|本期目录/Table of Contents|

[1]芦兵,孙俊,许晓东.基于图像特征库的动物行为识别技术[J].江苏农业科学,2018,46(20):257-260.
　Lu Bing,et al.Study on animal behavior recognition technology based on image feature library[J].Jiangsu Agricultural Sciences,2018,46(20):257-260.
点击复制

基于图像特征库的动物行为识别技术(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第46卷
期数:
2018年第20期
页码:
257-260
栏目:
农业工程与信息技术
出版日期:
2018-10-20

文章信息/Info

Title:
Study on animal behavior recognition technology based on image feature library
作者:
芦兵1; 2;  孙俊1;  许晓东2
1.江苏大学电气信息工程学院，江苏镇江 212013； 2.江苏大学信息化中心，江苏镇江 212013
Author(s):
Lu Bing; et al
关键词:
动物行为; 正则表达; 融合语义; 图像特征库; 声音特点; 识别效率; 识别精度
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
针对传统接触感应式动物行为识别方法的局限性，根据特定观察视角下动物轮廓、颜色和空间相对位置等物理特征不变以及不同行为下动物产生不同声音的特点，通过建立基于颜色、线条、位置、声音等信息的特征元素库，并利用正则表达式语义规则对这些基础特征元素进行先验知识的有序组织，赋予它们描述不同动物行为特征的能力，进而快速构建出动物行为的匹配模板，缩短动物行为识别过程中特征模板的生成时间，提高动物行为自动识别效率。结果表明，基于图像特征库的动物行为识别技术能够快速、准确地识别不同类别动物行为，在固定视角下其识别率为87.5%，平均识别时间为60.3 ms，与背景差分法及光流法相比，本方法在固定视角下的识别精度和识别效率均有所提高。
Abstract:
-

参考文献/References:

［1］何东健，孟凡昌，赵凯旋，等. 基于视频分析的犊牛基本行为识别［J］. 农业机械学报，2016，47(9)：294-300.
［2］Pons P，Jaen J，Catala A. Assessing machine learning classifiers for the detection of animals behavior using depth-based tracking［J］. Expert Systems With Applications，2017，86(15)：235-246.
［3］Silk M J，Fisher D N. Understanding animal social structure：exponential random graph models in animal behaviour research［J］. Animal Behaviour，2017，132：137-146.
［4］Minematsu S，Hiruta M，Watanabe M，et al. Spectral analysis of body weight，food and water consumption and spontaneous motor activity in male Sprague-Dawley rats［J］. Experimental Animals，1995，44(3)：173-179.
［5］May C H，Sing H C，Cephus R，et al. A new method of monitoring motor activity in baboons［J］. Behavior Research Methods，Instruments，and Computers，1996，28(1)：23-26.
［6］Schwarting R K W. Measurement of behavioral asymmetries in rodents using automated video image analysis［C］//International Workshop on Methods and Techniques in Behavioral Research.Utrecht，1996：16-18.
［7］钱蓉，詹凯，王重龙. 基于机器视觉技术的动物行为自动识别和分类［J］. 中国家禽，2016，38(3)：55-57.
［8］Yu S Q，Jia S，Xu C Y. Convolutional neural networks for hyperspectral image classification［J］. Neurocomputing，2017，219(5)：88-98.
［9］Town C P，Sinclair D. Content based image retrieval using semantic visual categories［R］. Cambridge：AT&T Laboratories，2001.
［10］Farhadi A，Endres I，Hoiem D，et al. Describing objects by their attributes［C］//IEEE Conference on Computer Vision and Pattern recognition，2009：1778-1785.
［11］Lu P，Bremer J，Chen H M. Deciding determinism of regular languages［J］. Theory of Computing Systems，2015，57(1)：97-139.
［12］Safy M，Shi G，Li Z F，et al. Improved harris corner detector algorithm for image co-registration［C］//3rd International Conference on Computer Science and Network Technology. Dalian，2014：19-22.
［13］陈世伟，杨小冈，张胜修，等. 基于自适应上下文信息的目标相对定位方法［J］. 系统工程与电子技术，2016，38(5)：984-989.
［14］王锋，程敏，陈小平. 面向机器人室内建图的RGB-D图像对齐算法［J］. 机器人，2015，37(2)：129-135.
［15］Fernandez-Saez J，Zaera R. Vibrations of Bernoulli-Euler beams using the two-phase nonlocal elasticity theory［J］. International Journal of Engineering Science，2017，119(119)：232-248.
［16］De Carvalho M A G，Ferreira A C B，Costa A L. Image segmentation using quadtree-based similarity graph and normalized cut［M］//Progress in pattern recognition，image analysis，computer vision，and applications. Berlin Heidelberg：Springer，2010：329-337.
［17］丁军，刘宏伟，王英华，等. 一种联合阴影和目标区域图像的SAR目标识别方法［J］. 电子与信息学报，2015，37(3)：594-600.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2017-11-16
基金项目：国家自然科学基金(编号：31101082)。
作者简介：芦兵(1983—)，男，江苏镇江人，博士，实验师，研究方向为图像处理、行为模式识别。E-mail：lubing@ujs.edu.cn。
更新日期/Last Update: 2018-10-20