一种奶牛多目标跟踪算法及健康评估方法技术

本发明专利技术公开了一种奶牛多目标跟踪算法及健康评估方法，属于畜牧管理技术领域，首先，需要对奶牛目标进行识别，在YOLOv7算法基础上加入CBAM注意力模块，将通道与空间维度上的注意力特征融合，进而提高特征提取网络的特征提取能力。同时，以奶牛目标识别为基础进行奶牛多目标跟踪，其中加入轨迹匹配，提升较长时间跟踪轨迹匹配的权利，当奶牛目标被遮挡丢失跟踪轨迹，会对该视频帧进行预测，并将该视频帧预测的结果与当前的奶牛目标轨迹进行匹配，降低奶牛目标跟踪丢失概率。最后，构建了奶牛健康评估模块，利用奶牛跟踪轨迹框中心点与奶牛所在区域分析奶牛是否有异常的行为，并能及时反馈给养殖人员报警信号，养殖人员会对有异常行为的奶牛进行治疗，进而实现奶牛多目标跟踪意义。义。义。

【技术实现步骤摘要】
BConv 层、若干 MPConv 层、若干 Cowconv 层组成，能对融合完的特征图进行 特征增强，提高网络的鲁棒性；再把增强后的特征图输入到三个 head 的 RepVGG block 层，将得到的三个尺寸的预测结果进行合并，通过非极大值抑制（NMS） 算法清除错误的边界框后，就可以输出最终的结果。
[0011]步骤五，反复重复步骤一至步骤四，直到完成 YOLOv7 模型的训练。
[0012]第二方面，本专利技术提供了奶牛多目标跟踪算法，其特征在于，包括卡尔曼滤 波、级联匹配、轨迹匹配、匈牙利算法匹配，其中，卡尔曼滤波利用奶牛当前的 一系列运动变量去预测下一时刻奶牛的运动变量，但是第一次的检测结果用来初 始化奶牛卡尔曼滤波的运动变量；级联匹配能解决不同优先级的匹配，赋予上一 帧最先匹配的跟踪器高的优先权，降低奶牛目标短时间被遮挡匹配跟踪器优先权； 轨迹匹配会提升较长时间跟踪轨迹匹配的权利，当奶牛目标轨迹丢失之后，会对 该视频帧进行预测，并将该视频帧预测的结果与当前的奶牛目标轨迹进行匹配， 降低奶牛目标跟踪丢失概率。通过这部分处理，可以重新将被遮挡目标找回，降 低奶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种奶牛多目标跟踪算法及健康评估方法，其特征在于，包括数据获取平台、数据处理平台、数据分析平台、客户端，其中，数据获取平台，用于获取奶牛视频数据，可以获取实时的奶牛视频数据，也可以获取历史的奶牛视频数据，将这些奶牛数据制作成奶牛识别数据集与奶牛跟踪数据集，并输送到数据处理平台；数据处理平台，用于进行奶牛目标识别训练与奶牛多目标跟踪训练，可将训练好的模型进行预测，并把预测的结果输入到数据分析平台；数据分析平台，用于处理分析奶牛是否有异常的行为，对有异常行为的奶牛系统会进行报警处理，并报警信号输送到客户端；客户端，用于监测跟踪奶牛的平台，能接收到因奶牛有异常行为而发出的报警信号，养殖人员可以对有异常行为的奶牛进行及时的治疗。2.根据权利要求1所述的数据集，其特征在于，包括奶牛识别数据集、奶牛跟踪数据集，其中奶牛识别数据集，需要用labelimg标注图片中奶牛的位置，并能获取奶牛目标中xmin、ymin、xmax、ymax四点位置，其中0 ≤ xmin ≤ xmax ≤ width，0 ≤ ymin ≤ ymax ≤ height，width与height分别为奶牛图片的宽度和高度；其中奶牛识别数据集，需要用Darklabel标注视频帧奶牛的位置并赋予每头奶牛ID
i
，视频中奶牛的个数为n，0＜i ≤ n。3.根据权利要求1所述的奶牛目标识别训练，其特征在于，包括图像的输入、backbone模块、CBAM注意力模块和head模块四部分内容，其中，图像的输入，输入640
×
640
×
3大小的奶牛图像；backbone模块，用于提取奶牛图像的特征；CBAM注意力模块，将提取到的奶牛特征图进行通道与空间维度上的特征融合，提高特征提取网络的奶牛特征提取能力；head模块，经提取到的奶牛特征经过该模块特征融合处理得到大、中、小三种尺寸的特征，并将融合后的特征被送入检测头，经过检测之后输出得到结果。4.根据权利要求1所述的奶牛多目标跟踪训练，其特征在于，包括卡...

【专利技术属性】
技术研发人员：王娟，袁仕桐，李娜，李梦洁，林秀君，
申请(专利权)人：河北农业大学，
类型：发明
国别省市：