机器视觉的奶牛姿态识别研究(源码)
为实现数字化养殖中奶牛异常姿态的自动检测和预警，本文以奶牛场2天的监控视频为研究对象，从视频中截取奶牛站立、躺卧两大类共八小类姿态图像，建立了姿态图像库后，对奶牛图像进行基于标记控制的分水岭分割和支持向量机分割实现目标提取。然后，提取奶牛对象的Hu不变矩等特征。最后，分别使用支持向量机、有监督学习神经网络GRNN和PNN、无监督学习神经网络SOFM对奶牛姿态进行识别。实验中，对图像库中74张奶牛姿态图像进行识别，识别正确62张，识别率为83.78%，达到很好的识别效果。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
第1章 绪论 2
1.1 研究目的及意义 2
1.2 国内外研究现状 2
1.2.1人体姿态识别研究现状 2
1.2.2猪只姿态识别研究现状 3
1.3 论文内容及章节安排 3
1.3.1论文研究内容及技术路线 3
1.3.2论文的章节安排 4
1.4 本章小结 4
第2章 奶牛目标提取 5
2.1图像采集和图库建立 5
2.2奶牛目标图像分割 5
2.2.1基于传统图像分割算法的奶牛目标提取 5
2.2.2基于分水岭图像分割算法的奶牛目标提取 8
2.3.3基于支持向量机的奶牛目标提取 9
2.3本章小结 11
第3章 描述奶牛姿态的特征提取 12
3.1基于奶牛目标外轮廓的矩特征提取 12
3.1.1奶牛目标外轮廓的提取 12
3.1.2基于奶牛目标外轮廓的矩特征提取 13
3.2基于奶牛目标的几何特征提取 16
3.3本章小结 17
第4章 奶牛姿态识别 18
4.1基于支持向量机的奶牛姿态识别 18
4.1.1基于支持向量机的奶牛姿态识别步骤 18
4.1.2基于支持向量机的奶牛姿态识别结果与分析 19
4.2基于神经网络的奶牛姿态识别 19
4.2.1基于有监督学习神 *好棒文|www.hbsrm.com +Q: ￥351916072$
经网络的奶牛姿态识别 19
4.2.2基于无监督学习神经网络的奶牛姿态识别 21
4.3支持向量机与神经网络姿态识别对比分析 23
4.4本章小结 24
第5章 总结及展望 24
5.1研究工作总结 24
5.2研究工作展望 24
致谢 24
参考文献 25
基于机器视觉的奶牛姿态识别研究
引言
绪论
研究目的及意义
在奶牛养殖中，饲养环境和奶牛的健康至关重要。然而现实环境中，由于奶牛养殖的规模化，牛圈中奶牛相互频繁接触，不同奶牛之间紧密关联，一旦出现流行疾病或异常奶牛，极易造成同牛圈中奶牛相互影响和感染，甚至威胁到整个奶牛场，造成巨大经济损失。由此，对奶牛场异常环境和奶牛异常状态进行及时检测和预警显得至关重要。
奶牛的流行疾病和异常养殖环境会触发奶牛的一些异常姿态，研究表明[1]：牛在休息时有90%的时间是卧下的，如果没有90%则要看牛在做什么，若牛在寻找食物说明没吃饱；若牛在运动场、沙坑或牛床上站立，说明躺卧环境使牛卧下不舒服；若牛群中存在较多发情牛也会使更多的牛不卧下休息；休息时，离开群体单独躺在边角地方的牛可能是临产牛、流产牛或病重牛。奶牛出现奇怪的饮食癖好，比如啃土、喝尿等，说明饲料中可能缺乏磷、食盐或微量元素钴、铜，应及时补充这些元素。在喝水时，若奶牛忽然抬高头，左右摇动，伸直脖子，有大量唾液从口内流出，则可能是食道阻塞。健康的奶牛精神饱满，反应敏捷；病牛则萎靡不振，反应迟钝。为快速检测到这些异常姿态，进而最大程度地降低经济损失。倘若采取人工方式，一方面，劳动量和饲养成本将会大大增加，工作人员也有可能感染到奶牛的疾病，身体健康受到威胁；另一方面，随着养殖场的扩大，工作人员的缺乏，及时的人工检查得不到保障，常会有疏漏之处。因此，研究出奶牛异常姿态的自动化检测方法刻不容缓。
随着计算机技术、监控技术的发展和广泛应用，数字化养殖是传统养殖升级转型的必然选择。本课题拟计划基于计算机技术、监控技术和动物行为学知识，研究出奶牛姿态的自动化识别方法，进而为实现数字化养殖中奶牛异常姿态的自动检测和预警打下基础。
国内外研究现状
随着机器视觉技术的不断发展与成熟，目前，其被广泛应用在目标跟踪、目标检测和人脸识别方面，在动物行为识别方面的应用较少。就动物行为识别方面的研究而言，主要集中在人体姿态识别和猪只姿态识别，尚未找到奶牛的姿态识别研究。
1.2.1人体姿态识别研究现状
计算机视觉研究领域中最具挑战的研究方向之一是人体动作姿态识别，这也是当前的研究热点。在VR（Virtual Reality）、用户感知、人工智能（AI）和视频搜索等方面，人体动作姿态的识别都具有广阔的应用空间[2]。
当前，对人体姿态识别方法的研究主要集中于基于语法的方法、基于模板的方法和基于统计的方法，每一种方法又对应不同的实现方法，具体内容如图1所示。
/
图1 人体动作姿态的识别方法概览
基于统计的方法主要是采用隐马尔可夫模型[3]和动态贝叶斯网络[4]进行人体动作姿态识别，基于模板的方法主要有模板匹配[5]、动态时间规整[6]和动态规划[7]3类方法，基于语法的方法借助编译原理来进行人体姿态识别，主要借助有限状态机[8]理论和上下文无关文法[9]来实现人体姿态识别。
1.2.2猪只姿态识别研究现状
通过中国知网搜索猪只姿态识别的文献，可以发现这方面的研究是动物姿态识别中较活跃的领域，从猪的姿态识别方法到猪的异常姿态自动检测均有相应研究成果。从各研究者的研究思路来看，猪只姿态识别的基本步骤主要有图像采集、图像预处理、图像分割、特征提取和姿态识别。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
第1章 绪论 2
1.1 研究目的及意义 2
1.2 国内外研究现状 2
1.2.1人体姿态识别研究现状 2
1.2.2猪只姿态识别研究现状 3
1.3 论文内容及章节安排 3
1.3.1论文研究内容及技术路线 3
1.3.2论文的章节安排 4
1.4 本章小结 4
第2章 奶牛目标提取 5
2.1图像采集和图库建立 5
2.2奶牛目标图像分割 5
2.2.1基于传统图像分割算法的奶牛目标提取 5
2.2.2基于分水岭图像分割算法的奶牛目标提取 8
2.3.3基于支持向量机的奶牛目标提取 9
2.3本章小结 11
第3章 描述奶牛姿态的特征提取 12
3.1基于奶牛目标外轮廓的矩特征提取 12
3.1.1奶牛目标外轮廓的提取 12
3.1.2基于奶牛目标外轮廓的矩特征提取 13
3.2基于奶牛目标的几何特征提取 16
3.3本章小结 17
第4章 奶牛姿态识别 18
4.1基于支持向量机的奶牛姿态识别 18
4.1.1基于支持向量机的奶牛姿态识别步骤 18
4.1.2基于支持向量机的奶牛姿态识别结果与分析 19
4.2基于神经网络的奶牛姿态识别 19
4.2.1基于有监督学习神 *好棒文|www.hbsrm.com +Q: ￥351916072$
经网络的奶牛姿态识别 19
4.2.2基于无监督学习神经网络的奶牛姿态识别 21
4.3支持向量机与神经网络姿态识别对比分析 23
4.4本章小结 24
第5章 总结及展望 24
5.1研究工作总结 24
5.2研究工作展望 24
致谢 24
参考文献 25
基于机器视觉的奶牛姿态识别研究
引言
绪论
研究目的及意义
在奶牛养殖中，饲养环境和奶牛的健康至关重要。然而现实环境中，由于奶牛养殖的规模化，牛圈中奶牛相互频繁接触，不同奶牛之间紧密关联，一旦出现流行疾病或异常奶牛，极易造成同牛圈中奶牛相互影响和感染，甚至威胁到整个奶牛场，造成巨大经济损失。由此，对奶牛场异常环境和奶牛异常状态进行及时检测和预警显得至关重要。
奶牛的流行疾病和异常养殖环境会触发奶牛的一些异常姿态，研究表明[1]：牛在休息时有90%的时间是卧下的，如果没有90%则要看牛在做什么，若牛在寻找食物说明没吃饱；若牛在运动场、沙坑或牛床上站立，说明躺卧环境使牛卧下不舒服；若牛群中存在较多发情牛也会使更多的牛不卧下休息；休息时，离开群体单独躺在边角地方的牛可能是临产牛、流产牛或病重牛。奶牛出现奇怪的饮食癖好，比如啃土、喝尿等，说明饲料中可能缺乏磷、食盐或微量元素钴、铜，应及时补充这些元素。在喝水时，若奶牛忽然抬高头，左右摇动，伸直脖子，有大量唾液从口内流出，则可能是食道阻塞。健康的奶牛精神饱满，反应敏捷；病牛则萎靡不振，反应迟钝。为快速检测到这些异常姿态，进而最大程度地降低经济损失。倘若采取人工方式，一方面，劳动量和饲养成本将会大大增加，工作人员也有可能感染到奶牛的疾病，身体健康受到威胁；另一方面，随着养殖场的扩大，工作人员的缺乏，及时的人工检查得不到保障，常会有疏漏之处。因此，研究出奶牛异常姿态的自动化检测方法刻不容缓。
随着计算机技术、监控技术的发展和广泛应用，数字化养殖是传统养殖升级转型的必然选择。本课题拟计划基于计算机技术、监控技术和动物行为学知识，研究出奶牛姿态的自动化识别方法，进而为实现数字化养殖中奶牛异常姿态的自动检测和预警打下基础。
国内外研究现状
随着机器视觉技术的不断发展与成熟，目前，其被广泛应用在目标跟踪、目标检测和人脸识别方面，在动物行为识别方面的应用较少。就动物行为识别方面的研究而言，主要集中在人体姿态识别和猪只姿态识别，尚未找到奶牛的姿态识别研究。
1.2.1人体姿态识别研究现状
计算机视觉研究领域中最具挑战的研究方向之一是人体动作姿态识别，这也是当前的研究热点。在VR（Virtual Reality）、用户感知、人工智能（AI）和视频搜索等方面，人体动作姿态的识别都具有广阔的应用空间[2]。
当前，对人体姿态识别方法的研究主要集中于基于语法的方法、基于模板的方法和基于统计的方法，每一种方法又对应不同的实现方法，具体内容如图1所示。
/
图1 人体动作姿态的识别方法概览
基于统计的方法主要是采用隐马尔可夫模型[3]和动态贝叶斯网络[4]进行人体动作姿态识别，基于模板的方法主要有模板匹配[5]、动态时间规整[6]和动态规划[7]3类方法，基于语法的方法借助编译原理来进行人体姿态识别，主要借助有限状态机[8]理论和上下文无关文法[9]来实现人体姿态识别。
1.2.2猪只姿态识别研究现状
通过中国知网搜索猪只姿态识别的文献，可以发现这方面的研究是动物姿态识别中较活跃的领域，从猪的姿态识别方法到猪的异常姿态自动检测均有相应研究成果。从各研究者的研究思路来看，猪只姿态识别的基本步骤主要有图像采集、图像预处理、图像分割、特征提取和姿态识别。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1774.html
