[发明专利]一种无侵入动物行为特征观测方法

权利要求书

1.一种无侵入动物行为特征观测方法，其特征在于：包括以下步骤，

获取动物运动视频；

对视频图像进行处理，标记视频图像中动物的特征点数据，将数据存储成数据集；

根据动物的特征点数据，进行动物肢体运动分析，即通过动物各个关节的变化分析动物的前后肢关节的运动状态；

将所述数据集随机分为训练集和测试集，使用训练集训练神经网络模型，采用测试集对神经网络模型进行评估；

所述采用测试集对神经网络模型进行评估，具体包括：将每一个标记特征点生成一个高斯概率的热图，在估计特征点坐标之后，使用双三次插值即将高斯热图恢复至原输入图像大小，使用均方误差来计算标记热图与估计热图之间的误差，同时使用soft-argmax方法，将热图的最大值位置转化为特征点的坐标，然后使用损失函数来计算标记特征点与估计特征点的误差；

采用神经网络模型对动物行为进行分析；

该方法还建立了动物的肢体运动学模型，

根据标记照片中的各个关节点特征，得到对应的关节点坐标，将特征点的由下依次定为A₁,A₂,…A_n，对应的坐标(X₁,Y₁),(X₂,Y₂),…(X_n,Y_n)，然后依次推导出各个特征点对应的关节角度θ₁,θ₂,…θ_n，具体公式为：

式中，参考向量为长度为1，方向水平向右的单位向量；

在求得各个关节角度之后，通过取相邻两张照片的同一特征点对应的关节角的差值，可以依次得出该时间段的瞬时角速度和瞬时角加速度，具体公式为：

式中，θ_kⁱ表示第i张图片中第k个特征点对应的关节角度，由于摄像机的帧率p为100，那么相邻两张照片中的时间间隔

2.根据权利要求1所述的一种无侵入动物行为特征观测方法，其特征在于：所述神经网络模型具有四个阶段级预估特征点坐标，并使用损失函数提升估计精度。

3.根据权利要求1所述的一种无侵入动物行为特征观测方法，其特征在于：所述soft-argmax公式为：

式中，x为概率值的向量，i为x_i的位置。

4.根据权利要求1所述的一种无侵入动物行为特征观测方法，其特征在于：所述损失函数为分段损失函数，分段损失函数smooth L1结构如下所示：

其中x为标记点与估计点之间的L1损失函数。

5.根据权利要求1所述的一种无侵入动物行为特征观测方法，其特征在于：还包括迁移学习，采用迁移学习方法对另外一种动物进行行为分析。

6.根据权利要求1所述的一种无侵入动物行为特征观测方法，其特征在于：还包括根据动物的肢体运动图像进行关节点坐标标定，同时建立计算关节点角速度和角加速度的动物肢体运动学模型。