CN112906452A - 羚牛水鹿自动识别跟踪统计方法及*** - Google Patents

羚牛水鹿自动识别跟踪统计方法及*** Download PDF

Info

Publication number
CN112906452A
CN112906452A CN202011454404.XA CN202011454404A CN112906452A CN 112906452 A CN112906452 A CN 112906452A CN 202011454404 A CN202011454404 A CN 202011454404A CN 112906452 A CN112906452 A CN 112906452A
Authority
CN
China
Prior art keywords
image
target
target animal
animal
video
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011454404.XA
Other languages
English (en)
Inventor
叶平
刘成龙
何廷美
施晓刚
伏彦林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202011454404.XA priority Critical patent/CN112906452A/zh
Publication of CN112906452A publication Critical patent/CN112906452A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明涉及一种羚牛水鹿自动识别跟踪统计方法及***，利用短时间内连续帧图像中各目标位置几乎不变的特性，将一个连续的视频画面解码成一个图像帧序列，然后对图像帧序列进行依次识别，不仅可以得出个目标在图像中的轨迹，还能在目标位置变化后，将原本遮挡住的目标露出来，从而进行识别，解决了传统识别模式下因目标被相邻目标遮挡造成的无法准确识别的问题，将其运用在羚牛水鹿自动识中，由于两种物种具有较高的辨识度，因此极大的提高了识别的准确，对种群的数量统计精度得以提升，可以更好的进行生态统计。

Description

羚牛水鹿自动识别跟踪统计方法及***
技术领域
本发明涉及技术领域，具体涉及一种羚牛水鹿自动识别跟踪统计***。
背景技术
在四川卧龙国家级自然保护区管理局的“五一棚”区域海拔2500米左右的臭水，这个点位在熊猫频道进行全球24小时直播，关注度非常高，常有成群的羚牛和水鹿来这里舔食盐浆。目前，我们的科研人员只能通过客户端回看视频的方式，人工识别这里的羚牛和水鹿的类别 (成年雄性、成年雌性、亚成体雄性、亚成体雌性和幼体)、行为方式(饮水、休息、反刍、警戒、移动、哺乳、排尿、互动等)、进场出场时间等，将15分钟统计出的数据按照统计学的原理进行分析，还没有自动识别跟综统计装置。现有技术就是为了解决人工统计中时间不准确，因大群野生羚牛和水鹿站位的变化，夜晚风雪天气，肉眼不能准确识别，，依托该发明进行准确的大数据分析，统计它们的进场出场时间及随时间变化该区域水鹿和羚牛只数的变化，并进一步分析它们的行为，如喝水行为、警觉行为、哺乳行为、排尿行为。
现有技术存在的不足在于，行为分析的准确性因群体大时，受光线、气候等因素、羚牛和水鹿的遮挡而存在的不能准确识别情况。
发明内容
本发明的目的在于克服现有技术的不足，提供一种羚牛水鹿自动识别跟踪统计***，能够有效解决因光线或种群遮挡造成的群体识别不准确的问题。
本发明的目的是通过以下技术方案来实现的：
一种羚牛水鹿自动识别跟踪统计方法，该方法包括：
步骤S100：利用视频监控获取监测区域的视频画面，并基于图像识别技术判断目标动物进入画面的时间节点t1，以及离开画面的时间节点t2；
步骤S200：提取t1-t2时间段内的一段或多段视频，或提取t1-t2时间段内的全部视频；
步骤S300：基于视频解码技术将提取的视频按时间顺序转换成相应的图像帧序列，并标注出起始帧图像M1和终点帧图像Mn，其中n为图像帧序列中图像帧数量；
步骤S400：将图像帧序列按序依次放入同样的坐标系中，识别起始帧图像M1中各目标动物的坐标并对其进行标号记为D-H(x1,y1)，其中D表示目标动物的种类，H表示同一种类中目标动物的编号；
步骤S500：判断下一帧图像M2中各目标动物的坐标记为D-H(x2,y2)，由于连续两帧之间目标动物的位移量几乎为0，因此可以对目标动物进行精确的轨迹跟踪；
步骤S600：依次遍历所有帧图像，得到同一目标动物在起始帧图像M1到终点帧图像Mn过程中的坐标轨迹；
步骤S700：在步骤S500-步骤S600之间，每间隔f帧对图像进行重新识别，判断是否有新增的目标动物出现，并对进行坐标识别记为(D+j)-(H+e)(x1,y1)，其中j表示新增目标动物类型种类，e表示已有目标动物数量增加个数；
步骤S800：当某一图像帧出现新增目标动物时，则在该图像帧的基础上重复步骤S500- 步骤S600，遍历所有帧图像直至终点帧图像Mn，即得到对应目标动物的数量和种类。
进一步的，所述D和H使用***数字表示，且后台存有D位数字所对应的目标动物类型。
进一步的，所述步骤S300中将每秒视频画面转换成5-20帧图像即可。
进一步的，所述t1-t2时间段的长度超过1小时后，则提取t1-t2时间段内的一段或多段视频，其中每段视频长度不超过15分钟。
进一步的，在步骤S500-步骤S600中，记录目标动物离开画面的数量记为g。
进一步的，所述新增的目标动物出现时，判断该目标动物在图像中首次出现的位置，并对其进行标记，对从图像边沿进入的目标动物数量记为c，其余记为r；
同时借助周边镜头判断新增目标动物c与离开的目标动物g的重叠部分，记为v；
则该种类目标动物的总数为H+c+r-v，其中H取值为起始帧图像M1中该种类目标动物的数量。
进一步的，还包括一个动物行为识别方法，基于机器学习训练各种类目标动物的行为模型，将其与各帧图像提取的目标动物进行匹配，从而得出相应的目标动物行为分析结果。
进一步的，所述行为模型包括饮水、休息、反刍、警戒、移动、哺乳、排尿。
进一步的，所述步骤S400中标记的目标动物是指能够完全准确识别出的动物，不包仅露出部分身体无法辨识的动物。
一种用于实现羚牛水鹿自动识别跟踪统计方法的***，该***包括：
安装在监控区域获取视频画面的主摄像机，以及安装在监控区域周边的辅助摄像机；
与主摄像机和辅助摄像机连接用于识别目标动物进场的图像识别模块，以及与图像识别模块连接用于存放动物模型的数据库；
用于记录目标动物进场和离场的时钟模块，得到相应的时间段t1-t2；
与主摄像机和辅助摄像机连接的视频提取模块，用于提取时间段t1-t2内的一段或多段视频，或提取t1-t2时间段内的全部视频；
视频解码模块，用于将提取的视频解码成图像帧序列；
所述图像识别模块按步骤S300-步骤S800进行目标动物的识别；
与各模块连接的处理器以及通信模块，用于将识别结果上传至服务器。
本发明的有益效果是：本发明利用短时间内连续帧图像中各目标位置几乎不变的特性，将一个连续的视频画面解码成一个图像帧序列，然后对图像帧序列进行依次识别，不仅可以得出个目标在图像中的轨迹，还能在目标位置变化后，将原本遮挡住的目标露出来，从而进行识别，解决了传统识别模式下因目标被相邻目标遮挡造成的无法准确识别的问题，将其运用在羚牛水鹿自动识中，由于两种物种具有较高的辨识度，因此极大的提高了识别的准确，对种群的数量统计精度得以提升，可以更好的进行生态统计。
附图说明
图1是本发明的原理框图。
具体实施方式
下面结合具体实施例进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种羚牛水鹿自动识别跟踪统计方法，该方法包括：
步骤S100：利用视频监控获取监测区域的视频画面，并基于图像识别技术判断目标动物进入画面的时间节点t1，以及离开画面的时间节点t2；
步骤S200：提取t1-t2时间段内的一段或多段视频，或提取t1-t2时间段内的全部视频；
步骤S300：基于视频解码技术将提取的视频按时间顺序转换成相应的图像帧序列，并标注出起始帧图像M1和终点帧图像Mn，其中n为图像帧序列中图像帧数量；
步骤S400：将图像帧序列按序依次放入同样的坐标系中，识别起始帧图像M1中各目标动物的坐标并对其进行标号记为D-H(x1,y1)，其中D表示目标动物的种类，H表示同一种类中目标动物的编号；
步骤S500：判断下一帧图像M2中各目标动物的坐标记为D-H(x2,y2)，由于连续两帧之间目标动物的位移量几乎为0，因此可以对目标动物进行精确的轨迹跟踪；
步骤S600：依次遍历所有帧图像，得到同一目标动物在起始帧图像M1到终点帧图像Mn过程中的坐标轨迹；
步骤S700：在步骤S500-步骤S600之间，每间隔f帧对图像进行重新识别，判断是否有新增的目标动物出现，并对进行坐标识别记为(D+j)-(H+e)(x1,y1)，其中j表示新增目标动物类型种类，e表示已有目标动物数量增加个数；
步骤S800：当某一图像帧出现新增目标动物时，则在该图像帧的基础上重复步骤S500- 步骤S600，遍历所有帧图像直至终点帧图像Mn，即得到对应目标动物的数量和种类。
可选的，一种羚牛水鹿自动识别跟踪统计方法，在本实施中目标动物仅包括羚牛和水鹿，对其他物种则采用忽略的方式不对其进行统计分析，以降低***的运算量。
更为优选的，在一种羚牛水鹿自动识别跟踪统计方法中，针对不同物种的目标动物轨迹分析，可采用多线程的模式并行运行，同时可以将单个视频端解码得到的图像帧序列再次分段然后采用多线程并行处理，从而极大的提升***的运行速率。
可选的，一种羚牛水鹿自动识别跟踪统计方法，D和H使用***数字表示，且后台存有D位数字所对应的目标动物类型，例如在羚牛水鹿自动识别中以数字1表示羚牛，以数字 2表示水鹿，则有1-10(x1,y1)表示标号为10的羚牛在起始帧图像M1中的坐标位置。
可选的，一种羚牛水鹿自动识别跟踪统计方法，步骤S300中将每秒视频画面转换成5-20 帧图像即可，解码图像帧的数量取决于识别对象，对于快速移动的目标动物而言，解码的图像帧应在单位时间内足够多，对于缓慢移动的目标动物解码的图像帧则可以适当降低，以降低***的运算负荷。
可选的，一种羚牛水鹿自动识别跟踪统计方法，t1-t2时间段的长度超过1小时后，则提取t1-t2时间段内的一段或多段视频，其中每段视频长度不超过15分钟。
可选的，一种羚牛水鹿自动识别跟踪统计方法，在步骤S500-步骤S600中，记录目标动物离开画面的数量记为g。
可选的，一种羚牛水鹿自动识别跟踪统计方法，新增的目标动物出现时，判断该目标动物在图像中首次出现的位置，并对其进行标记，对从图像边沿进入的目标动物数量记为c，其余记为r；
同时借助周边镜头判断新增目标动物c与离开的目标动物g的重叠部分，记为v；
则该种类目标动物的总数为H+c+r-v，其中H取值为起始帧图像M1中该种类目标动物的数量。
可选的，一种羚牛水鹿自动识别跟踪统计方法，还包括一个动物行为识别方法，基于机器学习训练各种类目标动物的行为模型，将其与各帧图像提取的目标动物进行匹配，从而得出相应的目标动物行为分析结果。
可选的，一种羚牛水鹿自动识别跟踪统计方法，行为模型包括饮水、休息、反刍、警戒、移动、哺乳、排尿。
可选的，一种羚牛水鹿自动识别跟踪统计方法，步骤S400中标记的目标动物是指能够完全准确识别出的动物，不包仅露出部分身体无法辨识的动物。
参考图1所示，本发明还提供一种用于实现羚牛水鹿自动识别跟踪统计方法的***，该***包括：
安装在监控区域获取视频画面的主摄像机，以及安装在监控区域周边的辅助摄像机；
与主摄像机和辅助摄像机连接用于识别目标动物进场的图像识别模块，以及与图像识别模块连接用于存放动物模型的数据库；
用于记录目标动物进场和离场的时钟模块，得到相应的时间段t1-t2；
与主摄像机和辅助摄像机连接的视频提取模块，用于提取时间段t1-t2内的一段或多段视频，或提取t1-t2时间段内的全部视频；
视频解码模块，用于将提取的视频解码成图像帧序列；
图像识别模块按步骤S300-步骤S800进行目标动物的识别；
与各模块连接的处理器以及通信模块，用于将识别结果上传至服务器。
该***中的辅助摄像机主要是为了实现目标动物离开和进入画面后的重复排除，也就是作为上述的周边镜头进行分析
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种羚牛水鹿自动识别跟踪统计方法，其特征在于，该方法包括：
步骤S100：利用视频监控获取监测区域的视频画面，并基于图像识别技术判断目标动物进入画面的时间节点t1，以及离开画面的时间节点t2；
步骤S200：提取t1-t2时间段内的一段或多段视频，或提取t1-t2时间段内的全部视频；
步骤S300：基于视频解码技术将提取的视频按时间顺序转换成相应的图像帧序列，并标注出起始帧图像M1和终点帧图像Mn，其中n为图像帧序列中图像帧数量；
步骤S400：将图像帧序列按序依次放入同样的坐标系中，识别起始帧图像M1中各目标动物的坐标并对其进行标号记为D-H(x1,y1)，其中D表示目标动物的种类，H表示同一种类中目标动物的编号；
步骤S500：判断下一帧图像M2中各目标动物的坐标记为D-H(x2,y2)，由于连续两帧之间目标动物的位移量几乎为0，因此可以对目标动物进行精确的轨迹跟踪；
步骤S600：依次遍历所有帧图像，得到同一目标动物在起始帧图像M1到终点帧图像Mn过程中的坐标轨迹；
步骤S700：在步骤S500-步骤S600之间，每间隔f帧对图像进行重新识别，判断是否有新增的目标动物出现，并对进行坐标识别记为(D+j)-(H+e)(x1,y1)，其中j表示新增目标动物类型种类，e表示已有目标动物数量增加个数；
步骤S800：当某一图像帧出现新增目标动物时，则在该图像帧的基础上重复步骤S500-步骤S600，遍历所有帧图像直至终点帧图像Mn，即得到对应目标动物的数量和种类。
2.根据权利要求1所述的羚牛水鹿自动识别跟踪统计方法，其特征在于，所述D和H使用***数字表示，且后台存有D位数字所对应的目标动物类型。
3.根据权利要求2所述的羚牛水鹿自动识别跟踪统计方法，其特征在于，所述步骤S300中将每秒视频画面转换成5-20帧图像即可。
4.根据权利要求3所述的羚牛水鹿自动识别跟踪统计方法，其特征在于，所述t1-t2时间段的长度超过1小时后，则提取t1-t2时间段内的一段或多段视频，其中每段视频长度不超过15分钟。
5.根据权利要求4所述的羚牛水鹿自动识别跟踪统计方法，其特征在于，在步骤S500-步骤S600中，记录目标动物离开画面的数量记为g。
6.根据权利要求5所述的羚牛水鹿自动识别跟踪统计方法，其特征在于，所述新增的目标动物出现时，判断该目标动物在图像中首次出现的位置，并对其进行标记，对从图像边沿进入的目标动物数量记为c，其余记为r；
同时借助周边镜头判断新增目标动物c与离开的目标动物g的重叠部分，记为v；
则该种类目标动物的总数为H+c+r-v，其中H取值为起始帧图像M1中该种类目标动物的数量。
7.根据权利要求6所述的羚牛水鹿自动识别跟踪统计方法，其特征在于，还包括一个动物行为识别方法，基于机器学习训练各种类目标动物的行为模型，将其与各帧图像提取的目标动物进行匹配，从而得出相应的目标动物行为分析结果。
8.根据权利要求7所述的羚牛水鹿自动识别跟踪统计方法，其特征在于，所述行为模型包括饮水、休息、反刍、警戒、移动、哺乳、排尿。
9.根据权利要求8所述的羚牛水鹿自动识别跟踪统计方法，其特征在于，所述步骤S400中标记的目标动物是指能够完全准确识别出的动物，不包仅露出部分身体无法辨识的动物。
10.一种用于实现权利要求1-9中任一项所述的羚牛水鹿自动识别跟踪统计方法的***，其特征在于，该***包括：
安装在监控区域获取视频画面的主摄像机，以及安装在监控区域周边的辅助摄像机；
与主摄像机和辅助摄像机连接用于识别目标动物进场的图像识别模块，以及与图像识别模块连接用于存放动物模型的数据库；
用于记录目标动物进场和离场的时钟模块，得到相应的时间段t1-t2；
与主摄像机和辅助摄像机连接的视频提取模块，用于提取时间段t1-t2内的一段或多段视频，或提取t1-t2时间段内的全部视频；
视频解码模块，用于将提取的视频解码成图像帧序列；
所述图像识别模块按步骤S300-步骤S800进行目标动物的识别；
与各模块连接的处理器以及通信模块，用于将识别结果上传至服务器。
CN202011454404.XA 2020-12-10 2020-12-10 羚牛水鹿自动识别跟踪统计方法及*** Pending CN112906452A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011454404.XA CN112906452A (zh) 2020-12-10 2020-12-10 羚牛水鹿自动识别跟踪统计方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011454404.XA CN112906452A (zh) 2020-12-10 2020-12-10 羚牛水鹿自动识别跟踪统计方法及***

Publications (1)

Publication Number Publication Date
CN112906452A true CN112906452A (zh) 2021-06-04

Family

ID=76111670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011454404.XA Pending CN112906452A (zh) 2020-12-10 2020-12-10 羚牛水鹿自动识别跟踪统计方法及***

Country Status (1)

Country Link
CN (1) CN112906452A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115063378A (zh) * 2022-06-27 2022-09-16 中国平安财产保险股份有限公司 智能点数方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751677A (zh) * 2008-12-17 2010-06-23 中国科学院自动化研究所 基于多摄像机的目标连续跟踪方法
CN109657577A (zh) * 2018-12-07 2019-04-19 重庆理工大学 一种基于熵和运动偏移量的动物检测方法
CN109960965A (zh) * 2017-12-14 2019-07-02 翔升（上海）电子技术有限公司 基于无人机识别动物行为的方法、装置和***
CN110765972A (zh) * 2019-10-31 2020-02-07 秒针信息技术有限公司 一种动物的监控方法、装置、电子设备及存储介质
CN111145213A (zh) * 2019-12-10 2020-05-12 ***股份有限公司 一种目标跟踪方法、装置、***及计算机可读存储介质
CN111325089A (zh) * 2018-12-13 2020-06-23 安讯士有限公司 跟踪对象的方法和设备
CN111340848A (zh) * 2020-02-26 2020-06-26 重庆中科云从科技有限公司 对目标区域的对象跟踪方法、***、设备及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751677A (zh) * 2008-12-17 2010-06-23 中国科学院自动化研究所 基于多摄像机的目标连续跟踪方法
CN109960965A (zh) * 2017-12-14 2019-07-02 翔升（上海）电子技术有限公司 基于无人机识别动物行为的方法、装置和***
CN109657577A (zh) * 2018-12-07 2019-04-19 重庆理工大学 一种基于熵和运动偏移量的动物检测方法
CN111325089A (zh) * 2018-12-13 2020-06-23 安讯士有限公司 跟踪对象的方法和设备
CN110765972A (zh) * 2019-10-31 2020-02-07 秒针信息技术有限公司 一种动物的监控方法、装置、电子设备及存储介质
CN111145213A (zh) * 2019-12-10 2020-05-12 ***股份有限公司 一种目标跟踪方法、装置、***及计算机可读存储介质
CN111340848A (zh) * 2020-02-26 2020-06-26 重庆中科云从科技有限公司 对目标区域的对象跟踪方法、***、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115063378A (zh) * 2022-06-27 2022-09-16 中国平安财产保险股份有限公司 智能点数方法、装置、设备及存储介质
CN115063378B (zh) * 2022-06-27 2023-12-05 中国平安财产保险股份有限公司 智能点数方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108717523B (zh) 基于机器视觉的母猪发情行为检测方法
WO2021051885A1 (zh) 目标标注的方法及装置
CN111727457B (zh) 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质
CN111339912A (zh) 一种基于遥感影像识别牛羊的方法和***
EP3929801A1 (en) Training of an object recognition neural network
CN111767794A (zh) 基于机器视觉的笼养家禽异常行为检测方法及检测***
CN112541432A (zh) 一种基于深度学习的视频牲畜身份认证***及方法
CN115830490A (zh) 一种群养生猪多目标跟踪及行为统计方法
Noe et al. Automatic detection and tracking of mounting behavior in cattle using a deep learning-based instance segmentation model
CN111881320A (zh) 一种视频查询方法、装置、设备及可读存储介质
CN116824726A (zh) 一种校园环境智能巡检方法及***
CN113963298A (zh) 基于计算机视觉的野生动物识别跟踪与行为检测***、方法、设备及存储介质
CN112906452A (zh) 羚牛水鹿自动识别跟踪统计方法及***
CN113808113A (zh) 基于计算机视觉辅助的通道式智能猪群称重与计数方法
CA3230401A1 (en) Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes
CN113724250A (zh) 一种基于双光相机的动物目标计数方法
CN113068657A (zh) 一种智能化高效养猪方法及***
CN112906511B (zh) 一种联合个体图像和足迹图像的野生动物智能监测方法
CN115830078A (zh) 生猪多目标跟踪及行为识别方法、计算机设备与存储介质
CN113822367B (zh) 一种基于人脸的区域行为分析方法、***及介质
CN115359418A (zh) 基于clip模型的牲畜分娩监测预警***与方法
CN112734730B (zh) 一种牲畜数量识别方法、装置、设备和存储介质
CN113743261A (zh) 一种猪体外伤的检测方法、装置和可读存储介质
CN113239931A (zh) 一种物流站车牌识别的方法
CN117437792B (zh) 基于边缘计算的实时道路交通状态监测方法、设备及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination