摘要
近年来，随着视频监控系统智能化程度的不断提高，基于机器视觉的动物行为分析技术已成为该领域的研究热点之一。本文采用机器视觉技术，通过构建猪体星状骨架模型计算猪的前肢步态频率。同时，将猪体星状骨架模型与隐马尔科夫模型相结合对猪的行走姿态进行识别。最终实现了对猪生长过程进行自动监测和行为识别的目的。 通过背景减除与图像预处理获得了猪体轮廓。在此基础上，提取猪体轮廓的质心，然后按逆时针方向计算猪体所有轮廓点与质心的距离，从而绘制质心一边界距离曲线。对该曲线平滑处理以后，计算它的极大值点，这些极大值点就是猪体关键轮廓点。将关键轮廓点与质心连接，构建了猪体星状骨架模型。为以后前肢步态频率的计算和行走姿态的识别提供了基础。 对于前肢步态频率的计算，通过已经构建的猪体星状骨架模型计算猪的前肢步态幅度角。然后采用两种方法计算猪的前肢步态频率:一种是通过计算猪的前肢步态周期来计算出猪的前肢步态频率;另一种是对猪的前肢步态幅度角序列进行功率谱估计从而计算出猪的前肢步态频率。实验结果表明，这两种方法都能准确地计算猪的前肢步态频率。 采用猪体星状骨架模型与隐马尔科夫模型相结合的方法对猪的行走姿态进行识别。根据猪体星状骨架模型提取猪的行走姿态特征，然后通过建立隐马尔科夫模型分类器对猪的行走姿态特征进行分类识别。实验结果表明，该方法能够对猪的三种行走姿态:正常行走、低头行走、抬头行走进行有效地识别，准确率达到80%以上。 该项研究是利用机器视觉技术对猪生长过程进行自动监测和行为识别的一种新的探索，对于提高规模养殖场自动监控水平具有较好的理论意义和实用价值。
NETL