[目的]为了尽早发现发情奶牛并及时进行配种,提高养殖场的经济效益,本文研究了基于机器视觉的奶牛爬跨行为识别.[方法]选取3种行为视频:侧爬跨101段,追随191段,行走343段,合计635段视频,构建VideoROI_set_Extended数据集.针对每一个视频段,在分割出奶牛目标后,使用最小外接矩形(包含运动奶牛对象),计算最小外接矩形框的高度(Height,H),宽度(Width,W)和纵横比(Height/Width,Z)3个特征;以时间(T)为横轴,绘制3条奶牛运动时序曲线,并基于Improve Freeman编码法对3条曲线分别进行编码;最后将VideoROI_set_Extended视频集以8:2的比例进行随机划分后,使用K最近邻分类器(K-nearest neighbor,KNN)和BP神经网络分类器(back propagation neural network,BP)2种分类器对时序曲线进行训练和识别.[结果]采样数m=10和角度数n=6时,使用KNN分类器进行识别,单一特征Z 10次的平均识别正确率达到97.64％;组合特征W&H&Z的时序曲线识别效果最好,KNN分类器的识别正确率达到99.21％.[结论]本文提出的基于时序运动特征的奶牛爬跨行为识别方法能够有效识别奶牛的侧爬跨行为,为计算机自动识别爬跨行为的奶牛提供依据.
国家科技期刊平台
NSTL
万方数据
维普
