[发明专利]群体环境中多猪体运动轨迹提取和行为分析方法

说明书

本发明公开了一种群体环境中多猪体运动轨迹提取和行为分析方法，包括下述步骤：改进已知的单目标跟踪算法，提出群体环境中同时跟踪多头生猪的算法；根据跟踪结果，提取每头猪每帧的中心点坐标，绘制每头猪的运动轨迹图和瞬时速度图；根据猪体的跟踪得到的目标框，提取感兴趣区域，分割出每头猪的目标轮廓，判断猪体当前形态特征为站立或趴卧；联合猪体运动轨迹、运动速度、轮廓形态，结合猪体运动规律和专家建议，判断每头猪在每个时间段的运动行为，主要包括：猪体站立、趴卧、缓慢行走、快速跑动、异常躁动。本发明展示了如何利用精准鲁棒的的跟踪算法监控群体环境中猪的行为，可实时检测猪的异常运动，辅助判断猪体健康状况。

技术领域

本发明涉及计算机视觉领域，更具体地说，涉及一种群体环境下跟踪多头猪体并确定其行为的方法。

背景技术

监控猪体行为是判断猪是否出现异常状态的关键环节，可以辅助判断猪体的健康状况，当前养殖场中普遍采用集中养殖的方式饲养生猪，养殖规模大且数量多，人工检测的方式难以及时发现猪体异常状态。本发明利用目标跟踪和视频分割的方式实时监控群体环境下的多目标猪体，利用目标跟踪获取猪体的运动轨迹形态和运动状态变化；利用视频分割获取猪体的外观轮廓，评估猪体姿态。最终实现了群体环境下猪体趴卧不动，静止站立，缓慢行走，快速跑动，异常躁动这五种典型行为的分析，可用于猪体日常行为监控和异常运动预警。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供了一种群体环境下跟踪多头猪体并确定其行为的方法，以基于粒子滤波的跟踪算法(RPT算法)为跟踪单头猪体的基本跟踪方法，改进了RPT算法中目标体尺的可变范围和目标有重叠区域时粒子采样方法，依据跟踪结果绘制目标猪体的运动轨迹图和运动速度变化图，记录猪体几乎静止不动、缓慢行走、快速运动的帧数和时间；利用Interaction-and-Propagation Networks，通过第一帧用户指定大致轮廓，后续帧帧间传播轮廓的方式，得到猪体的视频分割结果，并通过与标准数据库的相似度对比，判断猪体当前姿态为站立或者趴卧，最后结合猪体的运动轨迹形态，猪体的速度变化图和视频分割结果，判断猪体趴卧不动，静止站立，缓慢行走，快速跑动，异常躁动这五种典型行为。

为了达到上述目的，本发明采用以下技术方案：

本发明提供的一种群体环境中多猪体运动轨迹提取和行为分析方法，包括下述步骤：

利用已知单目标跟踪算法提出群体环境中同时跟踪多头生猪的算法，即在每头生猪目标区域及其紧邻区域内随机取样若干样本点，将这些样本点称之为粒子，按照离目标区域的距离确定背景粒子和前景粒子，根据粒子的分布情况确定每头生猪猪体的位置和大小，最后根据上一帧每头生猪的猪体体尺限制当前帧该猪体尺变化范围，得到当前帧每头生猪的目标跟踪结果；

根据目标跟踪结果，提取每头猪每帧的目标框中心点坐标，绘制每头猪的运动轨迹；根据每头猪相邻两帧中心位置的距离差值，确定运动猪体的瞬时速度，绘制猪体的速度变化图；每头猪的目标框序号与其对应轨迹图的序号和速度曲线序号保持一致；

通过猪在每个视频帧中的速度值，得到猪几乎静止不动的帧数和时间、猪缓慢行走的帧数和时间、猪快速运动的帧数和时间；

根据每帧每头生猪的跟踪得到的目标框，将目标框自身及其周围紧邻区域作为感兴趣区域，通过视频分割算法，获取每帧每头猪的像素级外观轮廓，建立猪体站姿和卧姿的标准数据库，对比猪体的外观轮廓和标准库中的数据的相似度，判断猪体的当前姿态为站立或者趴卧；

联合猪体的运动轨迹形态，运动速度变化和姿态变化特点，并根据专家知识，得到猪体正常走动和异常躁动时的行为特征，判断出猪体趴卧不动、静止站立、缓慢行走、快速跑动和异常躁动这五种典型行为。

作为优选的技术方案，利用已知单目标跟踪算法提出群体环境中同时跟踪多头生猪的算法时，需要改进目标重叠区域的采样方式并控制目标体尺的改变量，具体包括下述步骤：