[发明专利]一种基于神经网络的湖羊目标实时跟踪方法

说明书

本发明公开了一种基于神经网络的湖羊目标实时跟踪方法包括：采集和处理湖羊视频和图片数据，做成跟踪数据集；建立加入注意力机制模块的的孪生网络模型，利用建立好的数据集和网络上现有的一些羊类数据集对该神经网络模型进行训练，提高跟踪特定类别目标的成功率；将得到的网络模型搭载到计算机设备上，利用摄像设备采集湖羊视频，离线跟踪所需目标，或者实时跟踪识别湖羊目标，输出跟踪结果，绘制目标在某一特定范围内的活动轨迹。本专利利用基于注意力机制的编码器‑解码器模型，加以上下文敏感预测模块，准确识别并跟踪湖羊目标，以代替人工，达到监测湖羊目标和统计运动量的目的。

技术领域

本发明涉及动物目标跟踪的技术领域，具体而言，是一种基于神经网络的湖羊目标跟踪方法。

背景技术

准确合理的识别和检测动物，是如今规模化养殖模式下，用机器代替人力监测目标活动行为的一项标准，对于养殖现代化有着重要意义。在舍饲养殖这样一种封闭的环境下，要利用监控手段实现目标监测和行为识别，需要设备具备一定的跟踪能力，目标跟踪是计算机视觉领域中一项重要任务。

湖羊作为我国一级保护地方畜禽种类，在南方地区多实行大规模舍饲养殖。对于湖羊目标，传统监测手段都是人为观察或通过摄像头远程观测，这样利用人工处理的方法，费时且费力，且无法长时间检测目标，容易错过和忽视一些行为，无法挖掘深层次的行为含义；目前还有一些使用硬件感应的方法，需要装备大量传感器，成本较大。经过图形处理器、机器学习和深度学习的发展，可以直接通过摄像头远程观测，跟踪目标，识别特定目标行为，统计其活动数据。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述存在的问题，提出了本发明。

因此，本发明解决的技术问题是：现有的云服务平台计算方法存在功耗耗损较大，负载率奖惩，成本较高，以及如何将任务请求分配到各个主机上实现负载平衡的优化问题。

为解决上述技术问题，本发明提供如下技术方案：一种基于神经网络的湖羊目标实时跟踪方法，包括：

作为本发明所述的一种基于神经网络的湖羊目标实时跟踪方法的一种优选方案，其中：采集和处理湖羊视频和图片数据，建立以湖羊为目标的跟踪数据集；

建立添加了注意力机制模块的神经网络模型，利用处理好的数据集和公开的一些羊类数据集对该神经网络模型进行训练，并得到预训练模型；

将预训练模型搭载到计算机设备上，利用跟踪算法和摄像设备采集湖羊视频，跟踪所述目标或者实时跟踪识别湖羊目标，输出跟踪结果。

作为本发明所述的一种基于神经网络的湖羊目标实时跟踪方法的一种优选方案，其中：所述建立跟踪数据集包括图片跟踪训练集与视频跟踪训练集。

作为本发明所述的一种基于神经网络的湖羊目标实时跟踪方法的一种优选方案，其中：所述图片跟踪训练集是选取80分钟的高分辨率视频，作为第一原始数据集；每隔60到120帧采样，提供人工标注的bounding-box，得到的图片作为跟踪训练集。

作为本发明所述的一种基于神经网络的湖羊目标实时跟踪方法的一种优选方案，其中：所述视频跟踪训练集是选取80分钟视频，作为第二原始数据集对，进行分段，每隔10帧截取一张图片，并标注好，建立视频跟踪测试集。

作为本发明所述的一种基于神经网络的湖羊目标实时跟踪方法的一种优选方案，其中：建立跟踪数据集是基于注意力的编码器-解码器模块的辅助所完成的。

作为本发明所述的一种基于神经网络的湖羊目标实时跟踪方法的一种优选方案，其中：用编码器接收主干网络提取出的多个模板特征，并将已编码的特征和掩膜传递给解码器，增强特征表示，