[发明专利]视频段中单只猪侧视图帧属性识别方法

摘要

本发明公开了一种视频段中单只猪侧视图帧属性识别方法。本发明根据猪只连续轮廓图，提出联立猪只外接矩形高长比和低频的傅里叶系数构建猪只侧视图特征向量，根据样本训练集得到理想侧视图和非理想侧视图特征向量均值和方差，利用马氏距离判别法从测试视频中识别未知帧属性的类别。本发明适用于单栏猪舍监控视频中理想猪只侧视图视频段识别，可为后继单只疑似病猪行为分析提供有利条件。

主权项

1.一种视频段中单只猪侧视图帧属性识别方法，其特征在于根据猪单只猪轮廓图确定侧视图帧属性值，具体方法如下：设猪只的轮廓可表示为一个坐标序列：{x(n)，y(n)：n＝0，1，...，N-1}，其离散傅里叶变换(DFT)见式(1)及(2)。Z(n)=Σk=0N-1Z(k)exp[j2πknN],]]>0≤n≤N-1(1)Z(k)=1NΣn=0N-1Z(n)exp[j2πknN],]]>0≤n≤N-1(2)重新定义猪只轮廓的傅里叶描述子，见式(3)。对傅里叶系数作规范化处理，对应于猪只轮廓形状特征向量中的值。Fd(k)=0,k=0|Z(k)||Z(1)|,k=-1,...,-M2-1|Z(k)||Z(1)|,k=1,...,M2---(4)]]>构造猪只轮廓形状特征向量X，即，向量中每个元素都是标量，其中，x₁为猪只轮廓外接矩形的归一化高长比，1为一组的归一化傅里叶描述子系数。设G为M^*+1维猪只轮廓形状特征向量总体，它的分布均值向量和协方差矩阵计算见式(4)。μ=μ1μ2...μM*+1,]]>Σ=σ11σ12...σ1M*+1σ21σ22...σ2M*+1.........σ1M*+1σ2M*+1...σ[M*+1[M*+1]]---(4)]]>设为取自总体G的一个样本，定义X到总体G的平方马氏距离，见式(5)，假设∑＞0(∑为正定矩阵)。d²(X，G)＝(X-μ)′∑^-1(X-μ)            (5)设定训练集，将猪只正侧视图附近的帧样本先验地设为理想侧视图总体G₁，其他的则设为非理想侧视图总体G₂，分布的均值向量分别为μ₁、μ₂，协方差矩阵分别为∑₁＞0，∑₂＞0。需进行估计：μ^1=X‾1,μ^2=X‾2,Σ^1=S1,Σ^2=S2---(6)]]>现有一未知类别的样本X^*，其马氏距离的估计见式(7)，为二次判别函数，见式(8)。i＝1，2            (7)J^(X*)=d^2(X*,G1)-d^2(X*,G2)---(8)]]>判断X^*归属，修正判别规则为：属于G₁的样本帧属性值为1，表示该帧中猪只为理想侧视图；其他样本的帧属性值为0，则表示该帧中猪只为非理想侧视图。