[发明专利]一种基于深度视频的哺乳母猪姿态转换识别方法

说明书

本发明公开了一种用于深度视频的哺乳母猪姿态转换识别方法，步骤为：深度视频质量增强；用改进的3D Mask R‑CNN算法检测、跟踪母猪并识别母猪姿态，选取每帧中概率最大的姿态类别，形成姿态序列；根据姿态序列的变化频率进行疑似转换片段粗定位，并利用前后帧各类姿态的概率方差细定位疑似转换片段的起始帧和结束帧；设计三阶段上下文深度运动特征图，以提取疑似转换片段的运动特征；将提取到的特征输入CNN模型进行转换/非转换片段识别，输出识别结果。本发明能在光线变化及夜间场景下，自动识别定位长段视频中的母猪姿态转换，为母猪的高危行为识别打下基础。

技术领域

本发明涉及视频识别技术领域，特别涉及一种基于深度视频的哺乳母猪姿态转换识别方法。

背景技术

在养猪场集中饲养环境下，母猪的姿态转换是造成仔猪死亡的主要因素之一，姿态转换的频率和持续时间与其母性好坏密切相关。传统方法一般是采用人工远程观察视频统计、分析母猪的姿态转换行为，该种方法费时耗力，并且拥有强主观性。基于计算机视觉的母猪姿态转换行为的自动识别在克服以上人工远程观察缺点的同时，还可对其母性行为特质和规律提供基础研究信息，并防止仔猪踩压死亡，提高仔猪生存率，有利于提升我国生猪产业智能化决策水平。

传感器技术已被用于监测母猪姿态，如公开号为CN105850773A的专利公开了一种基于微惯性传感器的生猪姿态监测装置。公开号为CN106326919A的专利通过微惯性传感器MPU-6050，磁力计传感器HMC5833实时采集生猪的加速度、角速度和姿态角信息，采用BP神经网络对生猪的站、走、卧、躺行为进行分类。为克服母猪应激、传感器脱落或损坏等影响，计算机视觉开始用于获取母猪姿态信息。公开号为CN104881636A的专利用猪的二值图像和深度图像对猪的躺卧行为进行识别；公开号为CN108830144A的专利用改进的Faster R-CNN模型识别了深度图像中母猪的站立、坐立、俯卧、腹卧和侧卧姿态。但上述发明均限于基于静态图像的姿态识别。

而哺乳母猪姿态转换行为是从一个姿态变换到另一个姿态的行为，涉及到转换的前后姿态及转换过程。由于未充分利用行为的时间序列信息，已有的静态图像目标检测算法难以直接用于行为识别，需从视频帧序列中自动分析正在进行的姿态转换行为。公开号为CN109711389A的专利提出了基于Faster R-CNN和HMM的哺乳母猪姿态转换识别方法。该方法通过Faster R-CNN检测母猪并形成母猪的姿态类别序列，然后以滑动窗口中姿态变化的频次定位疑似转换片段，继而提取疑似转换片段中母猪不同部分的高度序列，由HMM识别姿态转换。但该方法缺点在于：(1)母猪检测时未利用视频帧间时序信息，影响了母猪定位和姿态分类精度；(2)基于滑动窗口的方法导致疑似转换片段的时间定位精度不高；(3)在疑似转换片段中，仅提取了高度序列特征，未充分利用姿态转换的上下文信息以及母猪的外形特征，降低了转换与非转换片段的分类精度。可见，基于计算机视觉识别猪的姿态转换行为仍面临极大的挑战。

因此，提供一种适用于全天候未剪切视频的母猪姿态转换行为识别的方法是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于深度视频的哺乳母猪姿态转换识别方法，能够充分利用行为的时间序列信息，克服自由栏场景下，母猪姿态转换行为过程中姿态的不确定性和身体的形变，及仔猪运动的影响，准确识别出母猪的姿态转换。为实现上述目的其具体方案如下：

本发明公开了一种用于深度视频的哺乳母猪姿态转换识别方法，包括如下步骤：

S1、采集母猪的深度视频，并建立母猪姿态转换识别视频库；

S2、建立改进的3D Mask R-CNN母猪检测、跟踪及姿态识别模型；

S3、用改进的3D Mask R-CNN对深度视频中的母猪进行检测、跟踪并识别母猪姿态。选取每帧中概率最大的姿态类别，形成母猪姿态序列，用姿态类别波动频次粗定位母猪姿态序列中的疑似转换片段，根据前后帧各类姿态的概率方差细定位疑似转换片段的起始帧和结束帧；