本文關(guān)鍵詞： 豬只身份識(shí)別 毛發(fā)模式 Gabor濾波器 SVM分類器 CMC曲線　出處：《江蘇大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來(lái)基于機(jī)器視覺(jué)的身份識(shí)別系統(tǒng)在各種場(chǎng)景中得到了廣泛運(yùn)用,而現(xiàn)代規(guī)�；i養(yǎng)殖場(chǎng)對(duì)實(shí)時(shí)監(jiān)控豬只生長(zhǎng)活動(dòng)、及時(shí)發(fā)現(xiàn)異常行為提出了新要求。要研究群養(yǎng)豬中豬個(gè)體的行為,首先得解決豬個(gè)體的身份識(shí)別問(wèn)題。為了更好的利用圖像處理技術(shù)監(jiān)控豬只的生長(zhǎng)活動(dòng),本文利用豬只背部毛發(fā)差異,提出了一種基于Gabor方向直方圖和支持向量機(jī)的豬個(gè)體身份識(shí)別方法。針對(duì)豬的非剛體特性,其外部形狀會(huì)隨其姿態(tài)的改變而改變的特點(diǎn)。為了獲取穩(wěn)定的特征區(qū)域,首先利用豬體關(guān)鍵點(diǎn)檢測(cè)算法,在豬只輪廓上找到若干豬只輪廓關(guān)鍵點(diǎn)。然后以這些關(guān)鍵點(diǎn)為基礎(chǔ),在豬只輪廓上劃分出肩部和臀部?jī)蓚�(gè)特征區(qū)域,這兩個(gè)特征區(qū)域受豬只形變影響較小,能保持相對(duì)穩(wěn)定。本文提出的豬體背部毛發(fā)模式特征包含豐富的方向和密度信息,為了充分利用這些特征信息,我們采用Gabor濾波器對(duì)特征區(qū)域進(jìn)行多尺度多方向?yàn)V波�？紤]到豬只不同部位的毛發(fā)模式存在很大差異,為了充分利用毛發(fā)特征的位置信息,本文采用局部描述符而不是全局描述符來(lái)描述毛發(fā)特征。具體的做法是將特征區(qū)域進(jìn)一步進(jìn)行網(wǎng)格劃分,然后在劃分的每個(gè)網(wǎng)格中,利用濾波器輸出的零直流響應(yīng)計(jì)算Gabor方向直方圖。本文利用這些Gabor方向直方圖特征建立了一個(gè)樣本庫(kù),樣本庫(kù)中存儲(chǔ)著每只豬所有樣本圖像的Gabor方向直方圖。建立樣本庫(kù)后,利用基于組合核函數(shù)的SVM對(duì)樣本庫(kù)中的樣本特征進(jìn)行訓(xùn)練生成分類器。最后,將測(cè)試樣本圖像中豬只的Gabor方向直方圖輸入分類器,進(jìn)行豬個(gè)體身份識(shí)別。為了測(cè)試本文提出的毛發(fā)模式特征和Gabor方向直方圖特征提取方法對(duì)豬只身份識(shí)別的有效性,我們采用累計(jì)匹配特性曲線(CMC)作為性能評(píng)價(jià)指標(biāo),將本文算法與傳統(tǒng)的紋理特征提取算法LBP和HOG進(jìn)行了實(shí)驗(yàn)比較。實(shí)驗(yàn)結(jié)果表明本文算法的平均識(shí)別率最高,達(dá)到了86.51%。在取得最高識(shí)別率的同時(shí),本文算法也保持了最低的特征維數(shù)。在實(shí)驗(yàn)的最后部分,我們利用不同分辨率的圖片測(cè)試了本文算法的識(shí)別性能。在圖片分辨率由1760×1840降為880×920時(shí),本文算法也能保持83.21%的識(shí)別率。實(shí)驗(yàn)結(jié)果表明,本文算法對(duì)于低分辨率圖片也能取得不錯(cuò)的識(shí)別效果,具備一定的實(shí)用性。該項(xiàng)研究為無(wú)應(yīng)激的豬個(gè)體識(shí)別提供了一種新思路,也為進(jìn)一步探索群養(yǎng)豬個(gè)體行為分析提供了一定的技術(shù)支持。
[Abstract]:......
【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】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陶崢;王洪玉;;基于卡方距離改進(jìn)的WLAN室內(nèi)定位算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2016年09期

2 郭依正;朱偉興;馬長(zhǎng)華;陳晨;;基于Isomap和支持向量機(jī)算法的俯視群養(yǎng)豬個(gè)體識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2016年03期

3 趙凱旋;何東健;;基于卷積神經(jīng)網(wǎng)絡(luò)的奶牛個(gè)體身份識(shí)別方法[J];農(nóng)業(yè)工程學(xué)報(bào);2015年05期

4 謝永華;陳慶為;;木材缺陷的閾值分割算法研究[J];森林工程;2014年02期

5 朱峰;王海豐;任洪娥;;基于Gabor變換的紋理圖像分割算法及應(yīng)用[J];森林工程;2013年05期

6 許立;趙犁豐;;一種基于支持向量機(jī)的多生物特征融合身份識(shí)別方法研究[J];電子設(shè)計(jì)工程;2013年06期

7 盧世軍;;生物特征識(shí)別技術(shù)發(fā)展與應(yīng)用綜述[J];計(jì)算機(jī)安全;2013年01期

8 劉同海;滕光輝;付為森;李卓;;基于機(jī)器視覺(jué)的豬體體尺測(cè)點(diǎn)提取算法與應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2013年02期

9 孔銳;張冰;;Gabor濾波器參數(shù)設(shè)置[J];控制與決策;2012年08期

10 趙秀萍;;生物特征識(shí)別技術(shù)發(fā)展綜述[J];刑事技術(shù);2011年06期

相關(guān)博士學(xué)位論文 前1條

1 蘇煜;融合全局和局部特征的人臉識(shí)別[D];哈爾濱工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前5條

1 馬田香;基于Probit模型的相關(guān)向量機(jī)分類器設(shè)計(jì)及應(yīng)用[D];西安電子科技大學(xué);2012年

2 陳亮;Gabor小波特征提取技術(shù)及其在目標(biāo)識(shí)別中的應(yīng)用研究[D];南京理工大學(xué);2009年

3 李紅英;支持向量分類機(jī)的核函數(shù)研究[D];重慶大學(xué);2009年

4 魏琳;數(shù)字圖像修補(bǔ)與分割[D];江南大學(xué);2008年

5 蔡超峰;局部直方圖均衡化算法研究及其應(yīng)用[D];鄭州大學(xué);2005年

，

本文編號(hào)：1493064