[发明专利]一种基于视频追踪技术的动物个体识别系统

权利要求书

1.一种基于视频追踪技术的动物个体识别系统，其特征在于：分为两个部分，动物个体检测部分和动物个体追踪部分，具体包括以下步骤：

(1)动物个体检测部分，

(1.1)设置抽帧率，将视频保存为图像；

(1.2)Faster-RCNN模型训练集制作；

(1.3)Faster-RCNN模型训练调用训练网络，进行loss计算，判断本次训练是否收敛；

(1.4)反复迭代计算，loss数值收敛，得到基于Faster-RCNN的圈养动物目标检测模型；

(2)动物个体实时追踪部分，

(2.1)将第一帧图像输入训练好的基于Faster-RCNN的圈养动物目标检测模型中；

(2.2)检测模型输出的各个动物个体位置以及数量初始化卡尔曼滤波器的数目以及各个滤波器的状态矩阵和观测矩阵参数；

(2.3)卡尔曼滤波对圈养动物进行追踪；

(4)计算卡尔曼滤波器预测出各个动物位置的坐标与基于Faster-RCNN的圈养动物目标检测模型所检测出的各个动物位置之间的欧式距离，小于阈值的检测目标位置为有效位置，追踪成功，存储轨迹；

(5)第五步，对存储轨迹的目标进行依次标号存储；

步骤(1.2)所述的Faster-RCNN模型训练集制作，包括：

软件对所有拍摄的圈舍动物图片中的动物个体进行标注，包括互相遮挡的动物个体；训练集数据包括不同光照条件下的数据；将图片分别进行多角度旋转，模拟摄像头不同拍摄角度的照片；

步骤(2.3)所述的卡尔曼滤波对圈养动物进行追踪具体为：

(2.3.1)假设圈舍里面有q个动物个体，在某一时刻k，它们的位置利用状态变量x₁(k),x₂(k),....,x_q(k)来描述，设每个时刻该动物的位置都是由上一时刻的位置递归计算而来，则

x_α(k)＝a_αx_α(k-1)+w_α(k-1),α＝1,2,3,...,q (1)

w_α表示独立的零均值白噪声；

(2.3.2)将上述q个独立动物的位置信息写成一阶向量方程，则圈养动物个体识别系统中各个动物位置的状态矩阵用方程(2)表示：

x(k)＝Ax(k-1)+w(k-1) (2)

其中，x(k)，x(k-1)和w(k-1)是(q×1)列向量，A是状态转换矩阵，q×q对角矩阵，

(2.3.3)在k时刻，圈养动物Faster-RCNN检测模型通过动物个体识别检测输出一个位置，称为观测量，用变量y₁(k),y₂(k),y₃(k),....,y_r(k)表示，与状态矩阵x表示类似，写成观测矩阵的形式，如式(3)所示：

y(k)＝Cx(k)+v(k) (3)

其中，y(k)和v(k)是r×1列向量，x(k)是q×1行向量，C是一个r×q的观测矩阵，

用表示视频中各个动物位置的估计值，最优的位置预测值用表示；

(2.3.4)利用最小均方误差作为最优位置估计的判别准则，即令最小，可以得到卡尔曼滤波器追踪器的计算公式：

其中，G(k)为卡尔曼滤波器增益

G(k)＝AP(k|k-1)C^T[CP(k|k-1)C^T+R(k)]^-1

P(k+1|k)＝[A-G(k)C]P(k|k-1)A^T+Q(k-1)

其中，P(k)为卡尔曼滤波器的预测均方误差,Q(k)观测系统的噪声方差矩阵，R(k)为观测矩阵元素之间的协方差；

(2.3.5)各个动物位置估计值依据前向传播方式，提前与系统矩阵A相乘，得到一个预测估计值与观测矩阵C相乘，得到该值与基于Faster-RCNN的圈养动物目标检测模型输出值之间的差值为测量误差，测量误差与卡尔曼滤波器的增益矩阵G(k)相乘，结果相加，得到下一时刻各个动物位置的估计值