| 基于自适应无参核密度估计算法的运动奶牛目标检测 |
| |
| 引用本文： | 宋怀波,阴旭强,吴頔华,姜波,何东健.基于自适应无参核密度估计算法的运动奶牛目标检测[J].农业机械学报,2019,50(5):196-204. |
| |
| 作者姓名： | 宋怀波 阴旭强 吴頔华 姜波 何东健 |
| |
| 作者单位： | 西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室 |
| |
| 基金项目： | 国家重点研发计划项目(2017YFD0701603)、国家自然科学基金项目(61473235)、陕西省重点产业创新链项目（2019ZDLNY02-05)和中央高校基本科研业务费专项资金项目（2452019027） |
| |
| 摘 要： | 复杂养殖环境下运动奶牛目标的准确检测是奶牛跛行、发情等运动行为感知的基础。针对现有方法多采用参数化模型实现运动奶牛目标检测的缺陷,提出了一种无参核密度估计背景建模方法。该方法根据各像素的历史样本估计像素的概率模型,针对历史样本信息中冗杂信息导致模型复杂度过高的问题,采用关键帧检测技术剔除样本中的冗余信息以降低算法的复杂度,并实现了在小样本下核函数对遥远历史帧图像信息的获取,从而提高了检测精度。针对检测目标轮廓缺失的问题,结合三帧差法进一步实现了运动目标的完整提取。为了验证本算法的有效性,对不同环境和干扰下的运动奶牛视频样本进行了试验,并与高斯混合模型(Gaussian mixture model,GMM)和核密度估计模型(Kernel density estimation,KDE)方法进行了对比。试验结果表明,本文算法平均前景正检率为95. 65%,比高斯混合模型提高了15. 56个百分点,比核密度估计模型提高了10. 56个百分点。同时,本文算法平均实时性指标为1. 11,基本可以实现运动奶牛目标的实时、准确检测,该研究结果可为奶牛跛行疾病的预防、诊断以及奶牛运动行为的精确感知提供参考。
|
| 关 键 词： | 奶牛 目标检测 核密度估计 关键帧检测 三帧差法 视频分析 |
| 收稿时间： | 2019/3/6 0:00:00 |
Detection of Moving Cows Based on Adaptive Kernel Density Estimation Algorithm |
| |
| SONG Huaibo,YIN Xuqiang,WU Dihu,JIANG Bo and HE Dongjian.Detection of Moving Cows Based on Adaptive Kernel Density Estimation Algorithm[J].Transactions of the Chinese Society of Agricultural Machinery,2019,50(5):196-204. |
| |
| Authors: | SONG Huaibo YIN Xuqiang WU Dihu JIANG Bo and HE Dongjian |
| |
| Institution: | Northwest A&F University;Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs,Northwest A&F University;Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs,Northwest A&F University;Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs,Northwest A&F University;Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs and Northwest A&F University;Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs |
| |
| Abstract: | |
| |
| Keywords: | cow target detection kernel density estimation key frame detection three frame difference method video analysis |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
