【技术实现步骤摘要】
本专利技术涉及猪只姿态行为识别，尤其涉及一种基于多模态特征的猪只行为识别方法及系统。
技术介绍
1、随着我国猪只养殖业需求增长，行业正向自动化与智能化监控转型。动物行为是评价动物健康与福利的常用指标,不良的环境和健康状况可引发异常行为，在农场环境中，跟踪监控猪只的姿态行为对于确保它们的健康和生产效率至关重要。传统的人工监测方式存在人力成本高、反应不够及时以及判断带有主观性易造成误判等弊端。
2、目前，主要目前主要采用基于计算机视觉的监控技术，监测猪只在养殖过程中的行为状态，为现代规模化养殖技术的发展提供了新的方向。比如基于rgb图像的猪只动作识别方法，其是从rgb图像或视频中分析获取猪只动作的信息，易受视频图像背景噪声的干扰；又比如基于骨架特征的识别方法，其是通过计算机视觉技术定位关键点和骨架结构，能捕捉更精细的运动变化，对复杂环境和多猪只间的遮挡具有更强的鲁棒性，但是缺乏猪只与养殖环境的外观特征信息，在一定程度上受到背景环境信息的影响，其难以区分相似的猪只行为。此外，这类型的猪只行为监控方法往往受限于单一模态数据的局限性。
【技术保护点】
1.一种基于多模态特征的猪只行为识别方法，其特征在于，包括：
2.如权利要求1所述的一种基于多模态特征的猪只行为识别方法，其特征在于，所述第一支流网络为SlowOnly网络，所述第二支流网络为PoseC3D网络；所述将所有所述第一猪只图像输入至预设的猪只行为识别模型，以使所述猪只行为识别模型内的第一支流网络和第二支流网络分别对各所述第一猪只图像进行多模态特征提取，获得RGB模态特征和骨骼模态特征，并融合所述RGB模态特征和所述骨骼模态特征，输出所述第一猪只视频数据对应的第一猪只行为识别信息，具体为：
3.如权利要求2所述的一种基于多模态特征的猪...
【技术特征摘要】
1.一种基于多模态特征的猪只行为识别方法，其特征在于，包括：
2.如权利要求1所述的一种基于多模态特征的猪只行为识别方法，其特征在于，所述第一支流网络为slowonly网络，所述第二支流网络为posec3d网络；所述将所有所述第一猪只图像输入至预设的猪只行为识别模型，以使所述猪只行为识别模型内的第一支流网络和第二支流网络分别对各所述第一猪只图像进行多模态特征提取，获得rgb模态特征和骨骼模态特征，并融合所述rgb模态特征和所述骨骼模态特征，输出所述第一猪只视频数据对应的第一猪只行为识别信息，具体为：
3.如权利要求2所述的一种基于多模态特征的猪只行为识别方法，其特征在于，所述slowonly网络包括两个二维卷积层、m个三维卷积层、第一全局平均池化层和第一全连接层，所述二维卷积层和所述三维卷积层都为残差网络层；所述将所有所述第一猪只图像输入至所述slowonly网络，以使所述slowonly网络对所有所述第一猪只图像进行空间细节特征捕捉并输出rgb模态特征，具体为：
4.如权利要求3所述的一种基于多模态特征的猪只行为识别方法，其特征在于，所述posec3d网络包括m+1个残差网络层、第二全局平均池化层和第二全连接层；所述将所述三维热力图序列输入至所述pos...
【专利技术属性】
技术研发人员：毛亮，覃嘉俊，刘永宏，王林琳，李杰，熊诚，叶子云，孟杨，
申请(专利权)人：深圳职业技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。