一种基于人工智能的跟踪监测系统技术方案

本申请公开了一种基于人工智能的跟踪监测系统，涉及智能监控领域，特别是一种基于人工智能的跟踪监测方法和系统，其通过动物脸型数据标注和训练，可以识别出来不同的动物，进而可以对动物进行识别；识别后通过监测动物的行为轨迹，结合对活动区域的识别，可自动分析出动物在各个时间节点的行为类型，再通过结合设置的智能设备，可掌握动物的体温变化数据、体重变化数据、位置变化数据以及采食数据等，实现了全方位的数据采集，并随时把采集到的数据同步到大数据系统上，大大减少养殖的人工管理成本，且能实现数据的全过程追溯。且能实现数据的全过程追溯。且能实现数据的全过程追溯。

【技术实现步骤摘要】
一种基于人工智能的跟踪监测系统


[0001]本申请涉及智能监控领域，特别是一种基于人工智能的跟踪监测方法和系统。

技术介绍

[0002]动物行为指动物在一定环境条件下，为了完成摄食排遗、体温调节、生存繁殖以及满足其他生理需求而以一定姿势完成的一系列动作。
[0003]动物行为的辨别与分类是对动物健康状况进行监测的一项重要内容。动物行为识别依据感知方式不同，可分为接触式佩戴传感器方式与基于视觉的视频感知方式两大类；接触式传感器方式是将各类传感器佩戴在动物身上，而养殖环境的复杂性或动物活动习性对设备具有一定破坏性，造成设备损坏影响数据实时监测，且设备对动物心理和行为造成影响，不利于其正常行为活动，损害动物福利；视频感知方式通过监控摄像头自动采集动物视频数据传输到PC端实时分析，不需与动物身体密切接触，被越来越多应用于动物识别中。然而，通过视频感知的方式获取的数据很有限，难以实现以更多维的方式对动物进行跟踪监控。

技术实现思路

[0004]本专利技术的目的在于避免现有技术中的不足之处而提供一种能够智能化的对动物的身体状况进行自动分析的技术。
[0005]本专利技术的目的通过以下技术方案实现：
[0006]一种基于人工智能的跟踪监测方法，包括以下步骤：
[0007]S1：获取监控视频；
[0008]S2：识别监控视频中的各个动物对应的个体信息；
[0009]S3：通过视觉神经网络模型，对监控视频的图像数据进行识别，识别出监控视频中各个时间节点的图像数据所对应的各个动物对应的动物骨骼关键点，并计算出对应的运动轨迹，生成对应的动物骨骼模型；
[0010]S4：识别动物骨骼模型在各个时间节点中所对应的活动区域；
[0011]S5：根据动物骨骼模型的运动轨迹及对应的活动区域，识别出动物骨骼模型在各个时间节点上对应的行为类型。
[0012]具体的，步骤S2包括以下步骤：通过识别各个动物身上设置的图样标记来识别各个动物的个体信息。
[0013]以上的，视觉神经网络模型的构建步骤包括：
[0014]S10：把获取的视频分解按时间次序为若干关键帧图片；
[0015]S20：对关键帧图片中的动物进行动物骨骼关键点的标注，形成标签数据集；
[0016]S30：采用yolo算法以及标签数据集对视觉神经网络模型进行训练，形成模型库。
[0017]进一步的，活动区域关联有对应的若干行为类型；模型库包括若干行为识别模型；各个行为类型分别关联有对应的行为识别模型。
[0018]更进一步的，步骤S5包括以下步骤：
[0019]S51：根据确定的活动区域，获取关联的各个行为识别模型；
[0020]S52：通过对动物骨骼模型的运动轨迹与行为识别模型进行匹配，确定动物骨骼模型在确定的时间节点中对应的行为类型。
[0021]更进一步的，还包括以下步骤：
[0022]S6：获取各个时间节点对应的检测数据，并根据检测数据的类型与行为类型进行匹配。
[0023]具体的，检测数据包括心率数据和体温数据；行为类型包括睡眠。
[0024]另一具体的，检测数据包括水流量数据；行为类型包括饮水。
[0025]另一具体的，监测数据包括食量数据；行为类型包括进食。
[0026]一种基于人工智能的跟踪监测系统，包括：数据传输设备、计算设备以及若干数据采集部件和若干智能摄像头；各个数据采集部件用于采集监测数据；各个智能摄像头用于获取监控视频；计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，处理器执行指令时实现上述方法的步骤。
[0027]本专利技术的有益效果：一种基于人工智能的跟踪监测系统，通过动物脸型数据标注和训练，可以识别出来不同的动物，进而可以对动物进行识别；识别后通过监测动物的行为轨迹，结合对活动区域的识别，可自动分析出动物在各个时间节点的行为类型，再通过结合设置的智能设备，可掌握动物的体温变化数据、体重变化数据、位置变化数据以及采食数据等，实现了全方位的数据采集，并随时把采集到的数据同步到大数据系统上，大大减少养殖的人工管理成本，且能实现数据的全过程追溯。
附图说明
[0028]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是本申请实施例的一种基于人工智能的跟踪监测方法的示意性流程图。
具体实施方式
[0030]为使本申请的目的、技术方案和优点更加清楚，以下将参照本申请实施例中的附图，通过实施方式清楚、完整地描述本申请的技术方案，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0031]实施例1
[0032]一种基于人工智能的跟踪监测方法，如图1所示，包括以下步骤S1至S6：
[0033]S1：获取监控视频；
[0034]S2：识别监控视频中的各个动物对应的个体信息；
[0035]在本实施例中，智能摄像头可将每一只动物的面部信息、体表信息和其它能够分辨动物个体的信息录入平台内部，之后通过智能摄像头对每一只录入平台的动物进行监
控。其中，对动物的识别，利用AI学习法：采用人工干预机器学习的方式，将未能识别出的动物进行人工判定，通过机器学习进行模糊图象或残缺图像识别的学习。
[0036]具体的，步骤S2包括以下步骤：
[0037]通过识别各个动物身上设置的图样标记来识别各个动物的个体信息。
[0038]其中，可采用颜色加图形的形式进行。在被识别动物脖颈和蹄踝处放置带有特殊颜色及图案的绑带，通过AI摄像头对绑带进行识别，对颜色及图案进行混合分析，通过MD5加密算法进行动物个体特征比较，确定携带此绑带的动物个体。
[0039]S3：通过视觉神经网络模型，对监控视频的图像数据进行识别，识别出监控视频中各个时间节点的图像数据所对应的各个动物对应的动物骨骼关键点，并计算出对应的运动轨迹，生成对应的动物骨骼模型；
[0040]在本实施例中，运动轨迹检测是以行为识别技术为主要核心再加上动作识别、路程规划记录、视频解码等技术，进而来识别动物的行为动作及行动路径。而行为识别技术主要是基于动物的骨骼关键点识别，采用AI视觉神经网络分析算法，根据动物的骨骼架构，以关节为动物运动的节点识别动物骨骼关键点，再通过大数据的分析和运算进而来定义动物的运动轨迹。
[0041]其中，视觉神经网络模型的构建步骤包括以下步骤S10至S30：
[0042]S10：把获取的视频分解按时间次序为若干关键帧图片；
[0043]S20：对关键帧图片中的动物进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的跟踪监测方法，其特征在于，包括以下步骤：S1：获取监控视频；S2：识别所述监控视频中的各个动物对应的个体信息；S3：通过视觉神经网络模型，对所述监控视频的图像数据进行识别，识别出所述监控视频中各个时间节点的图像数据所对应的各个所述动物对应的动物骨骼关键点，并计算出对应的运动轨迹，生成对应的动物骨骼模型；S4：识别所述动物骨骼模型在各个时间节点中所对应的活动区域；S5：根据所述动物骨骼模型的运动轨迹及对应的活动区域，识别出所述动物骨骼模型在各个时间节点上对应的行为类型。2.根据权利要求1所述的一种基于人工智能的跟踪监测方法，其特征在于，所述步骤S2包括以下步骤：通过识别各个所述动物身上设置的图样标记来识别各个所述动物的个体信息。3.根据权利要求1或2所述的一种基于人工智能的跟踪监测方法，其特征在于：所述视觉神经网络模型的构建步骤包括：S10：把获取的视频分解按时间次序为若干关键帧图片；S20：对所述关键帧图片中的动物进行动物骨骼关键点的标注，形成标签数据集；S30：采用yolo算法以及所述标签数据集对视觉神经网络模型进行训练，形成模型库。4.根据权利要求3所述的一种基于人工智能的跟踪监测方法，其特征在于：所述活动区域关联有对应的若干行为类型；所述模型库包括若干行为识别模型；各个所述行为类型分别关联有对应的行为识别模型。5....

【专利技术属性】
技术研发人员：牟云飞，于奎，张庆岩，
申请(专利权)人：中科装备广州生物安全科技有限公司，
类型：发明
国别省市：