基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别

TP391; 哺乳母猪的高危动作和仔猪存活率有密切关系,能直接体现其母性行为能力,而这些高危动作又与其姿态转换的频率、持续时间等密切相关.针对猪舍环境下,环境光线变化、母猪与仔猪黏连、猪体形变等给哺乳母猪姿态转换识别带来的困难.该文以梅花母猪为研究对象,以Kinect2.0采集的深度视频图像为数据源,提出基于Faster R-CNN和隐马尔科夫模型的哺乳母猪姿态转换识别算法,通过Faster R-CNN产生候选区域,并采用维特比算法构建定位管道;利用Otsu分割和形态学处理提取疑似转换片段中母猪躯干部、尾部和身体上下两侧的高度序列,由隐马尔科夫模型识别姿态转换.结果表明,对姿态转换片段识别的精...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 35; no. 13; pp. 184 - 190
Main Authors 薛月菊, 杨晓帆, 郑婵, 陈畅新, 甘海明, 李诗梅
Format Journal Article
LanguageChinese
Published 华南农业大学电子工程学院,广州,510642%华南农业大学数学与信息学院,广州,510642 01.07.2019
Subjects
隐马尔科夫模型
算法
哺乳母猪
图像处理
FasterR-CNN
模型
定位管道
高危动作
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2019.13.021

Cover

More Information
Summary:TP391; 哺乳母猪的高危动作和仔猪存活率有密切关系,能直接体现其母性行为能力,而这些高危动作又与其姿态转换的频率、持续时间等密切相关.针对猪舍环境下,环境光线变化、母猪与仔猪黏连、猪体形变等给哺乳母猪姿态转换识别带来的困难.该文以梅花母猪为研究对象,以Kinect2.0采集的深度视频图像为数据源,提出基于Faster R-CNN和隐马尔科夫模型的哺乳母猪姿态转换识别算法,通过Faster R-CNN产生候选区域,并采用维特比算法构建定位管道;利用Otsu分割和形态学处理提取疑似转换片段中母猪躯干部、尾部和身体上下两侧的高度序列,由隐马尔科夫模型识别姿态转换.结果表明,对姿态转换片段识别的精度为93.67％、召回率为87.84％.研究结果可为全天候母猪行为自动识别提供技术参考.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2019.13.021