發(fā)布時(shí)間：2017-07-03 08:12

  本文關(guān)鍵詞：基于時(shí)空興趣點(diǎn)的豬的跛腳行為識(shí)別

  更多相關(guān)文章： 豬 Gabor濾波器 時(shí)間約束 空間約束 高斯混合模型

【摘要】：如今,智能視頻監(jiān)控技術(shù)已廣泛應(yīng)用于精準(zhǔn)畜牧業(yè)領(lǐng)域,如跛足檢測(cè)、呼吸檢測(cè)、行為識(shí)別等。基于視頻監(jiān)控技術(shù)的動(dòng)物行為感知已成為精準(zhǔn)畜牧業(yè)領(lǐng)域的研究熱點(diǎn)。本文在機(jī)器視覺(jué)基礎(chǔ)上,針對(duì)視頻數(shù)據(jù)中豬的跛腳識(shí)別問(wèn)題,提出基于時(shí)空興趣點(diǎn)的豬的跛腳識(shí)別方法。該方法在實(shí)際拍攝的視頻中獲得了良好的跛腳識(shí)別性能,對(duì)及時(shí)發(fā)現(xiàn)豬的跛腳疾病、阻止擴(kuò)散、及時(shí)處理具有深遠(yuǎn)的意義。首先,針對(duì)視頻中豬運(yùn)動(dòng)的關(guān)鍵部位檢測(cè)問(wèn)題,本文采用了基于Gabor濾波器和基于時(shí)空約束的兩種時(shí)空興趣點(diǎn)檢測(cè)算法�；贕abor濾波器的檢測(cè)算法能夠從視頻中檢測(cè)出在時(shí)間上具有明顯的圖像強(qiáng)度變化的興趣點(diǎn),這些興趣點(diǎn)對(duì)應(yīng)著視頻中豬的運(yùn)動(dòng)部分,能夠詳細(xì)的描述豬的行為。盡管能夠得到豐富的興趣點(diǎn),然而,由于拍攝環(huán)境復(fù)雜、光線變化等原因,該算法的檢測(cè)結(jié)果中包含較多的背景點(diǎn),從而影響識(shí)別的精度。為了解決此問(wèn)題,本文進(jìn)一步采用基于時(shí)空約束的檢測(cè)算法。通過(guò)對(duì)視頻中時(shí)空興趣點(diǎn)的分布特點(diǎn)進(jìn)行分析,本文采用時(shí)空約束來(lái)抑制視頻中的兩類背景點(diǎn)。這兩類背景點(diǎn)分別為無(wú)明顯結(jié)構(gòu)信息的背景點(diǎn)(如視頻中的同質(zhì)區(qū)域的點(diǎn))和具有明顯結(jié)構(gòu)信息但在時(shí)間軸上無(wú)明顯變化的背景點(diǎn)(如背景中欄桿處的點(diǎn))。其次,針對(duì)視頻特征量化和識(shí)別的問(wèn)題,本文采用基于高斯混合模型和軟量化的特征量化方法。傳統(tǒng)的詞包模型采用Kmeans聚類算法得到視覺(jué)詞典,并使用硬投票得到量化特征,忽略了局部描述子之間的相互關(guān)系,容易導(dǎo)致較大的量化誤差。因此,本文采用高斯混合模型對(duì)局部描述子的分布進(jìn)行建模,訓(xùn)練得到多個(gè)高斯成分。每個(gè)高斯成分作為一個(gè)視覺(jué)單詞,構(gòu)建出視覺(jué)詞典,并使用軟投票的量化方法對(duì)視頻進(jìn)行量化。該方法充分考慮了描述子的概率分析,能夠很好地降低量化誤差。最后,本文對(duì)兩種興趣點(diǎn)檢測(cè)算法和兩種量化方法進(jìn)行交叉實(shí)驗(yàn)。其中,采用基于時(shí)空約束的檢測(cè)算法進(jìn)行興趣點(diǎn)檢測(cè),以及采用基于高斯混合和軟投票的方法進(jìn)行量化使得跛腳的識(shí)別率達(dá)到96%。實(shí)驗(yàn)結(jié)果表明,本文提出的方法能夠較好的區(qū)分跛腳視頻和正常視頻,提高跛腳識(shí)別率。該研究對(duì)及時(shí)發(fā)現(xiàn)豬的跛腳疾病并快速處理具有深遠(yuǎn)意義。
【關(guān)鍵詞】：豬 Gabor濾波器 時(shí)間約束 空間約束 高斯混合模型
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S858.28;TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-20
• 1.1 課題研究目的及意義10-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-17
• 1.2.1 模式識(shí)別概述12
• 1.2.2 動(dòng)物行為分析及智能檢測(cè)現(xiàn)狀12-15
• 1.2.3 基于時(shí)空特征點(diǎn)的行為識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀15-17
• 1.3 本文主要內(nèi)容及結(jié)構(gòu)安排17-20
• 1.3.1 本文主要內(nèi)容17-18
• 1.3.2 本文結(jié)構(gòu)安排18-20
• 第二章 基于時(shí)空興趣點(diǎn)的豬的跛腳識(shí)別總體方案20-26
• 2.1 豬視頻的采集20
• 2.2 總體方法概述20-25
• 2.2.1 問(wèn)題的分析20-21
• 2.2.2 特征表示概述21-22
• 2.2.3 局部描述子提取22-24
• 2.2.4 特征量化24
• 2.2.5 訓(xùn)練分類器與識(shí)別24-25
• 2.3 本章小結(jié)25-26
• 第三章 豬的局部特征提取26-44
• 3.1 局部特征概述26
• 3.2 基于Gabor濾波器的時(shí)空興趣點(diǎn)檢測(cè)26-30
• 3.2.1 Gabor濾波器26-27
• 3.2.2 時(shí)空興趣點(diǎn)度量27-28
• 3.2.3 非極大抑制28-30
• 3.3 基于空間約束和時(shí)間約束的時(shí)空興趣點(diǎn)檢測(cè)30-37
• 3.3.1 Harris角點(diǎn)檢測(cè)32-33
• 3.3.2 背景點(diǎn)抑制33-34
• 3.3.3 局部時(shí)間約束34-37
• 3.4 局部描述子37-43
• 3.4.1 HOG特征計(jì)算38-40
• 3.4.2 HOF特征計(jì)算40-41
• 3.4.3 MBH特征計(jì)算41-43
• 3.5 本章小結(jié)43-44
• 第四章 豬的特征量化與識(shí)別44-59
• 4.1 特征量化的概述44-45
• 4.2 基于Kmeans聚類和硬投票量化的特征量化方法45-49
• 4.2.1 基于Kmeans聚類的視覺(jué)字典生成方法45-47
• 4.2.2 硬投票量化（Hard-Voting）47-49
• 4.3 基于高斯混合模型和軟投票的特征量化方法49-54
• 4.3.1 單高斯模型49-50
• 4.3.2 高斯混合模型50-52
• 4.3.3 軟投票量化（Soft-Voting）52-54
• 4.4 支持向量機(jī)分類器設(shè)計(jì)54-58
• 4.4.1 支持向量機(jī)54-55
• 4.4.2 常用核函數(shù)選擇與比較55
• 4.4.3 分類器設(shè)計(jì)55-58
• 4.5 本章小結(jié)58-59
• 第五章 實(shí)驗(yàn)結(jié)果與分析59-68
• 5.1 實(shí)驗(yàn)數(shù)據(jù)59
• 5.2 參數(shù)設(shè)置59-61
• 5.2.1 局部特征提取參數(shù)設(shè)置59-60
• 5.2.2 局部描述子計(jì)算參數(shù)設(shè)置60-61
• 5.2.3 特征量化參數(shù)設(shè)置61
• 5.3 時(shí)空興趣點(diǎn)檢測(cè)算法實(shí)驗(yàn)結(jié)果與分析61-64
• 5.4 特征量化算法實(shí)驗(yàn)結(jié)果與分析64-67
• 5.6 本章小結(jié)67-68
• 第六章 總結(jié)與展望68-70
• 6.1 總結(jié)68-69
• 6.2 展望69-70
• 參考文獻(xiàn)70-74
• 致謝74-75
• 攻讀碩士學(xué)位期間完成的論文75

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 張駐軍;;怎樣培養(yǎng)小學(xué)生學(xué)習(xí)數(shù)學(xué)的興趣[J];現(xiàn)代農(nóng)村科技;2014年06期

2 楊振宇;張文強(qiáng);李偉;陳英;;基于單目視覺(jué)的移栽缽苗葉片朝向的調(diào)整方法[J];農(nóng)業(yè)工程學(xué)報(bào);2014年14期

3 郭洪水;;高校思政課課堂興趣點(diǎn)設(shè)計(jì)研究及實(shí)踐[J];中國(guó)農(nóng)業(yè)教育;2013年06期

4 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 王晗;滕鵬;梁瑋;;使用稠密興趣點(diǎn)包的非對(duì)稱風(fēng)景圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【poster】[C];2011年

2 葉以生;;如何激發(fā)學(xué)生學(xué)習(xí)說(shuō)明文的興趣[A];中華教育理論與實(shí)踐科研論文成果選編（第3卷）[C];2010年

3 凌賀飛;陳勇;鄒復(fù)好;許治華;李平;;基于Harris興趣點(diǎn)區(qū)域的圖像拷貝檢測(cè)算法[A];第八屆全國(guó)信息隱藏與多媒體安全學(xué)術(shù)大會(huì)湖南省計(jì)算機(jī)學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

4 王慧;;提高學(xué)生的繪畫(huà)想象力[A];中華教育理論與實(shí)踐科研論文成果選編（第1卷）[C];2009年

5 毛霞;;給孩子們一個(gè)支點(diǎn)——談興趣[A];全國(guó)教育科研“十五”成果論文集（第五卷）[C];2005年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 王震;興趣點(diǎn)炮制口號(hào)甜蜜素[N];醫(yī)藥經(jīng)濟(jì)報(bào);2012年

2 濟(jì)南市平陰縣玫瑰中學(xué) 李曉旭;談在初中歷史教學(xué)中對(duì)學(xué)生興趣的培養(yǎng)[N];學(xué)知報(bào);2010年

3 胡雪晶 上海廠長(zhǎng)經(jīng)理人才有限公司高級(jí)人力資源顧問(wèn);獵頭要建立良好人際關(guān)系[N];組織人事報(bào);2012年

4 張學(xué)軍;多數(shù)人對(duì)工作都有“隱性興趣”[N];北京人才市場(chǎng)報(bào);2008年

5 本報(bào)記者 李望寧;微博PC端V6推發(fā)現(xiàn)功能 連接用戶興趣點(diǎn)重拾人氣[N];通信信息報(bào);2014年

6 江蘇濱海縣正紅中學(xué) 朱涇灃;激發(fā)學(xué)習(xí)興趣,提高學(xué)習(xí)效率[N];學(xué)知報(bào);2010年

7 陶艷;愛(ài)動(dòng)不一定就是多動(dòng)癥[N];大眾衛(wèi)生報(bào);2007年

8 張耀芳 照金中心小學(xué)教師;讓孩子幸福地成長(zhǎng)[N];銅川日?qǐng)?bào);2010年

9 輪臺(tái)縣中學(xué) 柏艷麗;淺談學(xué)生學(xué)習(xí)興趣的培養(yǎng)[N];巴音郭楞日?qǐng)?bào);2009年

10 本報(bào)記者 李婧璇;中國(guó)社會(huì)科學(xué)出版社：找準(zhǔn)興趣點(diǎn)故事才生動(dòng)[N];中國(guó)新聞出版報(bào);2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 張?jiān)品?多源道路網(wǎng)與興趣點(diǎn)的一致性整合方法[D];武漢大學(xué);2015年

2 韓軍偉;基于內(nèi)容的圖象檢索技術(shù)研究[D];西北工業(yè)大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 劉袁柳;面向LBSN的興趣點(diǎn)和用戶推薦方法研究[D];蘇州大學(xué);2015年

2 張淼;基于位置社交網(wǎng)絡(luò)的興趣點(diǎn)推薦方法研究[D];西南大學(xué);2015年

3 林辰;SAP用戶興趣點(diǎn)分析系統(tǒng)后臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2014年

4 程呈;基于差分隱私的興趣點(diǎn)推薦系統(tǒng)的設(shè)計(jì)與分析[D];電子科技大學(xué);2015年

5 蔣曉玲;基于用戶偏好的個(gè)性化路徑挖掘研究[D];東北大學(xué);2013年

6 胡宇成;基于多特征融合的微博用戶興趣建模研究[D];哈爾濱工業(yè)大學(xué);2014年

7 吳麗梅;基于時(shí)空興趣點(diǎn)的化工廠視頻監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

8 崔立偉;移動(dòng)用戶行為趨勢(shì)分析與研究[D];西安工程大學(xué);2015年

9 鄭亞男;微表情檢測(cè)與定位關(guān)鍵技術(shù)研究[D];北京交通大學(xué);2016年

10 吳云;軌跡挖掘場(chǎng)景化精準(zhǔn)廣告投放研究[D];山東財(cái)經(jīng)大學(xué);2016年

  本文關(guān)鍵詞：基于時(shí)空興趣點(diǎn)的豬的跛腳行為識(shí)別

  更多相關(guān)文章： 豬 Gabor濾波器 時(shí)間約束 空間約束 高斯混合模型

，

本文編號(hào)：512892