谢忠红,刘悦怡,宋子阳,徐焕良

(南京农业大学人工智能学院,江苏 南京 210095)

针对奶牛发情行为的自动识别,国内外学者已做过一些研究。Ahn等[1]基于运动历史图像提取奶牛移动量特征信息,使用支持向量机分类的准确率为72%。顾静秋等[2]提取视频帧实时捕获奶牛爬跨行为特征,融合运动量实现实时监测奶牛发情,准确率超过80%,漏检率最低为3.28%。何东健等[3]通过改进目标检测算法,提取奶牛质心、轮廓等特征,采用快速聚类算法,实现犊牛躺、站、走和跑跳的识别,准确率分别为100%、96.17%、95.85%和97.26%。张子儒[4]将奶牛爬跨时的姿态和躯体上扬的运动特性作为爬跨行为的特征表示,使用多种分类器进行识别,平均识别准确率达到90.9%。

通过观察奶牛爬跨行为后发现,包含爬跨奶牛与被爬跨奶牛的几何形状会发生有规律的变化。本研究以时间为横轴,以包含奶牛对象的几何形状特征为纵轴,构建表示运动行为特征的时序曲线,并对曲线进行分段、编码,最终使用分类器进行行为识别,有助于辅助判断发情奶牛,提高养殖效益。

1 材料与方法

1.1 图像采集

奶牛视频拍摄于内蒙古自治区鄂尔多斯市鄂托克旗渠畔村某小型奶牛养殖场,奶牛场长为 180 m,宽165 m,其中A1、A2、A3和A4为摄像头的安装位置,摄像头安装在距离地面1.8 m的位置,与水平面的夹角是45°(图1)。拍摄对象是该养殖场中12至24个月的22头美国荷斯坦奶牛。拍摄时间为2016年7月31日至8月1日、8月22日至8月24日、9月 1日至9月20日的00:00—24:00以及2017年8月31日至 9月 16日的00:00—24:00,获取6 000个视频段。……