一种基于视频的生猪行为预测方法与流程

本发明涉及图像数据处理，尤其涉及一种基于视频的生猪行为预测方法。

背景技术：

1、数字化养殖管理技术通过图像预测动物的行为，以便提供针对性的饲养决策。中国专利公告号cn104008367b公开了一种基于计算机视觉的育肥猪的自动行为分析系统及方法，该系统根据目标跟踪的信息和传感器采集的信息对目标育肥猪进行行为分析判定，并对有可能出现的异常行为进行报警。这种计算机视觉技术依赖样本数量和环境像素，需要同类环境的大量样本才可以获得较为准确的结果。养殖区域环境变化快，样本的像素一致性差。中国专利公开号cn118097709a公开了一种猪只姿态估计方法及装置，该方法根据猪只骨架特征、生物特征及运动规律确定猪只姿态图像的骨架关键点。将待识别猪只图像输入训练好的猪只姿态估计模型获取待识别猪只图像的骨架关键点信息，并根据待识别猪只图像的骨架关键点信息生成猪只姿态信息。该方法借助猪的骨架关键点优化姿态估计模型再根据姿态估计模型预测猪只行为，可以降低对样本的要求。但是不同的猪只的骨架关键点不同，而且随着猪只生长，骨架关键点逐渐变化。因此，有必要根据不同猪只的形态设置不同的特征数据，根据特征数据预测猪只的行为，同时不断更新特征数据，以提高行为预测准确度。

技术实现思路

1、针对上述问题，本发明公开了一种基于视频的生猪行为预测方法，该预测方法结合无源耳标和视频图像处理技术估计不同生猪的形态参数，再根据生猪的形态参数集实现生猪行为的精准预测。进一步的，本发明根据生猪的位置数据不断更新生猪的特征数据，优化形态参数集，实现在全养殖周期内生猪行为预测。

2、本申请的发明目的可通过以下技术方案实现：

3、一种基于视频的生猪行为预测方法，包括以下步骤：

4、步骤1：养殖场的每一生猪具有唯一耳标，信号发射器周期性更新耳标的位置数据，监控装置获取饲养区的背景图像和视频流，并根据耳标的位置数据将n组耳标标记至视频流；

5、步骤2：从所述视频流中提取每一预测周期的关键帧，根据背景图像与关键帧获取前景图像，从前景图像提取耳标n对应的特征图gn；

6、步骤3：从特征图gn提取耳标n的特征数据，根据该特征数据周期性更新耳标n的形态参数集vn；

7、步骤4：将养殖设备的位置数据与形态参数集输入至独立行为模型，若耳标n对应的生猪处于独立行为，进入步骤5，否则进入步骤6；

8、步骤5：提取视频流的多个内容帧，构建耳标n在每一内容帧的形态参数集vn，根据连续的多个形态参数集vn确定独立行为的行为种类；

9、步骤6：将多只生猪的形态参数集输入至交互行为模型，若耳标n与耳标m对应的生猪处于交互行为，进入步骤7，否则进入步骤8；

10、步骤7：提取视频流的多个内容帧，构建耳标n在每一内容帧的形态参数集vn以及耳标m在每一内容帧的形态参数集vm，根据连续的多个形态参数集vn与形态参数集vm确定交互行为的行为种类；

11、步骤8：重复步骤2至步骤7，获得多个预测周期内耳标n对应生猪的行为种类，沿时间序列将多个行为种类存储至耳标n的日志文件。

12、在本发明中，在步骤2中，从前景图像提取多个特征图，根据耳标的位置数据确定耳标与特征图的对应关系。

13、在本发明中，根据耳标n的特征数据构造体尺参数集un，若关键帧丢失耳标n，根据历史位置数据与体尺参数集预测耳标n对应的特征图，将耳标n标记至该特征图。

14、在本发明中，所述养殖设备包括饮水设备、食槽，所述独立行为包括饮水行为、进食行为，所述交互行为包括咬尾行为、咬耳行为、打斗行为。

15、在本发明中，在步骤3中，提取特征图的轮廓线和中心线，生成特征图的包络多边形，计算轮廓线与包络多边形沿垂直于中心线方向的距离，根据距离的极值确定特征图的特征数据。

16、在本发明中，耳标n对应生猪的特征数据包括耳根特征点pn1和pn2、肩部特征点pn3和pn4、腹部特征点pn5和pn6、臀部特征点pn7和pn8、尾根特征点pn9和pn10，耳标n的耳标参考点为pn0，形态参数集。

17、在本发明中，在步骤4中，识别养殖设备的覆盖区u1以及养殖设备的参考坐标q，计算参考向量，θk为向量与的夹角，独立行为模型为余弦值，若pni∈u1且max(cosθk)≤0，i≤2，5≤k≤10，则生猪n处于独立行为。

18、在本发明中，在步骤5中，若在连续的多个内容帧中，形态参数集vn均满足pni∈u1且max(cosθk)≤0，i≤2，5≤k≤10，则根据所述养殖设备的种类确定独立行为的行为种类。

19、在本发明中，在步骤6中，耳标n对应生猪的特征数据包括耳根特征点pn1和pn2、肩部特征点pn3和pn4、腹部特征点pn5和pn6、臀部特征点pn7和pn8、尾根特征点pn9和pn10，耳标n的耳标参考点为pn0，耳标m对应生猪的特征数据包括耳根特征点pm1和pm2、肩部特征点pm3和pm4、腹部特征点pm5和pm6、臀部特征点pm7和pm8、尾根特征点pm9和pm10，耳标m的耳标参考点为pm0，耳标m'对应生猪的特征数据包括耳根特征点pm'1和pm'2、肩部特征点pm'3和pm'4、腹部特征点pm'5和pm'6、臀部特征点pm'7和pm'8、尾根特征点pm'9和pm'10，耳标m'的耳标参考点为pm'0，交互行为模型包括与，m'≤n且m'≠m，i=1,2,...,10，j=1,2,...,10，若且，则生猪n与生猪m处于交互行为，δ为饲养区的密度基准值。

20、在本发明中，在步骤7中，根据行为模板将特征点分为多个群组，若在连续的多个内容帧中，均满足，则根据特征点所在群组确定交互行为的行为种类。

21、实施本发明的基于视频的生猪行为预测方法，其有益效果在于：本发明通过耳标的位置数据将耳标标记至视频流的关键帧，根据图像处理技术估计每一耳标对应生猪的形态参数集，再根据多个时刻的形态参数集实现对预测生猪日常行为的精准预测。本发明结合生猪的行为特点设置不同的行为模型，根据行为模型判断主要的独立行为和交互行为，可以提高识别行为种类的准确率。进一步的，本发明根据生猪的位置数据不断更新生猪的形态参数集，实现在全养殖周期内生猪行为预测。耳标信号丢失时，本发明根据历史位置数据与体尺参数集预测未标记耳标对应的特征图，保证连续更新形态参数集。

技术特征：

1.一种基于视频的生猪行为预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于视频的生猪行为预测方法，其特征在于，在步骤2中，从前景图像提取多个特征图，根据耳标的位置数据确定耳标与特征图的对应关系。

3.根据权利要求2所述的基于视频的生猪行为预测方法，其特征在于，根据耳标n的特征数据构造体尺参数集un，若关键帧丢失耳标n，根据历史位置数据与体尺参数集预测耳标n对应的特征图，将耳标n标记至该特征图。

4.根据权利要求1所述的基于视频的生猪行为预测方法，其特征在于，所述养殖设备包括饮水设备、食槽，所述独立行为包括饮水行为、进食行为，所述交互行为包括咬尾行为、咬耳行为、打斗行为。

5.根据权利要求1所述的基于视频的生猪行为预测方法，其特征在于，在步骤3中，提取特征图的轮廓线和中心线，生成特征图的包络多边形，计算轮廓线与包络多边形沿垂直于中心线方向的距离，根据距离的极值确定特征图的特征数据。

6.根据权利要求5所述的基于视频的生猪行为预测方法，其特征在于，耳标n对应生猪的特征数据包括耳根特征点pn1和pn2、肩部特征点pn3和pn4、腹部特征点pn5和pn6、臀部特征点pn7和pn8、尾根特征点pn9和pn10，耳标n的耳标参考点为pn0，形态参数集。

7.根据权利要求6所述的基于视频的生猪行为预测方法，其特征在于，在步骤4中，识别养殖设备的覆盖区u1以及养殖设备的参考坐标q，计算参考向量，θk为向量与的夹角，独立行为模型为余弦值，若pni∈u1且max(cosθk)≤0，i≤2，5≤k≤10，则生猪n处于独立行为。

8.根据权利要求7所述的基于视频的生猪行为预测方法，其特征在于，在步骤5中，若在连续的多个内容帧中，形态参数集vn均满足pni∈u1且max(cosθk)≤0，i≤2，5≤k≤10，则根据所述养殖设备的种类确定独立行为的行为种类。

9.根据权利要求1所述的基于视频的生猪行为预测方法，其特征在于，在步骤6中，耳标n对应生猪的特征数据包括耳根特征点pn1和pn2、肩部特征点pn3和pn4、腹部特征点pn5和pn6、臀部特征点pn7和pn8、尾根特征点pn9和pn10，耳标n的耳标参考点为pn0，耳标m对应生猪的特征数据包括耳根特征点pm1和pm2、肩部特征点pm3和pm4、腹部特征点pm5和pm6、臀部特征点pm7和pm8、尾根特征点pm9和pm10，耳标m的耳标参考点为pm0，耳标m'对应生猪的特征数据包括耳根特征点pm'1和pm'2、肩部特征点pm'3和pm'4、腹部特征点pm'5和pm'6、臀部特征点pm'7和pm'8、尾根特征点pm'9和pm'10，耳标m'的耳标参考点为pm'0，交互行为模型包括与，m'≤n且m'≠m，i=1,2,...,10，j=1,2,...,10，若且，则生猪n与生猪m处于交互行为，δ为饲养区的密度基准值。

10.根据权利要求9所述的基于视频的生猪行为预测方法，其特征在于，在步骤7中，根据行为模板将特征点分为多个群组，若在连续的多个内容帧中，均满足，则根据特征点所在群组确定交互行为的行为种类。

技术总结本发明公开了一种基于视频的生猪行为预测方法，属于图像数据处理技术领域。该生猪行为预测方法通过多点位信号发射器获取耳标的位置数据，根据背景图像与关键帧获取前景图像，从前景图像提取耳标对应的特征图，并将耳标的位置数据标记至监控装置获取的视频流的关键帧中。基于图像处理技术分析特征图，构建生猪的形态参数集，根据耳标的位置数据不断更新生猪的形态参数集。通过形态参数集和行为模型预测生猪的独立行为和交互行为。进一步的，当关键帧中存在耳标丢失，本发明根据历史位置数据和生猪体尺参数集重新预测丢失耳标对应的特征图，保证特征图在时间上的连续性，实现在全养殖周期内对生猪日常行为的监测。技术研发人员：鲍华悦,鲍洪星,华涛受保护的技术使用者：双胞胎（集团）股份有限公司技术研发日：技术公布日：2024/7/29