基于特征融合與支持向量機(jī)的豬前肢步態(tài)異常識(shí)別研究.pdf

1、豬腿部疾病和外傷對(duì)規(guī)模養(yǎng)豬影響很大,若采用人工方法進(jìn)行巡視檢測(cè),不僅勞動(dòng)強(qiáng)度大,惡劣的環(huán)境也會(huì)對(duì)人體健康有害,且人工判斷存在主觀性。機(jī)器視覺技術(shù)可以為豬行為的分類識(shí)別提供自動(dòng)、高效和客觀的方法,豬的步態(tài)具有非接觸性、不可偽裝性等特點(diǎn),是對(duì)腿部異常檢測(cè)的重要依據(jù)。本課題以豬步態(tài)為切入點(diǎn),研究基于機(jī)器視覺技術(shù),對(duì)由于豬前肢疾病或外傷引起的前肢步態(tài)異常進(jìn)行識(shí)別的方法。
　　 本文主要針對(duì)豬前肢異常步態(tài)識(shí)別方法進(jìn)行初步研究,提出了包括圖

2、像預(yù)處理、模型構(gòu)建、特征提取與特征融合、分類識(shí)別等一整套方法。提出了一種豬前肢骨架建模方法,通過提取前肢關(guān)節(jié)角度在一段時(shí)間內(nèi)的波動(dòng)曲線,并分析獲取曲線的頻率、平均角度、方差等參數(shù)作為步態(tài)的一類特征。另一方面,基于不變矩分析和小波分析的特點(diǎn),提出提取豬步態(tài)幀的輪廓小波矩特征作為第二類步態(tài)特征。將獲得的關(guān)節(jié)角度特征(動(dòng)態(tài)特征)和小波矩特征(靜態(tài)特征)進(jìn)行特征融合作為最終的豬步態(tài)特征空間?；谔卣魅诤系姆椒ㄔ黾恿藢?duì)步態(tài)描述的完整性,避免了僅通

3、過一類特征進(jìn)行描述的不完備性,能夠更準(zhǔn)確地表述步態(tài)特征。
　　 豬行走視頻樣本為正側(cè)視圖,對(duì)于2011幀／秒的步態(tài)視頻樣本,每隔一幀取關(guān)鍵幀(即10幀／秒)。在分析借鑒人體骨架棍棒模型構(gòu)建方法的基礎(chǔ)上,結(jié)合豬運(yùn)動(dòng)學(xué)和解剖學(xué)知識(shí),提出了一種新的構(gòu)建豬前肢骨架棍棒模型方法。關(guān)節(jié)角度的波動(dòng)側(cè)面反映步態(tài)的狀況,對(duì)波動(dòng)曲線作計(jì)算分析并提取相關(guān)曲線參數(shù)作為步態(tài)動(dòng)態(tài)特征向量(5維),對(duì)于測(cè)試視頻樣本,對(duì)其單個(gè)步態(tài)周期中的4幅目標(biāo)輪廓圖像進(jìn)行小

4、波矩分析獲取其輪廓小波矩特征(8維)。采用支持向量機(jī)(SVM)分類器并選擇不同核函數(shù)對(duì)輸入的樣本特征集合(13維)進(jìn)行訓(xùn)練與分類。最后通過試驗(yàn)驗(yàn)證本文提出的特征提取方法和基于特征融合的識(shí)別方法的可行性和有效性。
　　 以TI公司的DM643為主處理器,對(duì)采集的豬行走樣本進(jìn)行實(shí)驗(yàn),結(jié)果表明本文提出的研究方法對(duì)豬前肢異常步態(tài)正確識(shí)別率能夠達(dá)到85％左右。該算法用于豬前肢疾病或外傷引起的步態(tài)異常識(shí)別是可行的,在動(dòng)物步態(tài)異常識(shí)別等領(lǐng)域有