[发明专利]一种基于视频追踪技术的动物个体识别系统

摘要

本发明公开了一种基于视频追踪技术的动物个体识别系统，属于机器学习领域。基于图像视频处理技术，将多目标追踪思想应用于动物个体识别场景中，通过实时记录圈内各个动物的轨迹位置坐标，实现动物个体识别。在方案具体实施中，将深度学习中的Faster‑RCNN多目标检测模型与传统追踪算法卡尔曼滤波器结合，解决了多目标追踪应用中经常出现的遮挡，轨迹交叉，实时性差等难点问题。利用采集的海量圈养数据模型，训练出基于Faster‑RCNN模型的圈养动物检测模型。本发明能够有效地实现零接触，无应激，在动物个体最自然的状态下实现动物个体识别，并且安装设备可实施性强，具有非常强的实际应用价值。

主权项

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。