科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确、高效的奶牛行为识别有助于疾病检测、发现异常，是感知奶牛健康的关键。通过分析奶牛在牛场中各时段的行为，提出一种基于时空特征的奶牛行为识别模型，该模型在时域段网络(TSN)的基础上融合了时态移位模块(TSM)、特征注意单元(FAU)和长短期记忆(LSTM)网络。首先，利用TSM融合时间信息以提高时序建模能力，并将时序建模后的视频帧输入TSN。其次，利用FAU融合高分辨率空间信息和低分辨率语义信息，增强模型空间特征的学习能力。最后，由LSTM聚合过去和当前信息进行奶牛行为分类。实验表明，该方法对进食、行走、躺卧、站立行为识别准确率分别为76.7%、90.0%、68.0%、96.0%,平均行为识别准确率为82.6%,和C3D、I3D、CNN-LSTM网络相比，本文模型平均行为识别准确率分别提升7.9、9.2、9.6个百分点。光照变化会对奶牛行为识别准确率产生一定影响，但本文模型受光照影响相对较小。研究成果可为感知奶牛健康和疾病预防提供技术支持。
- 单位
