猪的呼吸和行走姿态视频识别方法与关键技术研究

为尽早发现猪病症兆，防止规模养殖场猪病蔓延，提出基于视频分析的猪的呼吸和行走姿态识别方法与关键技术研究。首先，构建视频图像采集系统来获取图像；然后，根据动力学原理和猪的生理学特点，通过理论分析和实验研究，科学选定视频中猪身上相关点作为行为描述的特征点集合，测量和分析特征点的运动轨迹及时域参数，利用统计理论分析时域参数与呼吸和行走姿态的关系及其相关性，构建相应的时域模型；采用频谱分析方法对上述特征点运动轨迹进行分析获得频域参数，利用统计理论分析频域参数与上述行为的关系及相关性，构建相应的频域模型，研究猪的呼吸和行走姿态行为细节的频域特性形成机理；在此基础上，利用D-S证据理论，构建基于支持向量机和信息级融合的行为分类器，实现猪的异常行为的识别。.本项研究可为动物行为的视频分类与识别提供理论依据，为研发具有自主知识产权的动物行为分类与识别装备以及研究动物行为学提供新方法。

为尽早发现猪病症兆，防止猪病蔓延，本项目对猪的呼吸和行走姿态视频识别与分析方法进行研究。研究工作主要包含猪的视频图像采集、视频图像的预处理及猪的目标提取和行为特征提取及建模分析与识别三大方面。在猪的视频图像采集方面，研究并构建了侧视和俯视图像采集系统以及红外图像采集系统。采用上述系统可多视角、多维度获取真实准确的视频图像。视频图像中猪的轮廓提取是后续研究的基础。针对猪舍光线差和不均匀、猪体脏、背景与目标难以分离等难题，采用图像自适应局部亮度调整法、伪球边缘检测算子、基于射线轮廓特征点匹配的红外与可见光图像自动配准方法、预测机制的混合高斯模型和基于最大熵阈值分割相结合的前景检测方法和自适应分块的多阈值的目标提取方法等多种方法，从单纯的可见光发展到红外图像，从平面视觉拓展到立体视觉，重点以群养猪状态下猪的行为识别为目标进行猪个体目标的完整提取，取得了较好的效果。研究结果表明，基于预测机制的混合高斯模型和基于最大熵阈值分割相结合的前景检测方法，可以克服猪个体目标个数、颜色、行为模式、水渍及排泄物痕迹变化等对前景的影响；自适应分块的多阈值的目标提取方法能用于光线渐变、猪停停走走运动模式、目标颜色多样等复杂场合精确提取猪个体前景目标，且计算复杂度更低，实时性更好。与国际上同类研究相比，猪个体目标的提取更完整，猪个体目标的生理学和运动学细节特征呈现得更清晰，有利于后续行为识别等方面的研究。在猪的行为特征提取及建模分析与识别方面，考虑到猪的非刚体特点，根据运动学原理和猪的生理学特点，针对呼吸和行走姿态两种行为类别，科学选定视频图像中猪身上相关点作为行为描述的特征点，测量并分析这些特征点的运动轨迹，分析上述特征参数与猪呼吸和行走姿态的的幅度、快慢及均匀性等方面的关系，构建相应的数学模型，揭示上述行为的视频特征点的运动特性。首次提出了利用猪的脊腹部特征点运动描述子及腹部面积变化描述子来分析猪的腹式呼吸的幅度、快慢及均匀性。首次提出了通过建立猪的星状骨架模型、利用背部曲率描述子、Zernike矩、小波矩、聚类及支持向量机等方法，实现对猪的正常行走、低头行走、抬头行走、躺卧以及跛足行走等不同姿态的识别。该项研究揭示了利用视频分析手段实现动物行为识别与分析的机理和可行性，开辟了一条机器视觉代替人工观测对猪行为进行识别的新途径，也为猪的复杂行为分析和健康状态监控提供关键技术支撑。