改进稀疏超完备词典方法识别奶牛跛足行为

S275.6; 监测与发现奶牛异常行为是实现疾病早期防控的关键,其中尤以跛足行为发现与识别较为典型,但是当前家畜异常行为识别仍然存在在线性能较差的问题.针对这一问题,该文提出2种改进策略.首先提出一种基于共轭梯度追踪算法的稀疏超完备词典学习算法(conjugate gradient pursuit-KSVD,CGP-KSVD)用于跛足行为特征的语义级描述和表示,即在稀疏编码构建阶段引入共轭梯度追踪算法寻找优化搜索方向,同时避免存储和计算大规模Hessen矩阵带来的计算负载,从而提升稀疏超完备词典学习算法的收敛速度.其次通过时空兴趣点与稠密轨迹图二次提取时空兴趣点相融合实现视频底层特征提取和表示...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 34; no. 18; pp. 219 - 227
Main Authors 温长吉, 张金凤, 李卓识, 娄月, 于合龙, 姜海龙
Format Journal Article
LanguageChinese
Published 吉林农业大学信息技术学院,长春,130118%吉林农业大学信息技术学院,长春 130118 15.09.2018
长春建筑学院图书馆,长春 130607%吉林农业大学信息技术学院,长春 130118
吉林大学工程仿生教育部重点实验室,长春 130012%吉林农业大学吉林省动物营养与饲料科学重点实验室,长春,130118
Subjects
算法
图像处理
畜牧养殖
时空兴趣点
稠密轨迹
跛足识别
CGP-KSVD
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2018.18.027

Cover

More Information
Summary:S275.6; 监测与发现奶牛异常行为是实现疾病早期防控的关键,其中尤以跛足行为发现与识别较为典型,但是当前家畜异常行为识别仍然存在在线性能较差的问题.针对这一问题,该文提出2种改进策略.首先提出一种基于共轭梯度追踪算法的稀疏超完备词典学习算法(conjugate gradient pursuit-KSVD,CGP-KSVD)用于跛足行为特征的语义级描述和表示,即在稀疏编码构建阶段引入共轭梯度追踪算法寻找优化搜索方向,同时避免存储和计算大规模Hessen矩阵带来的计算负载,从而提升稀疏超完备词典学习算法的收敛速度.其次通过时空兴趣点与稠密轨迹图二次提取时空兴趣点相融合实现视频底层特征提取和表示,在保留丰富细节特征信息的基础上减少冗余特征降低计算负载.在1200个时长10 s的标注视频样本集上测试结果显示:该文提出的算法识别准确率达到100％,识别平均响应时间为0.043 s,对比基于基追踪算法(basis pursuit-KSVD,BP-KSVD)和正交匹配追踪算法(orthogonal matching pursuit-KSVD,OMP-KSVD)稀疏编码序列优化策略算法在识别平均响应时间分别提升1.11和0.199 s,在90 h回放视频和在线测试视频上跛足行为识别准确率分别为93.3％和92.7％,明显优于对比算法.试验结果表明该文提出的跛足行为识别算法框架具有较高的识别准确率和较好的在线响应时间,可以为相关研究工作提供借鉴意义,相关技术可以成为接触式传感器监测及其他技术的必要补充.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2018.18.027