|本期目录/Table of Contents|

[1]朱家骥,朱伟兴.基于星状骨架模型的猪步态分析[J].江苏农业科学,2015,43(12):453-457.
　Zhu Jiaji,et al.Analysis of pigs gaits based on star shaped frame model[J].Jiangsu Agricultural Sciences,2015,43(12):453-457.
点击复制

基于星状骨架模型的猪步态分析(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第43卷
期数:
2015年第12期
页码:
453-457
栏目:
农业工程与信息技术
出版日期:
2015-12-25

文章信息/Info

Title:
Analysis of pigs gaits based on star shaped frame model
作者:
朱家骥1;  朱伟兴2
1.盐城工学院电气工程学院，江苏盐城 224051； 2. 江苏大学电气信息工程学院，江苏镇江 212013
Author(s):
Zhu Jiaji; et al
关键词:
计算机视觉; 星状骨架模型; 前肢步态频率; 猪
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
为了更好地利用视频图像处理技术对动物行为进行监控和分析，提出1种基于星状骨架模型的猪的步态分析方法。首先，从试验猪场拍摄到的视频图像中提取猪的轮廓。其次，根据猪体轮廓确定其质心，并绘制轮廓质心-边缘点距离曲线。再次，利用求极值的方法由上述曲线获得关键轮廓点。然后，将关键轮廓点与质心相连接构建猪体星状骨架模型。最后，分析猪体星状骨架模型中关键轮廓点的运动规律，通过频谱分析方法计算出猪的前肢步态频率。结果表明，该方法能够较为准确地计算猪的前肢步态频率。与人工监测法相比，本方法更为客观，且所得结果的相对误差在10%以内。该方法为基于视频监控和图像处理的动物行为分析提供了新思路。
Abstract:
-

参考文献/References:

［1］Kanade T，Collins R，Lipton A，et al. Cooperative multisensor video surveillance［C］. Proceedings of DARPA Image Understanding Workshop，1997：3-10.
［2］朱伟兴，浦雪峰，李新城，等. 基于行为监测的疑似病猪自动化识别系统［J］. 农业工程学报，2010，26(1)：188-192.
［3］杨艳，滕光辉，李保明，等. 基于计算机视觉技术估算种猪体重的应用研究［J］. 农业工程学报，2006，22(2)：127-131.
［4］刘同海，滕光辉，付为森，等. 基于机器视觉的猪体尺测点提取算法与应用［J］. 农业工程学报，2013，29(2)：161-168.
［5］Ye W，Xin H W. Themo graphical quantification of physiological and behavioral responses of group housed young pigs［J］. Transactions of the ASAE，2000，43(6)：1843-1850.
［6］Shao B，Xin H W. A real-time computer vision assessment and control of thermal comfort for group-housed pigs［J］. Computers and Electronics in Agriculture，2008，62(1)：15-21.
［7］纪滨，朱伟兴，刘波，等. 基于脊腹线波动的猪呼吸急促症状视频分析［J］. 农业工程学报，2011，27(1)：191-195.
［8］朱伟兴，纪滨，秦锋. 基于伪球算子边缘模型的猪前景帧检测［J］. 农业工程学报，2012，28(12)：189-194.
［9］刘波，朱伟兴，霍冠英. 生猪轮廓红外与光学图像的融合算法［J］. 农业工程学报，2013，29(17)：113-120.
［10］马丽，纪滨，刘宏申，等. 单只猪轮廓图的侧视图识别［J］. 农业工程学报，2013，29(10)：168-174.
［11］纪滨，朱伟兴，刘宏申. 猪舍图像局部亮度调整方法［J］. 农业工程学报，2013，29(5)：139-146.
［12］刘波，朱伟兴，纪滨，等. 基于射线轮廓点匹配的生猪红外与可见光图像自动配准［J］. 农业工程学报，2013，29(2)：153-160.
［13］王勇，朱伟兴. 基于轮廓特征的猪行为识别方法研究［J］. 安徽农业科学，2011，25(36)：15373-15376.
［14］朱伟兴，戴陈云，黄鹏. 基于物联网的保育猪舍环境监控系统［J］. 农业工程学报，2012，28(11)：177-182.
［15］Wren A A，Pentland A. Pfinder：real-time tracking of the human body［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，1997，19(7)：780-785.
［16］Fujiyoshi H，Lipton A. Real-time human motion analysis by image skeletonization［C］. Proceedings of the 1998 Workshop on Applications of Computer Vision，1998.
［17］Ahrendt P，Gregersen T，Karstoft H. Development of a real-time computer vision system for tracking loose-housed pigs［J］. Computers and Electronics in Agriculture，2011，76(2)：169-174.
［18］张雄. 基于序列图像的运动目标检测与跟踪［D］. 哈尔滨：哈尔滨理工大学，2009.
［19］冯伍，张俊兰，苗秋瑾. 几种典型边缘检测算子的评估［J］. 电子设计工程，2011，19(4)：131-133.
［20］Tsai P M S，Kasparis T.Cyclic motion detection for motion based recognition［J］. Pattern Recognition，1994，27(12)：1591-1603.

相似文献/References:

[1]陈桂珍,龚声蓉.计算机视觉及模式识别技术在农业生产领域的应用[J].江苏农业科学,2015,43(08):409.
　Chen Guizhen,et al.Application of computer vision and pattern recognition in agricultural production field[J].Jiangsu Agricultural Sciences,2015,43(12):409.
[2]劳东青,陈立平,邬欢欢,等.基于计算机视觉的枣叶含水率估算模型[J].江苏农业科学,2015,43(04):384.
　Lao Dongqing,et al.Study on jujube leaf water content estimation model based on computer vision[J].Jiangsu Agricultural Sciences,2015,43(12):384.
[3]王爱新,李春友,张喆.基于计算机视觉的农业图像害虫定位检测算法[J].江苏农业科学,2016,44(07):361.
　Wang Aixin,et al.Agricultural image pest location detection algorithm based on computer vision[J].Jiangsu Agricultural Sciences,2016,44(12):361.
[4]祁卫宇,王传宇,郭新宇.基于计算机视觉的植物行为感知研究综述[J].江苏农业科学,2017,45(06):20.
　Qi Weiyu,et al.Study on plant behavior perception based on computer vision： a review[J].Jiangsu Agricultural Sciences,2017,45(12):20.
[5]邢志中,张海东,王孟,等.基于计算机视觉和神经网络的鸡蛋新鲜度检测[J].江苏农业科学,2017,45(11):160.
　Xing Zhizhong,et al.Detection of egg freshness based on computer vision detection and neural network[J].Jiangsu Agricultural Sciences,2017,45(12):160.
[6]陈彩文,杜永贵,周超,等.基于支持向量机的鱼群摄食行为识别技术[J].江苏农业科学,2018,46(07):226.
　Chen Caiwen,et al.Study on fish feeding behavior recognition technology based on support vector machine[J].Jiangsu Agricultural Sciences,2018,46(12):226.
[7]刘祖鹏.基于优化PCNN模型的黄瓜叶片病斑提取方法[J].江苏农业科学,2018,46(18):216.
　Liu Zupeng.A cucumber leaf lesion extraction method based on optimized PCNN mode[J].Jiangsu Agricultural Sciences,2018,46(12):216.
[8]童阳,艾施荣,吴瑞梅,等.茶叶外形感官品质的计算机视觉分级研究[J].江苏农业科学,2019,47(05):170.
　Tong Yang,et al.Sensory evaluation of tea appearance using computer vision classification[J].Jiangsu Agricultural Sciences,2019,47(12):170.
[9]张重阳,陈明.基于计算机视觉的鱼类摄食行为研究现状及展望[J].江苏农业科学,2020,48(24):31.
　Zhang Chongyang,et al.Research status and outlook of fish feeding behavior based on computer vision[J].Jiangsu Agricultural Sciences,2020,48(12):31.
[10]胡玲艳,许巍,秦山,等.基于分时重叠算法的欧洲甜樱桃表型关键特征区域图像分割方法[J].江苏农业科学,2023,51(1):195.
　Hu Lingyan??et al.Image segmentation of key feature regions of European sweet cherry phenotype based on time-sharing overlap algorithm[J].Jiangsu Agricultural Sciences,2023,51(12):195.

备注/Memo

备注/Memo:
收稿日期：2014-12-05
基金项目：国家自然科学基金(编号：31172243)。
作者简介：朱家骥 (1987—)，男，江苏常州人，硕士，主要研究方向为智能检测、数字图像处理。E-mail：zhujiaji@yeah.net。
通信作者：朱伟兴，教授，博士生导师，主要研究方向为智能检测、图像处理。E-mail ：wxzhu@ujs.edu.cn。
更新日期/Last Update: 2015-12-25