[发明专利]一种基于深度学习的圈养动物行为分析方法

说明书

本发明公开了一种基于深度学习的圈养动物行为分析方法，属于动物行为检测领域。它包括基于深度学习的动物个体检测方法、基于有效帧图像中动物个体边界框水平垂直方向长度比、边界框位于进食及饮水兴趣区域内的面积与整个边界框面积比以及相邻有效帧图像中同一动物个体边界框质心位置变化量与临界值的关系，判别圈养动物的进食、饮水、行走和休息行为。最后，对无效帧图像造成的缺失行为进行填补。本发明通过分析安装在圈养区域侧上方的摄像头采集的视频，实现圈养动物的行为分析；克服了传统方法依赖于动物头部检测、深度相机以及其他辅助方法识别动物行为的不足，具有部署应用方便、行为识别准确率高的特点。

技术领域

本发明属于动物行为检测领域，具体地说，涉及一种基于深度学习的圈养动物行为分析方法。

背景技术

研究动物个体和群体在高养殖密度的现代化农场中的行为习性，可为提高肉食质量、评价动物福利提供重要的参考依据。其中，进食、饮水、行走和休息行为作为动物的基本行为，也是重要的参考指标。正常情况下，动物在一天中的基本行为呈稳定持续的模式，当疾病出现、圈养环境或喂养质量发生变化时，则会导致其出现异常行为。长期以来，采用人工方式观察和记录群养动物的行为活动，费时费力、且难以实现长期准确的持续观察。因此，为增强对动物的健康异常预警，改善其生长福利，自动化实时地监控动物的基本行为，提取其基本行为节律，具有重要的应用价值。

近年来，随着“物联网+人工智能”为主的新技术在畜牧业中的有效应用，很多学者致力于研究动物行为的自动监控技术，并取得了一系列成果。例如，陈林锋等在《传感器与微系统》上发表的群养母猪饮水行为监测无线传感器网络节点设计的文章中提出的一种方法，采用无线射频技术RFID技术来检测母猪个体的饮水行为。但是，基于RFID的监控方式需要给动物打入耳标，为入侵式的试验方式，并且耳标容易丢失，给跟踪和管理带来不便。

鉴于机器视觉技术价格低廉、容易安装、为无入侵的动物日常行为自动监控方式等优点，已经在农场管理中得到广泛的应用，很多农场都已经取得了大量的监控录像数据，但是利用动物视频监控数据进行信息提取，获得对生产管理有用信息的研究还不多。例如，何东健等在《农业机械学报》上发表的基于视频分析的犊牛基本行为识别的方法，研究犊牛的躺、站、走和跑跳行为，但该方法主要适用于大型动物的行为识别，对小型动物的行为识别比较困难。杨秋妹等在《农业机械学报》发表了关于猪只饮水行为机器视觉自动识别的文章中提到一种方法，通过图像分割、图像占领指数以及深度学习识别猪只头部方法对猪只饮水行为进行精准判定，但该方法由于只在圈养区域正中央的横柱上安装摄像头拍摄，仅适用于饮水槽和进食槽在圈养区域内部的场景，通过检测猪只头部判别饮水行为。将摄像头安装于圈养区域的正中央，整个摄像区域呈矩形，但当动物站立时无法拍摄到整个轮廓，只能拍摄到背部表面，对于识别动物个体完整轮廓有较大困难。

而将摄像头安装在圈养区域侧上方，且进食槽、饮水槽位于圈养区域外侧，整个圈养区域呈梯形，虽然能够更加清楚、详细地对动物对象进行观察，但当动物将头部伸出栏杆外进行进食、饮水行为时很难检测到头部，更无法对动物行为进行判定。

发明内容

1、要解决的问题

针对现有摄像头安装于圈养区域侧上方且进食槽、饮水槽位于圈养区域外侧导致的当发生进食、饮水行为时头部难以检测造成的行为分析困难的问题，本发明提供一种新的基于深度学习的圈养动物行为分析方法，克服了传统方法依赖于动物头部检测、深度相机以及其他辅助方法识别动物行为的不足，能够提高圈养动物行为判别的准确率，且方法简单，容易实现，适用范围广泛。

2、技术方案

为解决上述问题，本发明采用如下的技术方案：

一种基于深度学习的圈养动物行为分析方法，在圈养区域侧上方安装摄像头，包括如下步骤：

步骤S1，在线采集圈内动物全天活动视频；