张满囤， 米 娜， 于 洋， 单新媛， 阎 刚， 郭迎春

(河北工业大学计算机科学与软件学院/河北省大数据计算重点实验室，天津 300401)

互联网的兴起使得现今各行业逐渐朝着工业化、智能化发展。智能监控视频分析技术已逐渐深入到畜牧养殖的很多领域[1-4]，其中智能感知和识别奶牛的行为并给出养殖管理决策支持成为当今研究的热点[5-6]。个体身份识别方法是自动分析奶牛行为的技术前提和应用基础[7]。

早期针对奶牛个体识别问题主要采取人工观察方式，但该方法受主观影响大、标准不统一，误识别率很高；之后发展为采用标签识别[8]的方法，但是标签容易破损、对奶牛造成了过多日常干扰，可能降低奶牛产奶量，从而影响牛场的经济效益。目前，畜牧业比较流行无线射频识别技术(RFID)[9]，但该方法无法实现远距离识别，同时成本比较高。Ahmed等提出了运用加速鲁棒特征算子(SURF)提取奶牛嘴部纹理特征点，利用支持向量机(SVM)分类器对奶牛个体进行分类识别的方法，但是该方法对于采集数据的位置比较敏感，奶牛嘴部数据获取具有一定的难度[10]。基于深度学习的卷积神经网络[11-12]已成功应用到模式匹配的相关研究中，但是该方法模型参数的设置需要较高的技巧性，需要反复进行训练和测试，没有统一参照标准，模型的建立较困难。

针对上述问题，本研究提出1种奶牛个体识别方法，奶牛头部形状差异明显，依据HOG(histogram of oriented gridients)特征提取可得到奶牛头部的边缘轮廓特征，同……