一种动物行为关键点量化方法与装置制造方法及图纸

本发明专利技术属于人工智能学习领域，具体涉及一种动物行为关键点量化方法与装置。具体技术方案为：一种动物行为关键点量化方法，将包含动物行为的视频转为图片帧序列；利用图片帧I获得检测框标签；根据检测框标签获得关键点标签；利用关键点标签得到动物行为运动关键点时间序列；将动物行为运动关键点时间序列输入时间序列自编码机深度神经网络，输出得到单个目标动物的行为坐标时间序列数据。本发明专利技术提供了一种基于框‑关键点‑点时间序列结合的方法，训练得到一种新的人工神经网络系统，在抗背景干扰、抗极端案例干扰上具有显著效果，精确度高，图片级召回率高，能够用于野外环境中野生动物行为量化预测。

【技术实现步骤摘要】

本专利技术属于人工智能学习领域，具体涉及一种动物行为关键点量化方法与装置。

技术介绍

1、在动物生态学、神经心理学、新药研发等领域，常常需要对动物的行为进行定量量化，获取在一段时空范围内动物运动情况的精确表征，从而为后续其他有生物学意义的行为参数提取、理论假说验证、药物作用评分等实验提供基础。

2、视觉信息是分析量化动物行为的重要模态。在计算机视觉领域，已有一些技术将计算机视觉领域的单个关键点检测神经网络迁移应用于动物行为研究中的关键点位置检测和姿态估计。在面对室内干净背景中的动物行为和室外围栏中固定场景中的动物行为的检测量化时，使用单个关键点检测的方法基本能够满足应用需求。但在面对室外变化场景中动物行为的检测量化，尤其是野外野生动物的行为量化时，往往难以可靠地完成任务。具体表现为：检测系统无法在训练集中较好拟合，无法检测出训练集中的动物关键点，或者就出现过拟合的问题，无法检测出验证集和测试集中的动物关键点；最后导致训练得到的模型整体精确度和召回率低，远远无法满足实际任务需求。

3、有别于实验室内、养殖场内、围栏内普通大型动物，野生本文档来自技高网...

【技术保护点】

1.一种动物行为关键点量化方法，其特征在于：包括如下步骤：

2.根据权利要求1所述方法，其特征在于：步骤(3)获得检测框标签的方法包括：将图片帧逐一输入目标检测神经网络部分，所述目标检测神经网络每分析一个输入的图片帧就输出m个预测得到的检测框标签m表示当前帧中动物目标的数量，M表示整段视觉信息数据中动物目标的个数，m＜M。

3.根据权利要求2所述方法，其特征在于：检测框标签为x,y,h,w或x_min,y_min,x_max,y_max格式，其中，x和y分别表示检测框的左上角顶点，以整个图像的左上角顶点为原点的横坐标和纵坐标，h和w表示检测框的高度和宽度，x_mi...

【技术特征摘要】

1.一种动物行为关键点量化方法，其特征在于：包括如下步骤：

2.根据权利要求1所述方法，其特征在于：步骤(3)获得检测框标签的方法包括：将图片帧逐一输入目标检测神经网络部分，所述目标检测神经网络每分析一个输入的图片帧就输出m个预测得到的检测框标签m表示当前帧中动物目标的数量，m表示整段视觉信息数据中动物目标的个数，m＜m。

3.根据权利要求2所述方法，其特征在于：检测框标签为x,y,h,w或x_min,y_min,x_max,y_max格式，其中，x和y分别表示检测框的左上角顶点，以整个图像的左上角顶点为原点的横坐标和纵坐标，h和w表示检测框的高度和宽度，x_min和y_min分别同x和y，x_max、y_max分别表示检测框的右下角顶点的坐标。

4.根据权利要求3所述方法，其特征在于：设定b为人工标记的、作为参考的检测框标签，b∈r4，为x,y,h,w或x_min,y_min,x_max,y_max格式；

5.根据权利要求1所述方法，其特征在于：步骤(4)的关键点标签j为与动物类别有关的关键点骨架的节点个数，的每一行为是一个3维向量，表示为(x,y,v)，其中v为标志位，表示关键点的状态，v取值为...

【专利技术属性】
技术研发人员：齐银，牟金辉，
申请(专利权)人：中国科学院成都生物研究所，
类型：发明
国别省市：