[发明专利]一种奶牛发情行为实时监测方法及系统有效
申请号: | 201810263803.4 | 申请日: | 2018-03-28 |
公开(公告)号: | CN108491807B | 公开(公告)日: | 2020-08-28 |
发明(设计)人: | 高荣华;朱华吉;吴华瑞;李庆学;顾静秋 | 申请(专利权)人: | 北京农业信息技术研究中心 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06N3/04;G06Q50/02 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王莹;吴欢燕 |
地址: | 100097 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 奶牛 发情 行为 实时 监测 方法 系统 | ||
1.一种奶牛发情行为实时监测方法,其特征在于,包括:
S1,根据待监测奶牛的原始图像序列获得所述待监测奶牛的光流图像序列,对所述光流图像序列进行特征提取,获得与所述光流图像序列对应的光流特征;
步骤S1所述对所述光流图像序列进行特征提取,获得与所述光流图像序列对应的光流特征进一步包括:
将所述光流图像序列输入预设神经网络的卷积层和下采样层,通过所述卷积层和所述下采样层对所述光流图像序列进行特征提取,获得与所述光流图像序列对应的光流特征;
其中所述光流特征是基于幅值加权的方向直方图来描述;所述方向直方图为非参数估计方法,具体为:将方向范围分为若干个角度区间, 然后将矢量分别归类到不同区间;
S2,从所述原始图像序列中检测出所述待监测奶牛,并提取所述待监测奶牛的边缘轮廓特征;
所述步骤S2进一步包括:获取与所述原始图像序列对应的显著图,计算所述显著图的图像熵,根据所述图像熵检测出所述待监测奶牛;利用边缘检测算法提取所述待监测奶牛的边缘轮廓特征;
所述获取与所述原始图像序列对应的显著图,具体包括:
对所述原始图像序列中的每帧原始图像进行高斯低通滤波处理,以获取每帧所述原始图像的模糊内容,再将每帧所述原始图像转换到YUV色彩空间,并计算Y、U、V三个分量的平均值,计算每帧原始图像的模糊内容中的每个像素点与YUV空间对应的平均值之间的欧几里得距离进而获取与所述原始图像序列对应的显著图;
S3,将所述光流特征和所述边缘轮廓特征输入预设神经网络,并根据所述预设神经网络的输出结果对所述待监测奶牛的发情行为进行监测。
2.根据权利要求1所述的方法,其特征在于,步骤S1所述根据待监测奶牛的原始图像序列获得所述待监测奶牛的光流图像序列进一步包括:
利用光流法根据所述待监测奶牛的原始图像序列获得所述待监测奶牛的光流图像序列。
3.根据权利要求1所述的方法,其特征在于,所述步骤S3进一步包括:
将所述光流特征和所述边缘轮廓特征输入所述预设神经网络的全连接层,并根据所述预设神经网络输出层的输出结果对所述待监测奶牛的发情行为进行监测。
4.根据权利要求1所述的方法,其特征在于,所述步骤S3之前还包括对所述预设神经网络进行训练,具体包括:
获取带有行为标记的原始图像序列样本,根据所述带有行为标记的原始图像序列样本获得带有行为标记的光流图像序列样本;
对所述带有行为标记的光流图像序列样本进行特征提取,获得与所述带有行为标记的光流图像序列样本对应的光流特征;
从所述带有行为标记的光流图像序列样本中检测出奶牛样本,并提取所述奶牛样本的边缘轮廓特征;
将所述光流特征和所述边缘轮廓特征输入预设神经网络,对所述预设神经网络进行训练。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京农业信息技术研究中心,未经北京农业信息技术研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810263803.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:身份认证方法和装置
- 下一篇:用于获取信息的方法及装置