[发明专利]一种采用机器视觉技术识别群养猪攻击行为的分析方法

说明书

本发明公开了一种采用机器视觉技术识别群养猪攻击行为的分析方法。首先是从俯视群养猪视频中提取攻击关键帧序列和定位攻击猪；接着将攻击猪看作整体进行加速度特征的提取；然后对加速度数据进行训练获取加速度阈值，根据阈值将关键帧分类为高等、中等和非攻击帧；最后设定攻击识别的最小单元，根据此单元内攻击帧的比例分类群养猪的高等、中等和非攻击。该项研究是基于机器视觉技术对群养猪进行攻击行为识别，不会对猪个体产生任何干扰，为探索攻击规律、评定伤害等级和确定人工干预提供了理论依据，也为其他家畜的基于加速运动的异常行为检测提供了参考。

技术领域

本发明涉及机器视觉、模式识别、动物行为分析等技术，具体涉及一种俯视状态下监控视频中群养猪攻击行为分析方法。

背景技术

由于在密集型农业中群养猪面临受限的空间容量，贫瘠的环境，低纤维的饮食和反复改变的群组构成，它们比在自然环境下表现出更高等级的攻击。猪之间的攻击可能导致皮肤的外伤和感染，甚至是致命的伤害。受伤的猪更难获得食物，因而其生长率变低，影响猪肉产量。攻击被认为是现代生产系统中最重要的健康、福利和经济问题之一。目前，群养猪攻击识别主要依靠人工观测和监控视频，这些方式耗时费力且具有滞后性，难以实现大规模养殖场中攻击的实时检测。基于机器视觉的攻击行为识别有助于提高识别效率，增加动物福利，减少养殖场经济损失。

本发明给出一种采用机器视觉技术识别群养猪攻击行为的方法。本方法从所有运动个体中分离出攻击猪个体且通过分析相邻帧间它们的加速度自动识别攻击行为，也为其他家畜的基于加速运动的异常行为检测提供了参考。

发明内容

本发明的目的是对俯视状态下群养猪监控视频中的攻击行为进行识别。通过对视频帧做图像预处理，接着根据连通域面积和粘连指数提取攻击关键帧序列和定位攻击猪，然后将攻击猪看成整体矩形从而提取加速度特征。通过对加速度数据进行训练从而计算加速度阈值，根据加速度阈值将图像帧分类为高等、中等和非攻击帧。最后设定攻击识别的最小单元，根据此单元内攻击帧的比例识别群养猪的高等、中等和非攻击。

本发明采用的技术方案是：

一种采用机器视觉技术识别群养猪攻击行为的分析方法，包含以下步骤：

步骤1，获取俯视状态下群养猪视频序列，从视频中提取攻击关键帧序列和定位攻击猪；步骤2，将攻击猪看作整体进行加速度特征的提取；步骤3，对加速度数据进行训练获取加速度阈值，根据阈值将关键帧分类为高等、中等和非攻击帧；步骤4，设定攻击识别的最小单元，根据此单元内攻击帧的比例分类群养猪的高等、中等和非攻击。

进一步，所述步骤1具体包括：

首先改建实验用猪舍，在猪舍正上方安装拍摄俯视视频的图像采集系统，获取包含猪攻击的视频片段。然后对单帧图像做直方图均衡化、百分比阈值分割和形态学处理，完成图像帧初始分割；攻击开始时、过程中和结束时的行为特点被分析用来提取可能存在攻击的关键帧序列和定位攻击猪。

进一步，所述提取攻击关键帧序列和定位攻击猪的具体方法是：

步骤1.1，在攻击发生的一瞬间，由于应激反应非攻击猪开始逃窜，由于受限空间从而产生在很短时间内3个以上非攻击猪的扎堆和其他非攻击猪散落在猪栏边缘的现象；在攻击开始时总能找到仅有一组两粘连猪的帧，即使两组以上两粘连猪同时存在一帧中也会很快变成仅有一组两粘连猪，这为首帧的确定和首帧中攻击猪的定位提供了条件。基于这一性质，仅含有一个面积在1.7到2.3倍猪标准面积的连通域的帧被定义为关键帧序列的首帧，此连通域被用来提取首帧中攻击猪；为了在最小区域内去除攻击猪的拖影，所提取攻击猪的外接矩形被用作二次分割的兴趣区域。直方图均衡化和最大熵阈值分割被用来二次分割兴趣区域内图像。