[发明专利]一种复杂背景下俯视群养猪多目标前景检测方法

说明书

技术领域

本发明涉及机器视觉技术，具体涉及一种视频监控前景目标提取方法，尤其涉及俯视状态下群养猪监控视频中猪个体目标前景检测方法。 

背景技术

准确的猪个体前景检测是开展猪个体身份识别、跟踪、行为分析等后继研究的基础性工作。传统方法大多采用背景减除后再二值化(参见：Shao B,Xin H.A real-time computer vision assessment and control of thermal comfort for group-housed pigs[J].Computers and Electronics in Agriculture.2008,62(1):15－21.；Kashiha M,Bahr C,Haredasht S A,etc.The automatic monitoring of pigs water use by cameras[J].Computers and Electronics in Agriculture,2013:164－169.)，但这类文献猪个体的前景检测不是讨论的重点，所述方法对复杂背景下俯视群养猪的前景检测效果不理想。专门报道猪个体前景检测的文献中(参见：纪滨,朱伟兴等.猪舍固定摄像背景去除法[J].计算机应用研究,2011,28(9):3585－3589.；Tu G J,Karstoft H,Pedersen L J,et al.Foreground detection using loopy belief propagation[J].Biosystems engineering,2013,116(1):88－96.)也没有完全解决背景无需预设、复杂背景等俯视群养猪前景检测问题。本发明解决了在环境缺少足够先验知识的情况下，对复杂背景下俯视群养猪视频序列的猪个体进行有效前景目标检测问题。 

发明内容

本发明的目的是提供一种复杂背景下俯视群养猪多目标前景检测方法。该方法的初始背景无需预先获取。该方法适合背景存在光线变化；地面有尿渍、水渍和粪块等杂物干扰；猪个体运动模式停停走走；前景目标颜色多样等复杂背景下的猪个体前景目标检测。 

本发明采用的技术方案是：一种复杂背景下俯视群养猪多目标前景检测方法，其特征在于包括以下步骤： 

(1)改建猪舍，获取俯视状态下群养猪视频序列； 

(2)设定“有效区域”，即仅在猪的活动范围内考虑后继算法； 

(3)基于预测机制的混合高斯模型前景检测； 

(4)利用前景目标颜色信息的最大熵阈值分割； 

(5)将步骤(3)和步骤(4)的前景检测结果进行融合及数学形态学处理。 

步骤(3)所述基于预测机制的混合高斯模型前景检测，具体描述如下：前L帧按传统的混合高斯模型的前景检测方法进行背景建模与前景检测，但混合高斯模型参数更新公式有所变化。对于前L帧中的第t帧而言参数的更新方程如下： 

ωk,t=ωk,t-1+1t+1[Mk,t-ωk,t-1]---(1)]]>