基于計算機視覺的動物跛腳行為識別

錢建軒 朱偉興

摘要：為了識別出動物正常行走和跛腳行走，利用步態(tài)能量圖特征描述和降維思想，提出一種基于計算機視覺的動物跛腳行為識別方法。以豬為研究對象，首先通過圖像預處理獲得目標豬二值圖像，并進行步態(tài)周期檢測和圖像歸一化處理。然后合成豬的步態(tài)能量圖（PGEI），利用二維主成分分析（2DPCA）方法對其降維。最后使用最近鄰分類器識別出豬的跛腳行為。通過豬的步態(tài)數(shù)據(jù)庫進行試驗，最終識別率達到93.25%，說明該方法可以有效識別出豬的跛腳行為。該研究為采用計算機視覺技術(shù)識別動物的異常步態(tài)和跛腳行為提供了一種新思路。

關(guān)鍵詞：計算機視覺；步態(tài)能量圖；二維主成分分析；動物跛腳行為

DOIDOI：10.11907/rjdk.181410

中圖分類號：TP301

文獻標識碼：A 文章編號：1672-7800（2018）010-0010-04

英文摘要Abstract：In order to identify the normal walking and lame walking of animals， using the idea of gait energy image description and feature reduction， we proposed a method based on computer vision. Pigs were taken as the research object. Firstly， the binary image of the target pig was obtained by preprocessing， and the gait cycle detection and image normalization were conducted. Then the pig gait energy image （PGEI） was calculated，and two-dimensional principal component analysis （2DPCA） was used to reduce the dimension of it. Finally， the nearest neighbor classifier was used to recognize the lameness of pigs. The samples in the pigs gait database were tested using the above method. The recognition rate is 93.25%. It shows that this method can effectively identify the lame behavior of pigs. This study provides a new idea for identifying animals with abnormal gait and lameness by using computer vision technology.

英文關(guān)鍵詞Key Words：computer vision；gait energy image；2DPCA；animals lame behavior

0 引言

動物的步態(tài)能反映其健康狀況，如豬的跛腳行為一般預示著一些傳染性疫?。ㄘi口蹄疫等）的發(fā)生[1]，奶牛的蹄部健壯是奶牛健康、高產(chǎn)的基礎(chǔ) [2]。一個有經(jīng)驗的飼養(yǎng)員很容易識別出動物的跛腳行為。但是，如果能利用計算機視覺技術(shù)設(shè)計一個動物跛腳行為自動識別系統(tǒng)，將對動物健康預警、提高動物福利、減少經(jīng)濟損失等產(chǎn)生重要影響。

當前，有關(guān)步態(tài)識別的研究主要集中在人的身份識別和老年人異常步態(tài)識別等方面，對動物進行步態(tài)的研究相對較少[3]。Zhu等[4]根據(jù)豬的解剖學知識建立豬的骨骼模型，結(jié)合前肢關(guān)節(jié)角度變化特征和關(guān)鍵輪廓小波矩，利用SVM分類器識別出豬的正常和異常步態(tài)，識別率為85%，但該文沒有檢測步態(tài)周期且識別率不高。Bahr等[5]分析了奶牛的跛腳行為和圖像中一些參數(shù)的關(guān)系，證明了軌跡重疊、蹄步時間和脊背弓形與跛腳的等級具有較強的相關(guān)性。王季萍[6]利用豬的背部曲率特征對正常和異常步態(tài)進行識別，但該算法對輪廓的質(zhì)量要求較高，同時曲率特征需逐幀提取，效率不高。Han等[7]首次提出步態(tài)能量圖（GEI）理論，運用主成分分析法和多重判別分析法實現(xiàn)對人的身份識別。Zhou等[8]提出一種基于分塊步態(tài)能量圖的老年人步態(tài)損傷檢測方法，通過對步態(tài)能量圖分塊，分別在每一個塊狀能量圖上運用LDA方法檢測出老年人的步態(tài)損傷。本文以豬為研究對象，利用計算機視覺技術(shù)解決豬的跛腳行為自動識別問題，采用步態(tài)能量圖表征豬的步態(tài)特征，利用2DPCA方法對其降維，根據(jù)降維后的步態(tài)特征并采用最近鄰分類器，從而識別出豬的跛腳行為。

1 圖像采集及預處理

1.1 視頻圖像采集

本文試驗所使用的視頻材料拍攝于鎮(zhèn)江希瑪牧業(yè)有限公司的規(guī)模養(yǎng)殖場，采用微軟公司Kinect相機采集生豬行走的圖像幀，分辨率為640×480，幀率為30fps。試驗所涉及的方法均在硬件intel CORE i5 2.5GHZ，4G內(nèi)存的計算機上運行。

1.2 圖像序列預處理

采用背景減除法檢測出目標豬的運動圖像，使用均值濾波算法[9]、OTSU方法求取最佳閾值并進行二值化[10]，再經(jīng)形態(tài)學處理得到最終的目標豬二值側(cè)影圖像，預處理過程如圖1所示。

由圖7可知，當選取的主成分數(shù)量d較小時，正確識別率隨d的增加而增加。當d等于18時，正確識別率達到93.25%。若繼續(xù)增大d值，正確識別率無明顯改變。根據(jù)上述分析，本文選取主成分個數(shù)為18。與傳統(tǒng)的PCA特征降維方法相比，2DPCA減少了計算量，而且保留了步態(tài)能量圖的二維結(jié)構(gòu)特征，所以識別效果更好。

3 結(jié)語

本文采用計算機視覺技術(shù)自動識別豬的跛腳行為。首先獲取豬的二值圖像，接著進行步態(tài)周期檢測和圖像歸一化處理。然后合成豬的步態(tài)能量圖，根據(jù)正常豬和跛腳豬在步態(tài)能量圖上的灰度分布差異，采用2DPCA方法對豬的步態(tài)能量圖進行降維，并選取18個主成分向量。最后采用最近鄰分類器和k折交叉驗證法，使正確識別率達到93.25%，較好地識別出豬的跛腳行為。實驗結(jié)果表明，使用步態(tài)能量圖表征豬的步態(tài)特征有效，將其運用于豬的跛腳行為識別可行，為采用計算機視覺技術(shù)識別動物的跛腳行為提供了一種新思路。

參考文獻：

[1] 高菲，沈林園，蔣小兵，等.仔豬跛腳的分析及防治[J].豬業(yè)科學，2012，29（12）：128-129.

[2] 趙凱旋.基于機器視覺的奶牛個體信息感知及行為分析[D].咸陽：西北農(nóng)林科技大學，2017.

[3] POURSABERI A， BAHR C， NUFFEL A V， et al. Original paper： real-time automatic lameness detection based on back posture extraction in dairy cattle： Shape analysis of cow with image processing techniques[J]. Computers & Electronics in Agriculture， 2010， 74（1）：110-119.

[4] ZHU W， ZHANG J. Identification of abnormal gait of pigs based on video analysis[C]. Third International Symposium on Knowledge Acquisition and Modeling. 2010：394-397.

[5] BAHR C， LEROY T， SONG X Y， et al. Automatic detection of lameness in dairy cattle-analyzing image parameters related to lameness[C]. Livestock Environment VIII， 31 August - 4 September 2008， Iguassu Falls， Brazil. 2008.

[6] 王季萍.基于背部曲率的豬的步態(tài)識別[D].鎮(zhèn)江： 江蘇大學， 2015.

[7] HAN J， BHANU B. Individual recognition using gait energy image[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2006， 28（2）：316-319.

[8] ZHOU C， MITSUGAMI I， YAGI Y. Detection of gait impairment in the elderly using patch‐GEI[J]. Ieej Transactions on Electrical & Electronic Engineering， 2015， 10（S1）： 69-76.

[9] BARNICH O， VAN D M. ViBe： a universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Processing， 2011， 20（6）：1709-1712.

[10] 周麗萍，陳志，陳達，等.基于改進Otsu算法的生豬熱紅外圖像耳根特征區(qū)域檢測[J].農(nóng)業(yè)機械學報，2016，47（4）：228-232.

[11] 劉麗麗.適于重要場所個人身份的步態(tài)識別技術(shù)研究[D].哈爾濱：哈爾濱工程大學，2009.

[12] 朱家驥，朱偉興.基于星狀骨架模型的豬步態(tài)分析[J].江蘇農(nóng)業(yè)科學，2015，43（12）：453-457.

[13] 梁韶聰，周明，李安安.基于步態(tài)能量圖的KPCA和SVM的步態(tài)識別方法[J].計算機應用研究，2010，27（7）：2798-2800.

[14] 王利巧，裴亞南.基于步態(tài)能量圖和不變矩的身份識別算法[J].計算機與數(shù)字工程，2009，37（10）：128-131.

[15] 吳燕.基于星狀骨架模型的豬的跛腳識別[D].鎮(zhèn)江：江蘇大學，2014.

[16] YANG J， ZHANG D， FRANGI A F， et al. Two-dimensional PCA： a new approach to appearance-based face representation and recognition[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2004，26（1）：131-134.

[17] 孫玉勝，靳敬永.基于改進2DPCA的紅外圖像人臉識別方法[J].激光與紅外，2008，38（12）：1274-1276.

[18] 桑海峰，苑瑋琦，張志佳，等.基于二維主成分分析的掌紋識別研究[J].儀器儀表學報，2008，29（9）：1929-1933.

[19] 蘇濱，姜威.一種基于Gabor小波和2DPCA的掌紋識別改進算法[J].計算機應用與軟件，2011，28（1）：242-245.

[20] 胡局新，張功杰.基于K折交叉驗證的選擇性集成分類算法[J].科技通報，2013（12）：115-117.

（責任編輯：杜能鋼）