张宏鸣 汪 润 董佩杰 孙红光 李书琴 王红艳

(1.西北农林科技大学信息工程学院， 陕西杨凌 712100； 2.宁夏智慧农业产业技术协同创新中心， 银川 750004；3.西部电子商务股份有限公司， 银川 750004)

0 引言

牛肉是人类主要肉食之一[1]。肉牛的行为可以反映其健康状况[2-3]，进而反映牛肉的品质。近年来，随着人们对牛肉需求的不断增加，肉牛的养殖规模不断扩大，精细化管理难度增加。实时感知肉牛的运动行为、掌握其运动状态有助于及时发现肉牛异常，从而保证牛肉质量和产量。多目标实时跟踪是肉牛行为实时感知的基础，对于肉牛养殖具有重要意义。

目前，众多学者在动物行为的实时感知方面进行了诸多研究。部分学者研制了可穿戴设备，利用安装在动物身上的追踪设备收集动物的运动信息，获取其行为数据[4-6]，再借助机器学习[7-8]、深度学习[9-10]方法分析数据，从而实现对动物行为的监测。由于动物行为的不确定性，可穿戴设备的损坏率较高[11]，导致制作、维护成本增加，不能满足大型养殖场的使用需求。相比之下，利用养殖场已有的监控视频对牲畜进行管理具有使用便利、普及度高、成本低的优点，非常适合大型养殖场对牲畜的精细化管理。

利用监控视频对牲畜进行跟踪需满足实时性要求，而多目标跟踪的速度在很大程度上取决于其检测到目标的速度。传统的目标检测算法如背景减法[12]、帧间差分法[13]和光流法[14-15]无法满足实时性的要求。目前，基于深度学习的目标检测算法不断成熟，该算法可划分为One-stage和Two-stage检测算法两类。……