论文部分内容阅读
猪只姿态识别是猪只行为分析和数字化养殖的重要前期工作，为了快速并准确的识别出猪只姿态，本文提出基于特征优选的猪只姿态识别方法。采用智能监控的方式来代替人工观察，再结合模式识别理论来识别出猪只姿态。该方法不仅减少了工作人员的工作量和降低了成本，而且还有助于发现猪只的异常行为，从而及时采取对应的措施。本文介绍了国内外研究猪只姿态识别和特征优选的现状，鉴于现阶段姿态识别研究中没有对描述猪只的特征进行优化选择，本文所研究的工作主要有三个方面：首先，通过分析目标猪与周围背景的特征差异，本文提出融合颜色和纹理的猪只目标提取方法。利用灰度共生矩阵法提取出纹理特征，并采用粗糙集约简方法对纹理特征进行优化选择，结合优化选取后的纹理特征与颜色特征共同表征每一个像素点，用均值漂移算法进行聚类；最后采用形态学操作和中值滤波来消除噪声和空洞，得到完整的猪只二值化图像。其次，对比各种边缘检测算子的优缺点，本文选用Canny边缘检测算子提取出猪只的外轮廓图像；基于猪只二值化图像提取出描述猪只的几何参数备选特征集（圆形度F1、矩形度F2、伸长度F3、质高比F4和质心左右比F5），基于猪只外轮廓图像提取出描述猪只的边界矩特征集；针对站立和躺卧，平视、低头和抬头站立两组不同的姿态，分别采用粗糙集的属性约简方法对两组特征集进行筛选。最后，本文设计了采用模板匹配的方法识别猪只姿态，建立各个姿态的样本库；通过对比约简前后两组特征集的姿态识别情况，根据特征优选的原则来确定出识别两组姿态的最优特征组合。实验结果表明，针对不同的姿态识别对象，由于决策目标复杂度的不同，会选用不同的最优特征组合。其中，站立和躺卧姿态采用最优特征组合{F1，F2}进行姿态识别，复杂程度降低的同时提高了识别率；平视、低头和抬头站立姿态采用最优特征组合{F1，F2，F3，F4，F5}进行姿态识别，有较高的识别精度。