一种基于视频自动跟踪奶牛反刍行为的系统及方法技术方案

本发明专利技术公开了一种基于视频自动跟踪奶牛反刍行为的系统及方法，该系统包括视频输入模块，LK光流法处理模块，数学形态学处理模块，KCF跟踪及显示模块；所述视频输入模块获取输入视频的前六帧、分辨率及帧率；所述LK光流法处理模块根据视频前六帧得到相应的光流场，将其合并后二值化；数学形态学处理模块将二值化后的图像依次经过腐蚀、开运算、筛选面积、再次开运算和再次筛选面积，再根据连通域计算出奶牛嘴部的位置坐标；KCF跟踪及显示模块根据得到的位置坐标对视频中的奶牛嘴部进行跟踪并显示出每一帧的跟踪结果。本发明专利技术还公开了一种基于视频自动跟踪奶牛反刍行为的方法。

【技术实现步骤摘要】
一种基于视频自动跟踪奶牛反刍行为的系统及方法
本专利技术属于畜牧养殖
，涉及一种基于视频自动跟踪奶牛反刍行为的系统及方法。
技术介绍
奶牛一天反刍时间可长达8小时,每次反刍咀嚼时间为50～60秒，每天的反刍次数在200～450次不一，要根据日粮中粗纤维的多少和长度来度，观察牛群时至少要有三分之一的牛在同时反刍才说明日粮中粗纤维的量够，否则就要注意了。一次反刍大约咀嚼40到60次左右。在奶牛养殖过程中，对奶牛的反刍行为进行跟踪十分重要，如果依靠人工去完成的话，费时费力，而且会存在一定的误差。
技术实现思路
本专利技术的目的在于提供一种基于视频自动跟踪奶牛反刍行为的系统及方法。其具体技术方案为：一种基于视频自动跟踪奶牛反刍行为的系统，包括视频输入模块，LK光流法处理模块，数学形态学处理模块，KCF跟踪及显示模块；所述视频输入模块获取输入视频的前六帧、分辨率及帧率；所述LK光流法处理模块根据视频前六帧得到相应的光流场，将其合并后二值化；数学形态学处理模块将二值化后的图像依次经过腐蚀、开运算、筛选面积、再次开运算和再次筛选面积，再根据连通域计算出奶牛嘴部的位置坐标；KCF跟踪及显示模块根据得到的位置坐标对视频中的奶牛嘴部进行跟踪并显示出每一帧的跟踪结果。一种基于视频自动跟踪奶牛反刍行为的方法，包括以下步骤：通过CCD摄像机拍摄的视频，经过预处理后输入树莓派3代B型开发板系统，即可获取输入视频的前六帧、分辨率及帧率。此系统中，经过LK光流法处理模块得到视频前六帧相应的光流场，将其合并后二值化；再经过数学形态学处理模块将二值化后的图像依次经过腐蚀、开运算、筛选面积、再次开运算和再次筛选面积，再根据连通域计算出奶牛嘴部的位置坐标；最后根据KCF跟踪及显示模块得到的位置坐标对视频中的奶牛嘴部进行跟踪，并显示出每一帧的跟踪结果。与现有技术相比，本专利技术的有益效果为：目前对于奶牛反刍行为的监测大多采用经验公式方法来进行判断，无法长时间、自动、高效地监测。本专利技术研究利用视频智能监测技术，开展奶牛反刍行为的自动监测方法研究，在获取奶牛嘴部区域的基础上，利用运动目标检测技术，实现奶牛反刍行为的智能识别与异常行为的监测。国外已有的几种商用视频跟踪系统普遍十分昂贵，所有系统均将身体移动距离作为活动强度的指征参数，只有那些大的身体运动才能被检测到。就国内目前的技术现状而言，视频监测技术有了较为良好的发展，但是针对动物的目标检测方法只能将视频图像中的动物作为一个整体进行分割，动物身体区域的精细识别未见报道。附图说明图1为基于视频自动跟踪奶牛反刍行为的系统的原理图；图2位基于视频自动跟踪奶牛反刍行为的流程图。具体实施方式下面结合附图和具体实施例对本专利技术的技术方案作进一步详细地说明。参照图1，一种基于视频自动跟踪奶牛反刍行为的系统，包括视频输入模块1，LK光流法处理模块2，数学形态学处理模块3，KCF跟踪及显示模块4；所述视频输入模块1获取输入视频的前六帧、分辨率及帧率；所述LK光流法处理模块2根据视频前六帧得到相应的光流场，将其合并后二值化；数学形态学处理模块3将二值化后的图像依次经过腐蚀、开运算、筛选面积、再次开运算和再次筛选面积，再根据连通域计算出奶牛嘴部的位置坐标；KCF跟踪及显示模块4根据得到的位置坐标对视频中的奶牛嘴部进行跟踪并显示出每一帧的跟踪结果。如图2所示，一种基于视频自动跟踪奶牛反刍行为的方法，包括以下步骤：先采用预设光流点间隔和大小的参数对输入的原始视频进行LK光流法处理，得到光流场；根据光流的模值对光流场进行灰度化处理，再进行Otsu算法，将灰度图二值化；对二值化图像进行形态学腐蚀和开运算操作，再筛选出符合要求的连通区域，得到奶牛嘴部区域；根据所得图像，即可得到奶牛嘴部的跟踪框；根据奶牛嘴部跟踪框和原始视频第一帧，初始化KCF跟踪框；之后根据视频的当前帧训练KCF跟踪器并更新监测目标；根据每帧的跟踪结果，输出跟踪视频。具体方法如下：输入原始图像；利用光流法得到目标跟踪区域。采集样本训练一个分类器。再用分类器去判断跟踪到的是目标还是周围的背景信息使用傅立叶变化对算法进行加速计算。用分类器去判定下一帧预测区域中的跟踪目标。将所得到的目标周围区域采集样本。对下一帧预测区域再次进行相同的操作，实现目标的自动跟踪。对前几帧图像利用LK光流法计算光流点，得到对应的矢量场。对得到的矢量场进行二值化。对得到的光流场进行形态学运算，得到目标跟踪区域。利用otsu算法对得到的矢量场进行二值化。通过循环矩阵对样本进行采集。设训练样本集(xi,yi)，算法把跟踪问题抽象为一个线性回归模型的求解w＝(XHXλI)-1XHy其中λ用于控制系统的结构复杂性，X＝[x1,x2,…,xn]T的每一行表示一个向量，y是列向量。利用循环矩阵求解，根据循环矩阵能够被离散傅里叶矩阵对角化，使得矩阵求逆转换为特征值求逆的性质能够将问题转换到频域进行运算，应用离散傅里叶变换(DFT)提高运算速度：利用脊回归线性回归训练提速，再将线性转化为非线性，引入核函数把特征空间映射的高维空间进行提速。根据权利要求5所述的方法，其特征在于，训练样本和测试样本的核相关矩阵为Kz＝C(kXZ)其中，kXZ是对称向量径向基核函数中的高斯函数。利用脊回归更新分类器对下一帧预测区域再次进行相同的操作，实现目标的自动跟踪。利用脊回归线性回归训练提速，再将线性转化为非线性，引入核函数把特征空间映射的高维空间进行提速。训练样本和测试样本的核相关矩阵为Kz＝C(kXZ)其中，kXZ是对称向量径向基核函数中的高斯函数，径向基核函数中如高斯核。kxx′＝g(C(x′)x)其中g(x)是核函数，C(x′)是基于x′为第一行的循环矩阵。利用循环矩阵性质：代入：对于高斯核函数：为了证明本专利技术算法的有益效果，进行了相关试验，在试验中分别使用KCF相关核滤波算法、Meanshift均值漂移算法、CT压缩跟踪算法三种算法对奶牛嘴部运动进行跟踪，并与MATLAB手动选取的点进行对比，通过比较处理检测精度、帧速度、丢包率、跟踪误差这四个评价指标对三种跟踪算法的结果进行评价。根据试验结果，LK光流法一般情况下可以检测到奶牛嘴部，将坐标信息传递给跟踪算法。KCF相关核滤波算法、Meanshift均值漂移算法、CT压缩跟踪算法的咀嚼次数、丢包率结果如表1所示。由表1可以看出，KCF相关核滤波算法正确检测帧数等于视频总帧数，丢包率为0.00％，检测精度为83.43％；Meanshift均值漂移算法正确检测帧数与视频总帧数有较大差距，丢包率为98.17％，检测精度为43.10％；CT压缩跟踪算法正确检测帧数均等于视频总帧数，丢包率也为0.00％，检测精度为87.85％。根据实验数据Meanshif均值漂移算法在跟踪奶牛嘴部时效果不好，容易丢失目标。而KCF相关核滤波算法、CT压缩跟踪算法跟踪稳定，丢包率为0.00％，效果较Meanshift均值漂移算法好，CT压缩跟踪算法得到的咀嚼次数更接近真实数值。表1咀嚼次数、丢包率情况表表2跟踪速度平均值结果No.1(frame/s)No.2(frame/s)No.3(frame/s)Average(frame/s)KCF20.8821.0821.7121.23Meanshi本文档来自技高网...

【技术保护点】
1.一种基于视频自动跟踪奶牛反刍行为的系统，其特征在于，包括视频输入模块(1)，LK光流法处理模块(2)，数学形态学处理模块(3)，KCF跟踪及显示模块(4)；其特征在于：所述视频输入模块(1)获取输入视频的前六帧、分辨率及帧率；所述LK光流法处理模块(2)根据视频前六帧得到相应的光流场，将其合并后二值化；数学形态学处理模块(3)将二值化后的图像依次经过腐蚀、开运算、筛选面积、再次开运算和再次筛选面积，再根据连通域计算出奶牛嘴部的位置坐标；KCF跟踪及显示模块(4)根据得到的位置坐标对视频中的奶牛嘴部进行跟踪并显示出每一帧的跟踪结果。

【技术特征摘要】
1.一种基于视频自动跟踪奶牛反刍行为的系统，其特征在于，包括视频输入模块(1)，LK光流法处理模块(2)，数学形态学处理模块(3)，KCF跟踪及显示模块(4)；其特征在于：所述视频输入模块(1)获取输入视频的前六帧、分辨率及帧率；所述LK光流法处理模块(2)根据视频前六帧得到相应的光流场，将其合并后二值化；数学形态学处理模块(3)将二值化后的图像依次经过腐蚀、开运算、筛选面积、再次开运算和再次筛选面积，再根据连通域计算出奶牛嘴部的位置坐标；KCF跟踪及显示模块(4)根据得到的位置坐标对视频中的奶牛嘴部进行跟踪...

【专利技术属性】
技术研发人员：宋怀波，姬存慧，牛满堂，李振宇，祝清梅，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：陕西,61