排序方式: 共有13条查询结果,搜索用时 31 毫秒
1.
一种多媒体数据库应用系统的实现 总被引:5,自引:0,他引:5
介绍一种应用PowerBulder6.5和SYBASESQLAnywhere数据库实现的具有多媒体功能的数据库检索系统。该系统除了具有传统的数据库检索系统所有功能外,还具有动态维护数据和支持多媒体信息播放的功能。它充分利用PowerBuilder6.5所提供的多项先进功能,将文字资料、图片资料和录像资料完美地结合在一起,不仅满足了系统全部功能,并且给人以一种类的享受。 相似文献
2.
蛋鸡发声音频数据库的构建与应用 总被引:8,自引:7,他引:1
蛋鸡发声含有丰富的机体信息,充分挖掘其声学特性,并利用其无接触、无应激的优点,为建立基于发声信息的蛋鸡养殖远程监测平台提供基础依据。该研究借助音频数字化处理技术和数据库管理平台,以海兰褐蛋鸡为例,搭建系统分别采集其在小规模(5只)饲养条件下的叫声信息及其体态行为。运用音频处理软件Adobe Auditionv1.0和音频分析软件Praat5.3提取蛋鸡发声特征参数,包括持续时间、基音频率、频谱质心、共振峰及其衍生的统计值,以此构建出蛋鸡发声音频数据库,在此基础上分别选取蛋鸡产蛋行为发声、鸣唱声和鸣叫声等典型发声行为对比分析。结果表明,蛋鸡产蛋行为发声与鸣唱声均为多次重复的、有节奏的、短促的音节所构成(称其为句子),前者先抑后扬、后者先扬后抑,句子的音节个数分别是7.8±2.0、15.2±7.7,但其时频域特征间存在着显著差异(P<0.05),与鸣叫声相比,其发声特征参数如频谱质心、共振峰等有着显著差异。研究表明,掌握蛋鸡发声的含义,有助于了解其行为特性、机体状态以及种群间的信息传递,并为蛋鸡行为特征识别与数字化监测平台的构建提供数据支持。 相似文献
3.
复杂环境中蛋鸡识别及粘连分离方法研究 总被引:3,自引:0,他引:3
提出基于Lab颜色模型的蛋鸡与背景自动分割方法和基于极限腐蚀和凹点搜寻的粘连蛋鸡分离与计数算法.实验前期将通过计算机视觉系统获取的RGB图像转换成Lab图像,每张图像中均选取蛋鸡及最接近蛋鸡颜色的背景2个小样本区域,分别计算这两类区域在a、b分量的数学期望作为分割阈值.随后将采集的图像像素聚类于与a、b分割阈值的欧氏距离最小的区域,从而实现蛋鸡与背景区域的自动分割.针对经常出现的蛋鸡群聚造成蛋鸡个体之间相互粘连的情况,研究利用改进的极限腐蚀及凹点搜寻处理算法分离出独立的蛋鸡并正确计数.108幅蛋鸡图像识别结果表明,该算法能将蛋鸡个体从复杂背景中有效提取、计数和粘连分离,蛋鸡计数正确率为93.5%,综合分离正确率为89.8%. 相似文献
4.
栖架养殖模式下蛋鸡发声分类识别 总被引:9,自引:0,他引:9
针对栖架养殖模式下蛋鸡的发声,采用频谱分析技术,运用音频分析软件Sound Analysis Pro提取不同行为状态下的发声图谱,采集其声学参数作为特征向量,应用J48决策树算法、朴素贝叶斯理论和支持向量机模型分别构建蛋鸡发声分类识别器,利用开源的数据挖掘平台Weka 3.6进行实验。结果表明,栖架养殖模式下,7:00~8:00的蛋鸡发声中,产蛋叫声、愉悦叫声分别占全部发声的42.2%、21.6%,相比于传统的笼养模式,有效地表达了蛋鸡生长过程中的自然行为和生理活动;基于J48决策树算法的蛋鸡发声分类模型识别率最高,达到88.3%,具有较好的识别效果,可运用于蛋鸡发声的实时监测和不同情感的分类识别。 相似文献
5.
6.
7.
机器视觉识别单只蛋鸡行为的方法 总被引:7,自引:6,他引:1
动物行为是一个重要的动物福利评价指标。为了实现对蛋鸡行为的自动监控,该文提出了利用计算机视觉技术对单幅蛋鸡图像进行行为识别的方法,可自动识别单只蛋鸡的运动、饮水、采食、修饰、抖动、休息、拍翅膀、探索、举翅膀的行为,并可长时间追踪蛋鸡的活动情况及运动轨迹。运动、采食和饮水通过追踪蛋鸡的位移和位置直接识别;拍翅膀、修饰、休息、探索、抖动、举翅膀则使用贝叶斯分类法基于10个特征量进行识别,所引入的蛋鸡上下轮廓到最小二乘拟合椭圆长轴距离的相关系数可有效追踪蛋鸡头部,从而提高了修饰和探索的识别率。对9219幅图像进行蛋鸡行为识别的识别率分别为:运动99.4%、饮水80.7%、采食87.3%、修饰81.6%、抖动69.8%、休息86.2%、拍翅膀100%、探索(包括啄食)54.0%、举翅膀64.6%。 相似文献
8.
9.
基于深度图像的蛋鸡行为识别方法 总被引:3,自引:0,他引:3
基于深度图像分析技术研究了一种针对蛋鸡群体行为(分布指数、水平活跃度和垂直活跃度)和群体中个体行为(采食、躺、站和坐)经济简单的自动识别方法。系统由1台3D照相机同步采集数字和深度图像数据,并开发软件进行蛋鸡行为的自动识别,系统5 s采集1次图像数据,共进行10 d的数据采集。描述了行为识别算法并进行了行为识别结果分析。算法对蛋鸡的采食、躺、站和坐的识别准确率分别为90.3%、91.5%、87.5%和56.2%。坐行为识别率较低的原因主要是有时蛋鸡站着探索地面会被误判为坐,这可能与两者之间的分割阈值不够精确有关。 相似文献
10.