改进稀疏超完备词典方法识别奶牛跛足行为

• 作者: 于合龙 姜海龙 娄月 张金凤 李卓识 温长吉
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 图像处理 算法 畜牧养殖 跛足识别 CGP-KSVD 时空兴趣点 稠密轨迹
• 年，卷（期）: 2018,（18）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 219-227
• 页数: 9页
• 分类号: S275.6
• 字数: 9120字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.18.027

摘要

监测与发现奶牛异常行为是实现疾病早期防控的关键,其中尤以跛足行为发现与识别较为典型,但是当前家畜异常行为识别仍然存在在线性能较差的问题.针对这一问题,该文提出2种改进策略.首先提出一种基于共轭梯度追踪算法的稀疏超完备词典学习算法(conjugate gradient pursuit-KSVD,CGP-KSVD)用于跛足行为特征的语义级描述和表示,即在稀疏编码构建阶段引入共轭梯度追踪算法寻找优化搜索方向,同时避免存储和计算大规模Hessen矩阵带来的计算负载,从而提升稀疏超完备词典学习算法的收敛速度.其次通过时空兴趣点与稠密轨迹图二次提取时空兴趣点相融合实现视频底层特征提取和表示,在保留丰富细节特征信息的基础上减少冗余特征降低计算负载.在1200个时长10 s的标注视频样本集上测试结果显示:该文提出的算法识别准确率达到100％,识别平均响应时间为0.043 s,对比基于基追踪算法(basis pursuit-KSVD,BP-KSVD)和正交匹配追踪算法(orthogonal matching pursuit-KSVD,OMP-KSVD)稀疏编码序列优化策略算法在识别平均响应时间分别提升1.11和0.199 s,在90 h回放视频和在线测试视频上跛足行为识别准确率分别为93.3％和92.7％,明显优于对比算法.试验结果表明该文提出的跛足行为识别算法框架具有较高的识别准确率和较好的在线响应时间,可以为相关研究工作提供借鉴意义,相关技术可以成为接触式传感器监测及其他技术的必要补充.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于合龙	吉林农业大学信息技术学院	80	454	10.0	18.0
2	姜海龙	吉林农业大学吉林省动物营养与饲料科学重点实验室	91	473	11.0	19.0
3	温长吉	吉林农业大学信息技术学院	23	130	5.0	11.0
4	李卓识	吉林农业大学信息技术学院	15	12	2.0	3.0
8	娄月	吉林农业大学信息技术学院	2	1	1.0	1.0