一种基于Fisher判别的生猪行为轨迹自动跟踪方法技术

本发明专利技术涉及一种基于Fisher判别的生猪行为轨迹自动跟踪方法。首先人工标记出生猪的轮廓区域，应用旋转法求出轮廓区域的最小外接矩形作为初始跟踪框，提取初始跟踪框附近相同大小矩形区域图像的梯度方向直方图特征值并进行打分，根据特征值和打分值建立混合Fisher判别预测模型，应用该预测模型和一种新的追踪策略寻找下一帧图像的最优匹配窗口作为跟踪框对生猪进行跟踪，当匹配效果降到临界值时会对预测模型进行抽样重训练。利用本发明专利技术可以实现复杂背景多头生猪共存下的单只猪的跟踪。

【技术实现步骤摘要】

本专利技术涉及模式识别和计算机视觉
，尤其涉及一种基于Fisher判别的生猪行为轨迹自动跟踪方法。
技术介绍
随着我国猪肉产量日益能够满足人们的生活需求，大家开始更加注重食品安全和质量、希望能够食用更加健康的食物，所以健康养殖的概念开始愈发受到社会的重视。为了实现生猪的健康养殖，必须在饲养过程中关注生猪的动物福利，改善其健康状况，从而才能减少抗生素等药物的滥用，进而生产出安全健康的猪肉。有多种评价指标可以用于评估动物福利的好坏，如生理指标、动物行为等。一般来讲获取生理指标的过程(如抽血)容易引起动物的应激反应，并且不能大量的进行数据采样。所以动物的行为反应是鉴别动物精神福利好坏的重要途径。目前国内外对动物行为自动识别分为两种研究方向：通过计算机视觉来实现行为自动识别和通过传感器来实现行为自动识别。而使用传感器来获取动物行为的数据，不仅有着成本问题使其在大规模的实验时无法应用，并且动物佩戴时容易引起动物的应激行为，甚至会改变动物的行为。所以使用计算机视觉来进行动物行为自动识别是最合适的方案。针对使用计算机视觉来进行动物行为自动识别，国内学者展开众多的研究工作。但是还存在着一些不足之处，如实际猪场养殖过程中光照多不均匀，且饲养密度大很容易形成相互遮挡，还有栏杆等干扰物，目前提出的方法尚且不能完美应对这些困难。
技术实现思路
本专利技术的目的是提供一种基于Fisher判别的生猪行为轨迹自动跟踪方法，为解决上述技术问题，本专利技术的主要
技术实现思路
如下：一种基于Fisher判别的生猪行为轨迹自动跟踪方法，包括以下步骤：(1)选取初始跟踪区域：在养猪场猪圈中采用俯拍的方式对同一围栏里的生猪进行视频采集，采集开始后从视频中抽取一帧图像并随机挑选一头生猪作为跟踪目标，人工标记出目标的轮廓区域，并用旋转法求出轮廓区域的最小外接矩形，此矩形框即为初始跟踪框，外接矩形是有大小(宽和高)，有方向(矩形的宽所在边与x轴正半轴之间的夹角)的；(2)建立预测模型：计算初始跟踪框附近相同大小矩形区域所对应图像的HOG特征值并进行打分，根据特征值和打分值建立Fisher判别预测模型；(3)目标跟踪：对于下一帧图像，计算上一跟踪框附近相同大小矩形区域所对应图像的HOG特征值，并用训练好的预测模型进行打分，应用一种新的追踪策略选取出最优的矩形区域作为这一帧图像的跟踪框；(4)模型修正：如果跟踪框所对应的打分值低于给定临界值(本专利技术中设为0.5)，则需要对跟踪框附近相同大小矩形区域所对应的图像进行重新采样训练，直到跟踪框的打分值高于给定临界值(本专利技术中设为0.7)为止，接下来继续对下一帧图像进行跟踪，直到结束为止。上述步骤(1)中用旋转法求取轮廓区域的最小外接矩形包括以下步骤：(a)计算出目标轮廓区域的外接矩形R0，该外接矩形的中心坐标点为(x0，y0)，宽度为w0，高度为h0，面积为S0；(b)把轮廓坐标点绕着(x0，y0)点进行逆时针旋转，旋转角度为α(本专利技术中设为1度)，如果旋转前坐标点为(x，y)，旋转后的坐标点为(x’，y’)，则有：x'＝(x-x0)×cosα-(y-y0)×sinα+x0y'＝(x-x0)×sinα+(y-y0)×cosα+y0计算出此时轮廓区域的外接矩形R1，该外接矩形的中心坐标点为(x1，y1)，宽度为W1，高度为H1，面积为S1；(c)轮廓坐标点继续绕着(x0，y0)点进行旋转，旋转角度依然为α，计算出相应的外接矩形，则第i次旋转后的外接矩形为Ri，其中心坐标点为(xi，yi)，宽度为Wi，高度为Hi，面积为Si；当旋转角度大于或等于90度时停止旋转；(d)对比所有外接矩形的面积大小，面积最小的外接矩形则为该轮廓区域的最小外接矩形，设为Rj，把此外接矩形绕着(x0，y0)点顺时针旋转jα角度后则为原始轮廓区域的最小外接矩形，这个最小外接矩形即为初始跟踪框。上述步骤(2)中计算矩形区域图像HOG特征值包括以下步骤：(a)设定HOG的细胞单元(cell)大小为4*4，区间(block)大小为8*8，扫描步长为一个细胞单元(4*4)，窗口(window)大小为16*16，所有将要计算HOG特征的区域都会被统一缩放并映射到该窗口(window)之中；(b)把矩形区域图像压缩并映射到窗口(window)中，假设该矩形区域四个顶点坐标逆时针排列分别为(a1，b1)、(a2，b2)、(a4，b4)、(a3，b3)，它们分别对应window中的(0，0)、(0，15)、(15,15)和(15,0)四个顶点，那么window中任意一点坐标(x0，y0)和对应的矩形区域坐标(x，y)之间的关系为：x=a3-a115×x0+a2-a115×y0+a1]]>y=b3-b115×x0+b2-b115×y0+b1]]>这样就可以根据window中的像素坐标找到对应的矩形区域像素坐标，把该坐标的像素值直接赋给window中对应的像素中；(c)计算窗口(window)的HOG特征值，该特征值即代表了对应矩形区域的特征值。上述步骤(2)中建立Fisher判别模型包括以下步骤：(a)在初始跟踪框附近随机挑选50个矩形图像区域作为正样本，50个矩形图像区域作为负样本，50个矩形图像区域作为回归样本；这些矩形区域和初始跟踪框大小相同、方向相同，其中正样本矩形区域和初始跟踪框之间的距离小于给定值thresh1，负样本矩形区域和初始跟踪框之间的距离介于给定值thresh2和thresh3之间，回归样本矩形区域和初始跟踪框之间的距离介于给定值thresh1和thresh2之间，计算这些样本的HOG特征值；本专利技术中thresh1的值设定为thresh2的值设定为(W值为初始跟踪框的宽度，H值为初始跟踪框的高度)，thresh3的值设定为(b)给样本进行打分，其中正样本都打1分，负样本都打0分，回归样本的打分依据为样本对应矩形区域和初始跟踪框之间的距离大小，距离为thresh1时打0分，距离为thresh2时打1分，那么距离为d时的打分为：score=dthresh2-thresh1-thresh1thresh2-thresh1]]>(c)根据50个正样本和50个负样本的特征值和打分值建立二元Fisher判别预测模型；(d)根据50个正样本和50个回归样本的特征值和打分值建立回归Fisher判别预测模型。上述步骤(3)中对目标区域进行打本文档来自技高网...

【技术保护点】
一种基于Fisher判别的生猪行为轨迹自动跟踪方法，其特征在于包括以下步骤：(1)选取初始跟踪区域：在养猪场猪圈中采用俯拍的方式对同一围栏里的生猪进行视频采集，采集开始后从视频中抽取一帧图像并随机挑选一头生猪作为跟踪目标，人工标记出目标的轮廓区域，并用旋转法求出轮廓区域的最小外接矩形，此矩形框即为初始跟踪框，外接矩形是有大小(宽和高)，有方向(矩形的宽所在边与x轴正半轴之间的夹角)的；(2)建立预测模型：计算初始跟踪框附近相同大小矩形区域所对应图像的梯度方向直方图(Histogram of Oriented Gradient，HOG)特征值并进行打分，根据特征值和打分值建立Fisher判别预测模型；(3)目标跟踪：对于下一帧图像，计算上一跟踪框附近相同大小矩形区域所对应图像的HOG特征值，并用训练好的预测模型进行打分，选取出最优的矩形区域作为这一帧图像的跟踪框；(4)模型修正：如果跟踪框所对应的打分值低于给定临界值，则需要对跟踪框附近相同大小矩形区域所对应的图像进行重新采样训练，直到跟踪框的打分值高于给定临界值为止，接下来继续对下一帧图像进行跟踪，直到结束为止。

【技术特征摘要】
1.一种基于Fisher判别的生猪行为轨迹自动跟踪方法，其特征在于包括以
下步骤：
(1)选取初始跟踪区域：在养猪场猪圈中采用俯拍的方式对同一围栏里的生
猪进行视频采集，采集开始后从视频中抽取一帧图像并随机挑选一头生猪作为
跟踪目标，人工标记出目标的轮廓区域，并用旋转法求出轮廓区域的最小外接
矩形，此矩形框即为初始跟踪框，外接矩形是有大小(宽和高)，有方向(矩形的
宽所在边与x轴正半轴之间的夹角)的；
(2)建立预测模型：计算初始跟踪框附近相同大小矩形区域所对应图像的梯
度方向直方图(HistogramofOrientedGradient，HOG)特征值并进行打分，根据
特征值和打分值建立Fisher判别预测模型；
(3)目标跟踪：对于下一帧图像，计算上一跟踪框附近相同大小矩形区域所
对应图像的HOG特征值，并用训练好的预测模型进行打分，选取出最优的矩
形区域作为这一帧图像的跟踪框；
(4)模型修正：如果跟踪框所对应的打分值低于给定临界值，则需要对跟踪
框附近相同大小矩形区域所对应的图像进行重新采样训练，直到跟踪框的打分
值高于给定临界值为止，接下来继续对下一帧图像进行跟踪，直到结束为止。
2.根据权利要求1所述的基于Fisher判别的生猪行为轨迹自动跟踪方法，
其特征在于所述步骤(1)中用旋转法求取轮廓区域的最小外接矩形包括以下步
骤：
(2a)计算出目标轮廓区域的外接矩形R0，该外接矩形的中心坐标点为(x0，
y0)，宽度为w0，高度为h0，面积为S0；
(2b)把轮廓坐标点绕着(x0，y0)点进行逆时针旋转，旋转角度为α(本发明
中设为1度)，如果旋转前坐标点为(x，y)，旋转后的坐标点为(x’，y’)，则有：
x'＝(x-x0)×cosα-(y-y0)×sinα+x0
y'＝(x-x0)×sinα+(y-y0)×cosα+y0
计算出此时轮廓区域的外接矩形R1，该外接矩形的中心坐标点为(x1，y1)，
宽度为W1，高度为H1，面积为S1；
(2c)轮廓坐标点继续绕着(x0，y0)点进行旋转，旋转角度依然为α，计算出

\t相应的外接矩形，则第i次旋转后的外接矩形为Ri，其中心坐标点为(xi，yi)，
宽度为Wi，高度为Hi，面积为Si；当旋转角度大于或等于90度时停止旋转；
(2d)对比所有外接矩形的面积大小，面积最小的外接矩形则为该轮廓区域
的最小外接矩形，设为Rj，把此外接矩形绕着(x0，y0)点顺时针旋转jα角度
后则为原始轮廓区域的最小外接矩形，这个最小外接矩形即为初始跟踪框。
3.根据权利要求1所述的基于Fisher判别的生猪行为轨迹自动跟踪方法，
其特征在于所述步骤(2)中计算矩形区域图像HOG特征值包括以下步骤：
(3a)设定HOG的细胞单元(cell)大小为4*4，区间(block)大小为8*8，扫描
步长为一个细胞单元(4*4)，窗口(window)大小为16*16，所有将要计算HOG
特征的区域都会被统一缩放并映射到该窗口(window)之中；
(3b)把矩形区域图像压缩并映射到窗口(window)中，假设该矩形区域四个
顶点坐标逆时针排列分别为(a1，b1)、(a2，b2)、(a4，b4)、(a3，b3)，它们分
别对应window中的(0，0)、(0，15)、(15,15)和(15,0)四个顶点，那么window
中任意一点坐标(x0，y0)和对应的矩形区域坐标(x，y)之间的关系为：
x=a3-a115×x0+a2-a115×y0+a1]]>y=b3-b115×x0+b2-b115×y0+b1]]>这样就可以根据window中的像素坐标找到对应的矩形区域像素坐标，把
该坐标的像素值直接赋给window中对应的像素中；
(3c)计算窗口(window)的HOG特征值，该特征值即代表了对应矩形区域的
特征值。
4.根据权利要求1所述的基于Fisher判别的生猪行为轨迹自动跟踪方法，
其特征在于所述步骤(2)中建立Fisher判别模型包括以下步骤：
(4a)在初始跟踪框附近随机挑选50个矩形图像区域作为正样本，50个矩
形图像区域作为负样本，50个矩形图像区域作为回归样本；这些矩形区域和初
始跟踪框大小相同、方向相同，其...

【专利技术属性】
技术研发人员：郑丽敏，张彧龙，方雄武，田立军，蒙万隆，程国栋，许姗姗，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11