基于视频分析的多目标奶牛反刍行为监测

• 作者: 姬存慧 宋怀波 李振宇 牛满堂 祝清梅
• 来源期刊: 农业工程学报
• 学科: 地球科学
• 关键词: 图像处理 监测 行为 奶牛 反刍 多目标 目标跟踪
• 年，卷（期）: 2018,（18）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 211-218
• 页数: 8页
• 分类号: X512
• 字数: 7720字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.18.026

摘要

奶牛反刍行为与其生产、繁殖和应激行为等存在较强的相关性,现有方法多采用人工观察或可穿戴式装置进行奶牛反刍行为的监测,存在误差大、容易引起奶牛应激反应、成本高等问题.为了实现多目标奶牛反刍行为的实时监测,该研究基于视频分析与目标跟踪技术,在获取奶牛嘴部区域的基础上,分析对比了压缩跟踪算法(compressive tracking,CT)和核相关滤波算法(kernelized correlation filters,KCF)在多目标奶牛反刍监测中的性能.为了验证不同算法对奶牛反刍行为监测的效果,分别用9段视频进行了试验,针对误检问题提出了有效的咀嚼次数判定模型,最后与实际的奶牛反刍数据进行了对比.试验结果表明:对多目标监测,KCF算法平均帧处理速度为7.37帧/s,是CT算法平均帧处理速度0.51帧/s的14.45倍;KCF算法平均误差为13.27像素,是CT算法平均误差38.28像素的34.67％.对双目标监测,KCF算法的平均误检率为7.72％,比CT算法的平均误检率18.56％低10.84个百分点;2种算法的帧处理速度分别为10.11帧/s和0.87帧/s;平均跟踪误差分别为22.19像素和28.51像素,KCF算法的平均跟踪误差仅为CT算法的77.83％.试验结果表明,KCF算法具有较低的误检率及较高的帧处理速度,更适合奶牛反刍行为的监测.在此基础上,验证了2种算法在不同光照、不同姿态和不同程度遮挡等影响因素下的监测效果,结果表明,CT算法会出现不同程度的偏离,甚至丢失目标,而KCF算法仍然具有良好的效果和较好的适应性,表明将KCF算法应用于全天候多目标奶牛反刍行为的分析是可行的、有效的.