[发明专利]一种牲畜打架行为识别及预警方法、装置、介质及电子设备

说明书

本发明涉及一种牲畜打架行为识别及预警方法、装置、介质及电子设备，方法包括：对养殖栏位内活动的牲畜群进行图像拍摄和声音采集，实时获取牲畜图像数据和声音数据；基于采集的牲畜的活动视频图像，采用深度学习目标检测模型检测牲畜的位置；基于检测的所有牲畜的位置，获取牲畜的运动轨迹，并获取牲畜的运动速度；筛选检测的牲畜的位置的对应时间段内的声音数据，并将声音数据进行数据转换，获取声音特征；将牲畜运动轨迹、牲畜位置、牲畜速度和转换后的声音特征输入判别模型，判断牲畜是否在进行打架，若是，则执行报警操作。与现有技术相比，本发明具有提高检测效率和及时性，增强监控效率等优点。

技术领域

本发明涉及智能养殖技术领域，尤其是涉及一种牲畜打架行为识别及预警方法、装置、介质及电子设备。

背景技术

目前随着人民生活水平的提高，我国畜牧业得以飞速发展，伴随着畜牧业生产方式向专业化、规模化、简约化、标准化方向发展和城镇化水平的不断提高，特别是畜牧业的规模化发展，牲畜的健康状况成为最值得关注的因素，也关乎养殖户的经济效益。

虽然牲畜养殖已经开展了机械自动化投喂方式，但对于社畜健康的监控，大部分养殖场仍然采用人工进行，消耗了大量的人力财力的同时，无法对牲畜健康进行有效的监管。传统情况下牲畜打架情况需要人为观察判断，存在人工依赖性高等问题，且对牲畜打架情况的判断无法做到及时和准确的判别，延迟的判断影响牲畜健康程度，易对养殖场带来风险。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种牲畜打架行为识别及预警方法、装置、介质及电子设备。

本发明的目的可以通过以下技术方案来实现：

第一方面，本发明提供了一种牲畜打架行为识别及预警方法，该方法包括：

对养殖栏位内活动的牲畜群进行图像拍摄和声音采集，实时获取牲畜图像数据和声音数据；

基于采集的牲畜的活动视频图像，采用深度学习目标检测模型检测牲畜的位置；

基于检测的所有牲畜的位置，获取牲畜的运动轨迹，并获取牲畜的运动速度；

筛选检测的牲畜的位置的对应时间段内的声音数据，并将声音数据进行数据转换，获取声音特征；

将牲畜运动轨迹、牲畜位置、牲畜速度和转换后的声音特征输入判别模型，判断牲畜是否在进行打架，若是，则执行报警操作。

进一步地，采用深度学习目标检测模型检测牲畜的位置的具体内容为：

1)根据牲畜视频信息获取预设数量的图像样本信息；

2)根据牲畜特征标定图像样本信息；

3)采用预设的深度学习目标检测模型的训练框架对所述图像样本信息进行训练，生成牲畜检测模型；

4)获取预设的牲畜检测模型后，输入目标帧的图像数据，采用预设的目标检测算法调用牲畜检测模型，输出所有牲畜的检测框位置信息，进而获取各牲畜的位置信息。

进一步地，采用的所述深度学习目标检测模型包括但不限于以下任意模型中的一种：YOLO系列、Faster RCNN、MaskRCNN、SSD、CenterNet和DyHead。

进一步地，基于检测的所有牲畜的位置，获取牲畜的运动轨迹，并获取牲畜的运动速度的具体内容为：

利用深度学习模型识别视频图像每一帧的所有牲畜个体和每一个牲畜个体的位置后，对每一帧中每个牲畜赋予视觉编号，若当前帧中具有与前一帧中相同的牲畜个体，则赋予当前帧中牲畜个体与前一帧中牲畜个体相同的视觉编号；根据每个牲畜个体的视觉编号、每个视觉编号在每一帧图片中的位置、每一帧图片的时间，得到所有牲畜个体的运动轨迹；随后通过两帧图片拍摄的时间间隔和牲畜位置的变化计算牲畜速度。