基于计算机视觉的动物跛脚行为识别

钱建轩 朱伟兴

摘要：为了识别出动物正常行走和跛脚行走，利用步态能量图特征描述和降維思想，提出一种基于计算机视觉的动物跛脚行为识别方法。以猪为研究对象，首先通过图像预处理获得目标猪二值图像，并进行步态周期检测和图像归一化处理。然后合成猪的步态能量图（PGEI），利用二维主成分分析（2DPCA）方法对其降维。最后使用最近邻分类器识别出猪的跛脚行为。通过猪的步态数据库进行试验，最终识别率达到93.25%，说明该方法可以有效识别出猪的跛脚行为。该研究为采用计算机视觉技术识别动物的异常步态和跛脚行为提供了一种新思路。

关键词：计算机视觉；步态能量图；二维主成分分析；动物跛脚行为

DOIDOI：10.11907/rjdk.181410

中图分类号：TP301

文献标识码：A 文章编号：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.

英文关键词Key Words：computer vision；gait energy image；2DPCA；animals lame behavior

0 引言

动物的步态能反映其健康状况，如猪的跛脚行为一般预示着一些传染性疫病（猪口蹄疫等）的发生[1]，奶牛的蹄部健壮是奶牛健康、高产的基础 [2]。一个有经验的饲养员很容易识别出动物的跛脚行为。但是，如果能利用计算机视觉技术设计一个动物跛脚行为自动识别系统，将对动物健康预警、提高动物福利、减少经济损失等产生重要影响。

当前，有关步态识别的研究主要集中在人的身份识别和老年人异常步态识别等方面，对动物进行步态的研究相对较少[3]。Zhu等[4]根据猪的解剖学知识建立猪的骨骼模型，结合前肢关节角度变化特征和关键轮廓小波矩，利用SVM分类器识别出猪的正常和异常步态，识别率为85%，但该文没有检测步态周期且识别率不高。Bahr等[5]分析了奶牛的跛脚行为和图像中一些参数的关系，证明了轨迹重叠、蹄步时间和脊背弓形与跛脚的等级具有较强的相关性。王季萍[6]利用猪的背部曲率特征对正常和异常步态进行识别，但该算法对轮廓的质量要求较高，同时曲率特征需逐帧提取，效率不高。Han等[7]首次提出步态能量图（GEI）理论，运用主成分分析法和多重判别分析法实现对人的身份识别。Zhou等[8]提出一种基于分块步态能量图的老年人步态损伤检测方法，通过对步态能量图分块，分别在每一个块状能量图上运用LDA方法检测出老年人的步态损伤。本文以猪为研究对象，利用计算机视觉技术解决猪的跛脚行为自动识别问题，采用步态能量图表征猪的步态特征，利用2DPCA方法对其降维，根据降维后的步态特征并采用最近邻分类器，从而识别出猪的跛脚行为。

1 图像采集及预处理

1.1 视频图像采集

本文试验所使用的视频材料拍摄于镇江希玛牧业有限公司的规模养殖场，采用微软公司Kinect相机采集生猪行走的图像帧，分辨率为640×480，帧率为30fps。试验所涉及的方法均在硬件intel CORE i5 2.5GHZ，4G内存的计算机上运行。

1.2 图像序列预处理

采用背景减除法检测出目标猪的运动图像，使用均值滤波算法[9]、OTSU方法求取最佳阈值并进行二值化[10]，再经形态学处理得到最终的目标猪二值侧影图像，预处理过程如图1所示。

由图7可知，当选取的主成分数量d较小时，正确识别率随d的增加而增加。当d等于18时，正确识别率达到93.25%。若继续增大d值，正确识别率无明显改变。根据上述分析，本文选取主成分个数为18。与传统的PCA特征降维方法相比，2DPCA减少了计算量，而且保留了步态能量图的二维结构特征，所以识别效果更好。

3 结语

本文采用计算机视觉技术自动识别猪的跛腳行为。首先获取猪的二值图像，接着进行步态周期检测和图像归一化处理。然后合成猪的步态能量图，根据正常猪和跛脚猪在步态能量图上的灰度分布差异，采用2DPCA方法对猪的步态能量图进行降维，并选取18个主成分向量。最后采用最近邻分类器和k折交叉验证法，使正确识别率达到93.25%，较好地识别出猪的跛脚行为。实验结果表明，使用步态能量图表征猪的步态特征有效，将其运用于猪的跛脚行为识别可行，为采用计算机视觉技术识别动物的跛脚行为提供了一种新思路。

参考文献：

[1] 高菲，沈林園，蒋小兵，等.仔猪跛脚的分析及防治[J].猪业科学，2012，29（12）：128-129.

[2] 赵凯旋.基于机器视觉的奶牛个体信息感知及行为分析[D].咸阳：西北农林科技大学，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.基于背部曲率的猪的步态识别[D].镇江： 江苏大学， 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] 周丽萍，陈志，陈达，等.基于改进Otsu算法的生猪热红外图像耳根特征区域检测[J].农业机械学报，2016，47（4）：228-232.

[11] 刘丽丽.适于重要场所个人身份的步态识别技术研究[D].哈尔滨：哈尔滨工程大学，2009.

[12] 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.

[13] 梁韶聪，周明，李安安.基于步态能量图的KPCA和SVM的步态识别方法[J].计算机应用研究，2010，27（7）：2798-2800.

[14] 王利巧，裴亚南.基于步态能量图和不变矩的身份识别算法[J].计算机与数字工程，2009，37（10）：128-131.

[15] 吴燕.基于星状骨架模型的猪的跛脚识别[D].镇江：江苏大学，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] 孙玉胜，靳敬永.基于改进2DPCA的红外图像人脸识别方法[J].激光与红外，2008，38（12）：1274-1276.

[18] 桑海峰，苑玮琦，张志佳，等.基于二维主成分分析的掌纹识别研究[J].仪器仪表学报，2008，29（9）：1929-1933.

[19] 苏滨，姜威.一种基于Gabor小波和2DPCA的掌纹识别改进算法[J].计算机应用与软件，2011，28（1）：242-245.

[20] 胡局新，张功杰.基于K折交叉验证的选择性集成分类算法[J].科技通报，2013（12）：115-117.

（责任编辑：杜能钢）