一种基于Yolov5网络和SlowFast网络的群体猕猴食欲检测方法技术

本申请公开了一种基于Yolo v5网络和SlowFast网络的群体猕猴食欲检测方法，该检测方法包括：步骤1，基于样本数据对搭建好的Yolo v5神经网络模型进行训练，并用训练好的Yolo v5神经网络模型，确定待检测猕猴视频中的猕猴运动轨迹；步骤2，当判定猕猴沿猕猴运动轨迹在预设进食区域的滞留时间大于或等于时间阈值时，利用SlowFast神经网络模型判断待检测猕猴视频中的猕猴是否发生进食行为；步骤3，基于预设观测时间内各个猕猴的进行次数，判断猕猴是否发生食欲减退现象。通过本申请中的技术方案，解决利用深度学习方法实现对猕猴进行食欲检测的问题，利用深度学习方法自动化、智能化的特点来代替人工观察猕猴是否食欲减退。的特点来代替人工观察猕猴是否食欲减退。的特点来代替人工观察猕猴是否食欲减退。

【技术实现步骤摘要】
一种基于Yolo v5网络和SlowFast网络的群体猕猴食欲检测方法


[0001]本申请涉及目标行为识别的
，具体而言，涉及一种基于Yolo v5网络和SlowFast网络的群体猕猴食欲检测方法。

技术介绍

[0002]目标检测和行为识别是两类深度学习任务。目标检测是通过神经网络的训练来学习图像中对象的类别和位置信息，进而对图像中的目标进行类别和位置预测。行为识别是通过神经网络的训练来学习视频中对象的运动信息，进而对视频中的对象进行动作类别的判断。
[0003]而现有技术中，通常是基于人工观察的方式判断猕猴食欲是否发生减退现象，仅是通过发现猕猴长时间不进食或者进食次数明显原低于前段时间的现象，来判定这只猕猴出现食欲减退，而这种方式不仅人工成本高，需要相关人员长时间观察猕猴习性，而且所得出结论的可靠性得不到保障，可能存在统计偏差。

技术实现思路

[0004]本申请的目的在于：解决利用深度学习方法实现对猕猴进行食欲检测的问题，利用深度学习方法自动化、智能化的特点来代替人工观察猕猴是否食欲减退。r/>[0005]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Yolo v5网络和SlowFast网络的群体猕猴食欲检测方法，其特征在于，所述方法包括：步骤1，基于样本数据对搭建好的Yolo v5神经网络模型进行训练，并用训练好的Yolo v5神经网络模型，确定待检测猕猴视频中的猕猴运动轨迹；步骤2，当判定猕猴沿所述猕猴运动轨迹在预设进食区域的滞留时间大于或等于时间阈值时，利用SlowFast神经网络模型判断所述待检测猕猴视频中的猕猴是否发生进食行为；步骤3，基于预设观测时间内各个猕猴的进行次数，判断所述猕猴是否发生食欲减退现象。2.如权利要求1所述的基于Yolo v5网络和SlowFast网络的群体猕猴食欲检测方法，其特征在于，所述SlowFast神经网络模型中包括Show支路和Fast支路，所述步骤2具体包括：步骤21，基于所述滞留时间的起始时间和终止时间，截取所述待检测猕猴视频中的疑似进食视频；步骤22，按照所述疑似进食视频中的视频帧数，选取不同的帧间隔，得到32帧进食采样视频帧；步骤23，基于第一采样间隔和第二采样间隔，分别对所述32帧进食采样视频帧进行采样，生成第一采样结果和第二采样结果；步骤24，将所述第一采样结果输入至所述Show支路，将所述第二采样结果中的图像进行两两相减，将差值输入至所述Fast支路；步骤25，引入自注意力机制，对所述Fast支路的输出结果进行线性变换，生成转移矩阵，并基于所述转移矩阵和前馈网络，生成动作特征图；步骤26，将所述Show支路的输出结果与所述动作特征图依次输入平均池化层、全连接层和Softmax函数模型，基于运算结果，判断所述待检测猕猴视频中的猕猴是否发...

【专利技术属性】
技术研发人员：朱磊，徐哲，孟宪花，
申请(专利权)人：北京信智文科技有限公司，
类型：发明
国别省市：