技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种动物行为识别方法、装置、电子设备及存储介质  >  正文

一种动物行为识别方法、装置、电子设备及存储介质

  • 国知局
  • 2024-07-31 23:02:25

本申请涉及行为识别,具体涉及一种动物行为识别方法。本申请同时涉及动物行为识别装置、电子设备及计算机可读取存储介质。

背景技术:

1、对动物的基本行为(饮水、反刍、行走、站立和躺卧)进行识别,不仅有助于动物的生理健康评价和疾病治疗,而且对动物的健康状况有重要指导作用。现有的动物行为识别方法主要分为接触式传感器检测和非接触式图像识别检测。其中,接触式传感器检测主要是通过固定在动物身体的传感器采集不同的行为动作,并根据不同行为动作或声音数据的差异来识别动物行为,然而,接触式传感器虽然具有较高的精度,但容易引起动物应力,而且会受到刮擦、湿气渗入等因素的影响,可能会损坏元器件,影响检测装置的使用寿命,进而影响检测结果。非接触式图像识别检测中的计算机视觉技术成本低,响应速度快,可以避免基于接触式传感器的方法引起的应力问题。在大规模集约化农业环境中,现有的针对动物群体的行为检测和管理方式主要依靠人工观察和记录,该过程较为耗时、且劳动强度大,无法满足大规模动物群体中的动物行为的实时精确监测需求。

技术实现思路

1、本发明提供一种动物行为识别方法、动物行为识别装置、电子设备以及计算机可读取存储介质,以解决现有的针对动物群体的行为检测和管理过程无法满足大规模动物群体中的动物行为的实时精确监测需求的问题。

2、为了解决或部分解决上述技术问题,根据本发明的一方面,提供一种动物行为识别方法,包括:

3、获取针对目标动物群体所采集的视频序列,并对所述视频序列进行特征提取,获得所述目标动物群体对应的动物行为特征;

4、将所述动物行为特征输入双向长短期记忆分类模型,以对所述目标动物群体中各动物个体的行为进行识别,获得所述目标动物群体中各动物个体的行为数据。

5、在一种实施方式中,所述对所述视频序列进行特征提取,获得所述目标动物群体对应的动物行为特征,包括:使用vgg-16网络对所述视频序列进行特征提取,获得所述目标动物群体对应的行为特征向量。

6、在一种实施方式中,所述将所述动物行为特征输入双向长短期记忆分类模型,包括:

7、将所述动物行为特征转换为一维向量后、输入双向长短期记忆分类模型。

8、在一种实施方式中,所述对所述目标动物群体中各动物个体的行为进行识别,包括:

9、所述双向长短期记忆分类模型的正向lstm和后向lstm对相反方向的动物行为特征进行识别,并对识别结果进行合并,获得所述目标动物群体中各动物个体的行为数据。

10、在一种实施方式中,所述双向长短期记忆分类模型的正向lstm和后向lstm对相反方向的动物行为特征进行识别之后,还包括:为每个所述lstm的识别结果引入一个注意力单元,以将所述lstm的注意力集中在最相关的时间段上。

11、在一种实施方式中,所述获取针对目标动物群体所采集的视频序列,包括:获取针对复杂养殖环境下的目标动物群体所摄取的多个视频序列;

12、所述对所述视频序列进行特征提取,包括:对多个视频序列中的各视频序列分别进行特征提取,获得多个视频序列对应的多个行为特征向量序列。

13、在一种实施方式中,还包括:基于所述目标动物群体中各动物个体的行为数据,获得所述各动物个体的健康监测数据。

14、根据本发明的另一方面,提供一种动物行为识别装置,所述装置包括:

15、特征提取单元,用于获取针对目标动物群体所采集的视频序列,并对所述视频序列进行特征提取,获得所述目标动物群体对应的动物行为特征;

16、动物行为识别单元,用于将所述动物行为特征输入双向长短期记忆分类模型,以对所述目标动物群体中各动物个体的行为进行识别,获得所述目标动物群体中各动物个体的行为数据。

17、根据本发明的另一方面,还提供一种电子设备,包括处理器和存储器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现上述方法。

18、根据本发明的另一方面,还提供一种计算机可读存储介质,其上存储有一条或多条计算机指令,该指令被处理器执行以实现上述方法。

19、与现有技术相比,本发明具有以下优点:

20、本发明提供的动物行为识别方法包括:获取针对目标动物群体所采集的视频序列,并对视频序列进行特征提取,获得目标动物群体对应的动物行为特征;将动物行为特征输入双向长短期记忆分类模型,以对目标动物群体中各动物个体的行为进行识别,获得目标动物群体中各动物个体的行为数据。该方法使用bi-lstm对目标动物群体中各动物个体的行为进行识别,bi-lstm包括正向lstm和后向lstm,二者并行工作以处理相反方向输入的动物行为特征,其能够以较佳方式利用上下文信息,使得动物行为识别过程不仅利用当前时间步长的属性,还利用之前和后续时间步长的属性,从而更加精确识别动物个体行为。

技术特征:

1.一种动物行为识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述对所述视频序列进行特征提取,获得所述目标动物群体对应的动物行为特征,包括:使用vgg-16网络对所述视频序列进行特征提取,获得所述目标动物群体对应的行为特征向量。

3.根据权利要求1所述的方法,其特征在于,所述将所述动物行为特征输入双向长短期记忆分类模型,包括:

4.根据权利要求1所述的方法,其特征在于,所述对所述目标动物群体中各动物个体的行为进行识别,包括:

5.根据权利要求4所述的方法,其特征在于,所述双向长短期记忆分类模型的正向lstm和后向lstm对相反方向的动物行为特征进行识别之后,还包括:为每个所述lstm的识别结果引入一个注意力单元,以将所述lstm的注意力集中在最相关的时间段上。

6.根据权利要求1所述的方法,其特征在于,所述获取针对目标动物群体所采集的视频序列,包括:获取针对复杂养殖环境下的目标动物群体所摄取的多个视频序列;

7.根据权利要求1所述的方法,其特征在于,还包括:

8.一种动物行为识别装置,其特征在于,所述装置包括:

9.一种电子设备,其特征在于,包括处理器和存储器;其中,

10.一种计算机可读存储介质,其上存储有一条或多条计算机指令,其特征在于,该指令被处理器执行以实现如权利要求1-7中任一项所述的方法。

技术总结本申请公开了一种动物行为识别方法、装置、电子设备及存储介质,该方法包括:获取针对目标动物群体所采集的视频序列,并对视频序列进行特征提取,获得目标动物群体对应的动物行为特征;将动物行为特征输入双向长短期记忆分类模型,以对目标动物群体中各动物个体的行为进行识别,获得目标动物群体中各动物个体的行为数据。该方法使用Bi‑LSTM对目标动物群体中各动物个体的行为进行识别,Bi‑LSTM包括正向LSTM和后向LSTM,二者并行工作以处理相反方向输入的动物行为特征,其能够以较佳方式利用上下文信息,使得动物行为识别过程不仅利用当前时间步长的属性,还利用之前和后续时间步长的属性,从而更加精确识别动物个体行为。技术研发人员:罗巍受保护的技术使用者:北华航天工业学院技术研发日:技术公布日:2024/7/29

本文地址:https://www.jishuxx.com/zhuanli/20240730/195734.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。