[发明专利]一种基于椭圆拟合和预测性神经网络的猪步态异常检测方法

权利要求书

1.一种基于椭圆拟合和预测性神经网络的猪步态异常检测方法，其特征在于，包括如下步骤：

(1)图像采集及预处理

采集实验所需要的视频样本，包括猪正常行走和异常步态的视频；截取视频样本获得连续目标帧，并对目标帧进行预处理，得到正常行走和异常步态的猪轮廓序列；

(2)猪体轮廓的椭圆拟合

利用关节分类的办法将猪的整体轮廓、头颈部以及四肢的每一小节进行切割分块，并用椭圆拟合分别对每一部分建模，以椭圆的中心位置、长轴、短轴、长轴与+X轴转角参数作为猪的行走的步态特征参数序列；

(3)PCA特征优化处理

根据步态序列之间存在着极大的相关性，通过主成份分析对提取出来的特征进行优化处理，提取特征序列；

(4)统计数据的预测性神经网络训练模型创建及训练

利用预测性神经网络建立关于正常行走和异常步态特征序列的训练模型；

(5)步态异常识别测试

通过训练模型检测输入的步态序列是否属于异常行走。

2.根据权利要求1所述的基于椭圆拟合和预测性神经网络的猪步态异常检测方法，其特征在于，所属步骤1)包括：

首先，在猪舍环境和光线理想的条件下进行目标视频的拍摄；

然后，对目标视频图像提取一系列的单帧图像，采用背景减除法来检测出目标图像猪；

再者，采用二值化和形态学处理获得完整的目标图像；

最后，采用canny算子提取猪体目标轮廓。

3.根据权利要求2所述的基于椭圆拟合和预测性神经网络的猪步态异常检测方法，其特征在于，所属步骤(2)和(3)包括：

首先，根据已经得到的猪体目标轮廓，对猪体边缘上的点进行椭圆拟合；

然后，根据椭圆拟合结果，得到头部、躯体、前肢以及后肢四个椭圆；

再者，利用椭圆几何参数椭圆中心位置(x_c,y_c)，长轴a和短轴b以及长轴a与+X轴转角θ，得到猪正常行走和异常步态序列数据；

最后，利用主成分分析分别对提取出的正常行走和异常步态序列进行特征优化，降低序列维度。

4.根据权利要求3所述的基于椭圆拟合和预测性神经网络的猪步态异常检测方法，其特征在于，所属步骤(4)和(5)包括：对周期性的统计数据进行预测性神经网络的训练模型建立，首先，采用多组正常行走和异常步态的训练集分别进行神经网络的训练，再对训练过后的神经网络输入测试数据集，判别该测试集步态是否属于异常行走。