【摘要】：牲畜檢測(cè)可從養(yǎng)殖場(chǎng)監(jiān)控視頻上自動(dòng)獲得牲畜的位置與類(lèi)別信息,而牲畜跟蹤則可以對(duì)視頻上的牲畜個(gè)體進(jìn)行持續(xù)跟蹤,通過(guò)對(duì)牲畜檢測(cè)跟蹤進(jìn)行研究有助于對(duì)養(yǎng)殖場(chǎng)的牲畜實(shí)現(xiàn)自動(dòng)監(jiān)測(cè),降低養(yǎng)殖場(chǎng)的人力成本。目前基于傳感器的監(jiān)測(cè)方式由于易受碰撞干擾可靠性較差,而基于機(jī)器視覺(jué)的方法由于牲畜尺寸變化大、相似目標(biāo)干擾、運(yùn)動(dòng)姿態(tài)變化等影響也難實(shí)現(xiàn)持續(xù)有效的檢測(cè)跟蹤。本文從機(jī)器視覺(jué)方向針對(duì)牲畜特點(diǎn)展開(kāi)研究,主要內(nèi)容如下:(1)本文繼承了SSD檢測(cè)算法的多尺度特征圖檢測(cè)思想,同時(shí)為了進(jìn)一步提高算法對(duì)小尺度牲畜的檢測(cè)效果,本文基于U形神經(jīng)網(wǎng)絡(luò)對(duì)層次特征進(jìn)行自上而下融合以增強(qiáng)底層特征圖的語(yǔ)義性。通過(guò)對(duì)比牛、羊、豬牲畜檢測(cè)結(jié)果的mAP值,本文算法對(duì)不同尺度的牲畜均能實(shí)現(xiàn)有效檢測(cè),融合特征操作提高了對(duì)小尺度羊的檢測(cè)結(jié)果。(2)本文的跟蹤算法是基于孿生神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的,同時(shí)考慮到養(yǎng)殖場(chǎng)中的牲畜個(gè)體相似度較高,為了提高跟蹤算法對(duì)相似目標(biāo)的區(qū)分能力,本文通過(guò)在不同層次的卷積特征上分別對(duì)跟蹤目標(biāo)與搜索區(qū)域的相關(guān)性進(jìn)行計(jì)算提出了一種層次孿生神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),最終的實(shí)驗(yàn)結(jié)果上表明這種層次匹配機(jī)制有效提高了對(duì)相似牲畜的區(qū)分能力。(3)為了應(yīng)對(duì)牲畜運(yùn)動(dòng)過(guò)程中的姿態(tài)變化挑戰(zhàn),進(jìn)一步在響應(yīng)得分圖基礎(chǔ)上介紹了一種自適應(yīng)模板更新機(jī)制。基于前期的有效跟蹤結(jié)果對(duì)跟蹤目標(biāo)的動(dòng)態(tài)模板進(jìn)行在線(xiàn)更新,并將其與首幀模板一起應(yīng)用于跟蹤任務(wù)。這種方法削弱了首幀模板信息過(guò)時(shí)的風(fēng)險(xiǎn),跟蹤實(shí)驗(yàn)驗(yàn)證了自適應(yīng)模板機(jī)制的有效性。
【圖文】：

述了卷積特征層次性的特點(diǎn)，概述了算法實(shí)現(xiàn)中所使用的Ｔｅｎｓｏｒｆｌｏ架的特點(diǎn)。積神經(jīng)網(wǎng)絡(luò)的基本操作逡逑卷積層逡逑神經(jīng)網(wǎng)絡(luò)是一種在計(jì)算機(jī)視覺(jué)中廣泛使用的網(wǎng)絡(luò)，利用反向傳播節(jié)卷積操作的相關(guān)參數(shù)，通過(guò)大規(guī)模的數(shù)據(jù)訓(xùn)練提高網(wǎng)絡(luò)的特征必與具體的圖片分類(lèi)等任務(wù)分開(kāi)進(jìn)行訓(xùn)練，大大提高了計(jì)算機(jī)視發(fā)進(jìn)度，相對(duì)于傳統(tǒng)的人工特征提取算子更為便捷且具有更為出色力。卷積層在深度學(xué)習(xí)領(lǐng)域具有舉足輕重的地位，在深度神經(jīng)網(wǎng)絡(luò)十的操作都是與卷積層的設(shè)計(jì)相關(guān)，其直接決定了相關(guān)任務(wù)算法，２０１２年Ｋｒｉｚｈｅｖｓｋｙ基于深度卷積yL經(jīng)網(wǎng)絡(luò)搭建的ＡｌｅｘＮｅｔ網(wǎng)積網(wǎng)絡(luò)的有效性。逡逑

作處理多大尺寸的輸入特征，卷積核的通道數(shù)與輸入特征層的通道數(shù)一致，不需逡逑要人為指定。另外一個(gè)容易弄混的概念是經(jīng)過(guò)卷積層操作之后的特征圖的通道數(shù)逡逑是與卷積核的數(shù)目一致的，與卷積核的尺寸大小無(wú)關(guān)。如上圖２．１所示，卷積核逡逑的尺寸與左側(cè)小矩形尺寸一致，經(jīng)過(guò)一個(gè)卷積核一次計(jì)算計(jì)算后就得到一個(gè)小圓逡逑形，而圓形的個(gè)數(shù)為經(jīng)處理之后的輸出特征圖通道數(shù)，每個(gè)小圓形也對(duì)應(yīng)一個(gè)不逡逑同卷積核，，如果將一個(gè)卷積核看成一種特征提取方式，則通過(guò)定義大量卷積核逡逑我們就可以在每層學(xué)到圖片上不同的特征了，這是傳統(tǒng)人工定義的固定式特征提逡逑取算子所不能實(shí)現(xiàn)的。圖２．２以２維張量上的卷積運(yùn)算為例具體演示了卷積操作。逡逑輸入邋｜邐逡逑ａ邋ｂ邋ｃ逡逑００邋０邐一ｉ一＾邐逡逑￣ｇ］邋［１１１邋ｎｉｌ邐ａｗ＋ｂｘ＋邐ｂｗ＋ｃｘ＋逡逑邐＾邋ｄｙ＋ｅｚ邋ｅｙ＋ｆｚ逡逑［ｗ邋Ｉ邋ｘ邐ｄｗ＋ｅｘ＋邐ｅｗ＋ｆｘ＋逡逑ｒｎｒＴＩ邐ｇｙ＋ｈｚ邐ｈｙ＋ｉｚ逡逑卷積核逡逑圖２．２二維卷積核操作逡逑在早期的全連接網(wǎng)絡(luò)結(jié)構(gòu)中，當(dāng)前特征層的每個(gè)神經(jīng)元都與輸入特征層的每逡逑個(gè)神經(jīng)元相連，這直接導(dǎo)致全連接網(wǎng)絡(luò)參數(shù)過(guò)多的問(wèn)題，當(dāng)基于全連接網(wǎng)絡(luò)搭建逡逑深層網(wǎng)絡(luò)時(shí)神經(jīng)網(wǎng)絡(luò)參數(shù)更是呈現(xiàn)爆炸式增長(zhǎng)，，在實(shí)際訓(xùn)練時(shí)這易導(dǎo)致過(guò)擬合的逡逑風(fēng)險(xiǎn)。假如我們對(duì)一張１００像素Ｘ邋１００像素的單通道黑白圖片進(jìn)行處理
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：S818.9;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李康樂(lè);;算法“塑造世界”客觀(guān)嗎[J];中國(guó)報(bào)業(yè);2018年11期

2 ;聚焦核心素養(yǎng)案例研討專(zhuān)題二:體驗(yàn)編程計(jì)算,初步了解算法[J];中國(guó)信息技術(shù)教育;2017年08期

3 李亞娟;劉建貞;張興剛;鄧重陽(yáng);;結(jié)合科研的計(jì)算機(jī)輔助幾何設(shè)計(jì)教學(xué)[J];數(shù)學(xué)學(xué)習(xí)與研究;2017年17期

4 何克晶;張星明;鄭運(yùn)平;;算法設(shè)計(jì)與分析課程全方位實(shí)踐教學(xué)改革探索[J];計(jì)算機(jī)教育;2017年02期

5 李勇;;基于實(shí)踐性教學(xué)的《算法設(shè)計(jì)與分析》教學(xué)研究[J];曲靖師范學(xué)院學(xué)報(bào);2015年06期

6 張遠(yuǎn)平;邱麗娜;;在算法設(shè)計(jì)與分析課程教學(xué)中融入計(jì)算思維[J];價(jià)值工程;2016年08期

7 秦丹;;算法設(shè)計(jì)與分析教學(xué)常見(jiàn)問(wèn)題分析[J];電腦知識(shí)與技術(shù);2014年24期

8 黃如兵;楊鶴標(biāo);;算法設(shè)計(jì)與分析課程的教學(xué)與實(shí)踐探索與研究[J];科教文匯(上旬刊);2015年03期

9 紀(jì)穎;;算法設(shè)計(jì)與分析課程教學(xué)改革探討[J];黑龍江教育學(xué)院學(xué)報(bào);2014年08期

10 李秦;;建構(gòu)主義教學(xué)模式與算法設(shè)計(jì)與分析課程教學(xué)[J];甘肅科技;2013年24期

相關(guān)會(huì)議論文 前10條

1 王輝;劉治昌;;用一種新算法設(shè)計(jì)的安全系統(tǒng)[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

2 雷詠梅;;橢圓曲線(xiàn)密碼體制的算法設(shè)計(jì)與實(shí)現(xiàn)[A];西部大開(kāi)發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

3 韓進(jìn)宏;張先峰;王運(yùn)凱;;表面粗糙度頻譜分析C++算法設(shè)計(jì)[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

4 高文超;孫宇清;韓冬雪;;一種改進(jìn)的素?cái)?shù)尋找問(wèn)題的算法設(shè)計(jì)與實(shí)現(xiàn)[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

5 楊俊;關(guān)旭東;;板形控制液壓彎輥系統(tǒng)的特性分析與控制算法設(shè)計(jì)[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

6 黃翔東;李海亮;王玲;;光時(shí)域反射儀的事件檢測(cè)算法設(shè)計(jì)[A];第六屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2012年

7 徐子珊;;《算法設(shè)計(jì)與分析》課程中的工程教育[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

8 李皓;羅熊;;云存儲(chǔ)部署優(yōu)化的進(jìn)化算法設(shè)計(jì)[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

9 宋琦;陳璞;;有限元分析中結(jié)構(gòu)修改的算法設(shè)計(jì)[A];北京力學(xué)會(huì)第18屆學(xué)術(shù)年會(huì)論文集[C];2012年

10 楊利容;;用優(yōu)化算法設(shè)計(jì)雙工器[A];中國(guó)航海學(xué)會(huì)通信導(dǎo)航專(zhuān)業(yè)委員會(huì)2005年學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前8條

1 趙丹;大數(shù)據(jù)算法的困境[N];學(xué)習(xí)時(shí)報(bào);2017年

2 ;算法設(shè)計(jì)的策略[N];電腦報(bào);2003年

3 武衛(wèi);通過(guò)算法來(lái)思考世界[N];財(cái)會(huì)信報(bào);2018年

4 陸峰;大數(shù)據(jù)健康發(fā)展需要新機(jī)制護(hù)航[N];學(xué)習(xí)時(shí)報(bào);2019年

5 李健 周勝利;懂算法才能打“算法戰(zhàn)”[N];解放軍報(bào);2019年

6 本報(bào)記者 霍光;從算法設(shè)計(jì)角度推進(jìn)網(wǎng)絡(luò)節(jié)能[N];中國(guó)計(jì)算機(jī)報(bào);2012年

7 林東;迎接算法決定戰(zhàn)法的時(shí)代[N];解放軍報(bào);2018年

8 胡捷遞　記者 姜雪松;“計(jì)算機(jī)奧運(yùn)會(huì)”將在哈舉行[N];哈爾濱日?qǐng)?bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 王子玉;網(wǎng)絡(luò)異常檢測(cè)算法研究[D];清華大學(xué);2017年

2 陳培;探測(cè)復(fù)雜疾病臨界點(diǎn)的算法[D];華南理工大學(xué);2018年

3 李瑩玉;基于分布式ADMM算法的無(wú)線(xiàn)網(wǎng)絡(luò)資源管理與大數(shù)據(jù)分析[D];西安電子科技大學(xué);2018年

4 蔣海青;開(kāi)放式低碳選址—路徑模型及其算法研究[D];浙江工業(yè)大學(xué);2019年

5 張雪;圖像處理中的若干非凸建模，算法及應(yīng)用[D];上海交通大學(xué);2017年

6 王普;多標(biāo)記學(xué)習(xí)算法研究及在生物醫(yī)學(xué)數(shù)據(jù)挖掘中的應(yīng)用[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2017年

7 陳寧濤;基于二分技術(shù)的高效算法設(shè)計(jì)及其應(yīng)用[D];華中科技大學(xué);2006年

8 張磊;約束優(yōu)化算法的關(guān)鍵技術(shù)研究及應(yīng)用[D];哈爾濱工程大學(xué);2016年

9 孫賀;算法設(shè)計(jì)中的若干前沿問(wèn)題[D];復(fù)旦大學(xué);2009年

10 劉院英;社會(huì)網(wǎng)絡(luò)影響最大化方法研究[D];燕山大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 房永峰;基于深度學(xué)習(xí)的牲畜目標(biāo)檢測(cè)與跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

2 忻曉雯;LTE系統(tǒng)資源分配的算法研究[D];上海交通大學(xué);2017年

3 夏志雄;動(dòng)力電池管理單元及其SOC估算算法的研究與實(shí)現(xiàn)[D];武漢理工大學(xué);2018年

4 初星漢;基于蟻群算法的專(zhuān)家抽取系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2018年

5 劉凌云;基于Q-學(xué)習(xí)算法的序列決策模型研究[D];河北大學(xué);2019年

6 李鵬清;基于SimRank及密度的聚類(lèi)算法[D];廣西師范大學(xué);2019年

7 張煜;強(qiáng)化學(xué)習(xí)中基于函數(shù)逼近的多步統(tǒng)一算法研究[D];浙江大學(xué);2019年

8 楊欣;基于正交化學(xué)反應(yīng)優(yōu)化算法的社團(tuán)檢測(cè)研究與實(shí)現(xiàn)[D];河南大學(xué);2018年

9 曾鳳華;護(hù)士周排班算法研究及其系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2018年

10 刁澤浩;自由活體動(dòng)物的動(dòng)態(tài)跟蹤算法研究[D];河北大學(xué);2018年

本文編號(hào)：2674877