[发明专利]一种基于深度学习的圈养动物行为分析方法

摘要

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。

主权项

1.一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：/n步骤S1，在线采集圈内动物全天活动视频；/n步骤S2，从采集的视频中，遴选包含动物进食、饮水、行走和休息行为形态的帧图像，训练基于深度学习的动物个体检测模型；/n步骤S3，读取待检测视频的第一帧图像；/n步骤S4，采用步骤S2中训练得到的动物个体检测模型对当前帧图像进行动物个体目标检测，再判断动物个体边界框数量与圈中实际动物数量是否相等：/n若不相等，则当前帧图像为无效帧图像，转步骤S6；/n若相等，则当前帧图像为有效帧图像，接着判断前一帧图像的状态：/n若前一帧图像为无效帧图像，则记录当前帧图像中各动物个体边界框质心的横、纵坐标，转步骤S6；/n若前一帧图像为有效帧图像，则通过边界框判别动物在圈养区域内相对于进食、饮水兴趣区域所处的位置，转步骤S5；/n步骤S5，分析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、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。/n步骤S6，若当前帧图像为最后一帧图像，则行为分析终止；否则读取下一帧图像，所述下一帧图像与当前帧图像间隔可为1-10帧，转步骤S4。/n