and Method for Detection of Lameness in Sport Horses and other Quadrupeds |
Non-Patent Citations (2)
| Title |
|---|
| 宋怀波;姜波;吴倩;李通;何东健;: "基于头颈部轮廓拟合直线斜率特征的奶牛跛行检测方法", 农业工程学报, no. 15 * |
| 罗坚;黎梦霞;罗诗光;: "异常步态3维人体建模和可变视角识别", 中国图象图形学报, no. 08 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116168332A (zh) * | 2023-04-19 | 2023-05-26 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 跛行检测方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Okinda et al. | A machine vision system for early detection and prediction of sick birds: A broiler chicken model | |
| Qiao et al. | Intelligent perception for cattle monitoring: A review for cattle identification, body condition score evaluation, and weight estimation | |
| Wang et al. | ASAS-NANP SYMPOSIUM: Applications of machine learning for livestock body weight prediction from digital images | |
| Kashiha et al. | Automatic monitoring of pig locomotion using image analysis | |
| Rushen et al. | Automated monitoring of behavioural-based animal welfare indicators | |
| CN111339850A (zh) | 一种基于支撑时相的奶牛跛行检测方法与系统 | |
| Poursaberi et al. | Online lameness detection in dairy cattle using Body Movement Pattern (BMP) | |
| Roland et al. | Evaluation of a triaxial accelerometer for monitoring selected behaviors in dairy calves | |
| CN110532899B (zh) | 基于热成像的母猪产前行为分类方法及系统 | |
| Haladjian et al. | Gait anomaly detection in dairy cattle | |
| JP6915904B2 (ja) | 牛の乗駕行動の判読システム | |
| CN111297367A (zh) | 一种动物状态监测方法、装置、电子设备及存储介质 | |
| Tscharke et al. | Review of methods to determine weight and size of livestock from images | |
| CN112528772A (zh) | 基于热红外的奶牛跛行运动特征检测方法及装置 | |
| Lu et al. | Extracting body surface dimensions from top-view images of pigs | |
| Amraei et al. | Development of a transfer function for weight prediction of live broiler chicken using machine vision | |
| Aydin et al. | Automatic identification of activity and spatial use of broiler chickens with different gait scores | |
| CN112434577A (zh) | 奶牛跛行检测方法及奶牛跛行检测装置 | |
| CN112288793A (zh) | 畜类个体背膘检测方法、装置、电子设备及存储介质 | |
| CN112418018A (zh) | 奶牛行走异常检测方法及其装置 | |
| Fodor et al. | Automated pose estimation reveals walking characteristics associated with lameness in broilers | |
| Hansen et al. | Non-intrusive automated measurement of dairy cow body condition using 3D video | |
| EP3503720A1 (en) | Method and device to detect lameness of a cow | |
| Peng et al. | A dynamic individual yak heifer live body weight estimation method using the YOLOv8 network and body parameter detection algorithm | |
| CN110532854B (zh) | 一种生猪爬跨行为检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |