多视图监测单个牛的行为,基于动作识别,在使用深度学习的封闭牛棚中使用深度学习

科学领域:

• 动物科学动物科学
• 计算机视觉 计算机视觉
• 农业工程 农业工程

背景情况:

• 识别牛的行为对于动物福利和健康监测至关重要.
• 目前的方法面临的挑战是由于封闭和姿势变化导致的个体识别.
• 准确的个体跟踪对于可靠的牲畜行为分析至关重要.

研究的目的:

• 开发一个多视图监控系统,以识别个体牛的行为.
• 解决在农场环境中识别和跟踪个体牛的挑战.
• 为了能够持续监测和统计分析牛的行为.

主要方法:

• 使用视频数据序列作为动作识别的输入.
• 采用检测器来识别层次行动 (部分和单独的行动).
• 实施持续个人监控的追踪和识别机制.

主要成果:

• 该系统成功地跟踪并为个别牛分配独特的识别号码.
• 通过汉沃牛牛数据库上的定量和定性实验结果证明了有效性.
• 捕获的时空信息用于自动识别牛的行为.

结论:

• 拟议的框架有效地解决了牛行为识别的现实世界农场室内挑战.
• 能够自动识别个体牛的行为,支持精确的畜牧业.
• 提供了一个强大的解决方案,通过行为分析监测牛的健康和福利.