赵凯旋 李国强 何东健

(西北农林科技大学机械与电子工程学院， 杨凌 712100)

基于机器学习的奶牛深度图像身体区域精细分割方法

赵凯旋 李国强 何东健

(西北农林科技大学机械与电子工程学院， 杨凌 712100)

奶牛目标各区域的精细分割和识别能够提供精确的奶牛形体细节信息，是奶牛体形评价、姿态检测、行为分析和理解的前提和基础。为实现深度图像中奶牛头、颈、躯干和四肢等身体区域的精确分割，提出一种基于深度图像特征和机器学习的奶牛目标各区域精细分割方法。该方法以每个像素点在不同采样半径下的带阈值LBP序列为深度特征值，设置分类约束条件，用决策树森林机器学习方法实现奶牛各区域的精细分类。对10头奶牛的288幅侧视深度图像进行试验，结果表明，当采样半径分段数为30，决策树训练至20层时，奶牛整体各像素点的平均识别率为95.15%，较传统深度图像特征值有更强的细节信息提取能力，可以用较少参数实现对复杂结构的精确识别。

奶牛; 目标检测; 肢干分割; 深度图像; 机器学习

引言

视频分析技术能够对动物的行为进行自动监测和理解，是提高养殖管理智能化水平的重要手段[1]，已越来越多地应用于奶牛智能化养殖[2-4]。近年来，奶牛疫病检测[5-7]、身体评分[8-9]、行为信息智能获取[10-13]等受到了研究人员的广泛关注。奶牛目标捕捉是行为理解、智能监控等领域的技术基础和前提[14]。然而受环境背景、光照变化等因素的影响[15-16]，目标检测仍是一个具有挑战性的课题[17]。……