猪动物行为识别
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
猪动物行为识别
绝大多数猪都表现出8种行为: • 1)采食行为; • 2)排泄行为; • 3)性行为; • 4)母性行为; • 5)争斗行为; • 6)群居行为; • 7)探究行为; • 8)热调节行为。 • 除一般行为以外,所处环境中的有害刺激和不健康 的生活状态容易引起猪的异常行为。异常行为可 通过许形式表现,如釆食、排泄、性、母性、好斗、 啃咬栏杆、转圈、咬蹄、食仔等。
• 围绕人体运动所展开的工作最早可追溯到 1973 年心理学家 Johansson 对于人类的运动感知所做的研究工作。在他的实验 中，在人的关节点附着亮点，使人处于黑暗的环境中，因此只 有Baidu Nhomakorabea节点可见。
• 实验结果表明：对于静态的光点集合，人的视觉感知系统无法得出任 何有意义的信息，而对于运动中产生的光点集合序列，人们可以辨别 出运动的形态如走路、跑步等，甚至判断出运动者的性别，故由此提 出了对于运动的识别问题。 • 正是在 Johansson 的理论基础上，目前有采用了跟踪人体节点的方 法来实现对人体运动的跟踪，按照如下图的方式建立了人体的棍状模 型。
射频RFID--采食，饮水，排泄
基于RFID技术的生猪行为自动监测系统的设计_王军 • 以某生猪培育基地的一栏 10头重约 80kg的生猪 为实验对象，24h监测其进食行为。正常生猪自 由采食频率为白天 , 6-8次，夜间4-5 次，猪的采 食量随体重增长而增加，生长期的猪的采食量一 般为体重的3.5%-4.5%。设定每天每只猪进食量 报警阈值为2.0kg，实验期为 15天。
无线传感器--走，跳，跑，静止
基于无线传感器网络的猪运动行为监测系统研究_高云
• 神经网络识别算法 • 短时能量和短时过零率分类算法 • 快速傅里叶变换分类算法
无线传感器--走，跳，跑，静止
• 4)研究了圈养猪运动行为的监测方法。设计了无线传感器节点 的三轴加速度传感器硬件,以Z-stack协议栈为基础幵发了加速 度数据采集软件,并确定了与PC机通讯的通讯方法和通讯协议, 实现了三轴加速度数据采集和通讯。 • 5)建立了神经网络模式识别分类算法。在神经网络模式识别算 法的理论基础上构建了二层运动行为识别神经网络分类器,并 设计了 Matlab软件实现对四种运动行为分别为走、跑、跳、 静止)的识别。模拟试验证明,在85组训练样本试验时识率达到 100%,在439组大样本时,神经网络方法对走和静止两种状态的 识别率达到100%,而跑和跳两种运动行为由于实际数据特征比 较接近,其识别率分别达到99.1%和96.1%,整体识别率达98.9%。 • 6)圈养猪综合运动行为监测的研究。首次采用短时能量和短时 过零率计算方法分析计算三轴加速度运动数据,设计了短时能 量和短时过零率运动行为分类算法、FFT快速傅立叶运动行为 分类算法和标准差运动行为分类算法。并基于VS2010平台幵发 了实时综合猪运动行为监测软件,通过实时模拟试验证明,采用 短时能量分类法优于FFT快速傅立叶分类算法和标准差算法,对 走、静止、跳和跑三大类运动行为进行识别分类时,识别率约 为100%左右,区分跳、跑两种运动行为时,识别率约80%左右。
• 1 )猪采食、饮水监测 对猪的采食及饮水进行监测。以每头猪为单位记 录猪每次采食的采食量、采食时间、饮水的饮水 食、饮水时间。 • 2)猪活动监测 对猪的活动进行监测,包括对其在猪舍内的位置 进行定位跟踪(只限于圈养猪)和运动行为监测。 运动行为主要监测猪的运动时间、强度、频次、 类别。对猪在猪舍内的位置进行定位跟踪,掌握 猪的活动范围及活动轨迹,掌握猪的运动及活动 习性。
• 基于区域的运动人体跟踪
基于视频流的运动人体行为识别技术研究_熊静
Part 2
运动人体跟踪的方法
• 基于特征点的运动人体跟踪
人体运动的跟踪和标定是在连续的图像帧之间创建 基于位置(position)，速度(velocity)、形状 (shape)、纹理(texture)和色彩(color)等有关特征 的对应匹配问题，它是人体运动跟踪与分析过程的 关键，是进一步识别和理解人体运动行为的基础。 虽然人的视觉可以很容易地识别和跟踪现实场景中 刚体或变形物体的运动。但计算机却不能很好地完 成这部分功能，所以目前对人体运动跟踪的研究仍 处于不断探索阶段。
基于视频流的运动人体行为识别技术研究_熊静
Part 1
运动人体检测的方法
其思想是在连续的图像序列中两个或三个相邻帧间 采用基于像素的时间差分并且阈值化来提取出图像 中的运动区域。时间差分法能有效的克服复杂背景 以及噪声的干扰，是目前比较热门的一种提取运动 区域的方法
• 本系统中采用一种组合算法可以达到较好的效果，就是运用背景减除 法和区域融合算法相结合的方法来提取运动人体的轮廓。所谓区域融 合：是指当用背景减除法得到若干小的区域以后，利用循环查找的办 法，判断两个小区域的距离，当距离小于一定的域值，则将两个小区 域合成一个区域，最终得到分离的个体。
无线传感器--走，跳，跑，静止
• 神经网络识别算法的建立 本研究中的采用三轴加速度传感器釆集猪在运动时的震动强度变化。用 三轴方向的震动强度来分辨猪只当前的运动行为。由于不同猪的差异性 大,运动时运作和习惯都不一样,造成实际猪只的运动行为识别情况非常复 杂。简弟的阈值分割方法难以做到广泛的适用性。为了解决这一复杂问 题本研究采用人工神经网络建立神经网络状态识别器,对猪的运动行为进 行识别和分辨。 本研究中为了建立多层神经网络识别器对猪的运动行为的进行分类识别。 需对三轴加速度传感器的输出数据进行预处理提取特征向量,然后再采用 Matlab软件中神经网络模式识别工具(nprtool)自动生成的神经网络。识 别器的建立过程分为三个步骤:加窗分帧处理,特征值计算,训练生成神经 网络分类器。其中前两项,加窗分帧处理、特征值计算为数据的预处理过 程。
图像识别
• 小鼠自发活动的图像识别研究_胡晓燕 • 基于视频流的运动人体行为识别技术研究_熊静
小鼠自发活动的图像识别研究_胡晓燕
小鼠自发活动的图像识别研究_胡晓燕
• 本文在充分查阅国内外有关计算机图像处理和识别技术,动物 自动检测系统开发。特别是小鼠自发活动检测的相关文献基础 上,设计了顶部拍摄的图像跟踪检测方法;编制了相应的软件, 实现对小鼠活动的定位和跟踪;通过计算机自动处理,获得运动 轨迹,计算运动速度,距离,活动度等定量参数;并通过实验采集 图像资料进行处理,从而对算法进行检验。 • 本文的研究表明,顶部拍摄法在对小鼠活动的定位和跟踪等方 面效果良好,但不便于对小鼠体态的识别，为此,本文还设计了 侧面拍摄法,运用时空分割的图像分割方法,分别利用运动检测， 分水岭分割等算法对图像进行时域和空域分割,将时域分割得 到的运动区域投影到空域分割的图像中,区域生长后得到完整 的目标;对于分割后的目标,本文提出根据小鼠水平活动和竖起 时长宽比不同来判断小鼠竖起的算法,并编制了相应的软件。 • 此外,根据透视投影原理,本文推导出坐标转换公式,将小鼠底 边中点的屏幕坐标转换为它在底面的真实坐标,从而得到小鼠 在底面的活动轨迹。实验测试和分析结果表明,本文设计的方 法及相应的软件不仅可用于检测小鼠在底面的平面活动,而且 在对小鼠的竖起等体态识别上非常有效。
射频RFID--采食，饮水，排泄
• 本文设计了基于 RFID技术的生猪行为自动监测系统， 采用嵌入式系统技术和RFID 射频识别技术，说明了 系统的硬件组成和软件设计方案。提出的方法和相关 关键技术具有良好的应用前景，可针对猪的进食行为 进行有效的监测。这套系统的通用性很强，后续研究 中对该系统稍加改进即可用于对生猪饲养的排泄,饮水 等行为进行有效监测。采用 RFID技术为猪只的身份 识别提供了强大的技术保障，无线通信技术简便实现 了恶劣的环境条件中实现远程数据传输。经过测试， 该方案合理"有效，且系统易于实现，价格低廉，适 用于大型或中型生猪饲养基地使用。
基于视频流的运动人体行为识别技术研究_熊静
基于视频流的运动人体行为识别技术研究_熊静
• 如上图所示，在运动目标识别上通常用的方法有背景减除法和时间 差分法，背景减除法是指利用当前图像与背景图像的差分来检测出 运动区域。背景减除法适用于摄像机静止的情况，它能够完整分割 出运动对象，却容易受光线、天气等光照条件的变化，前景目标短 暂或长久的闯入和移出，背景自身的运动（如树叶摇动）等因素的 影响。尽管如此，在实时监控系统中背景减除法仍是运动目标检测 的最常用方法。时间差分是指在连续的图像序列中两个或三个相邻 帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区 域。 • 在运动目标跟踪上比较常用的有基于特征点和基于区域的跟踪方法， 基于特征点的方法中，特征点通常选择质心、关节点，运动目标轮 廓的角点进行跟踪。基于区域的方法是指将人体看作由头、躯干、 四肢等身体部件所对应的小区域所组成，通过跟踪各个小区域块来 完成整个人的跟踪。而模板匹配法和状态空间法主要用于运动人体 行为判断，模板匹配法是首先将图像序列转换为一组静态形状模式， 然后在识别过程中和预先存储的行为标本相比较。在状态空间法中， 定义每个静态姿势作为一个状态，这些状态之间通过某种概率联系 起来。任何运动序列可以看作为这些静态姿势的不同状态之间的一 次遍历过程。
0 1
射频RFID--采食，饮水，排泄
0 2
0 3
无线传感器--走，跳，跑，静止
图像识别
射频RFID--采食，饮水，排泄
• 目前,国内外现代化的猪场中,射频识别技术(RFID) 已应用于生猪飼养,一定程度上提高了生猪养殖的 管理水平(王保恒等2013;王凌2012;陆昌华等2006; 魏志胜2013)。射频识别技术主要是通过在猪的耳 朵上安装一个射频电子标签(RFID标 签)(Bonnet,etal. 2006; Guoqiang and Zhaojie 2011;周仲芳等 2008;胡圣杰 2008;郭忠利2012; 陈林锋等2013)。用专门的射频标签读取设备来识 别射频电子标签中存储的ID号及相关信息。通过 猪在生长、运输、屠宰的全程中采用射频电子标 签的来监控管理的方式,提高生猪的管理的准确性 和效率,并形成了一个完整的养殖到食品的管理纽 带(史海霞和杨毅2009;莫灵江等2012;谢菊芳等 2006)。
• 短时能量和短时过零率分类算法的建立
本研究中第一次采用短时能量及过零率分类的方法来对三轴加 速度传感器采集到的猪的运动信息进行分类及自动识别。 短时能量及过零率分类法原本是语音信号时域分析是最基本的 方法,通过语音信号的能量大小和过零特征来对语音中的清音 和池音进行辨别(Erdoletal. 1993)。研究中发现三轴加速度传 感器采集的运动数据随运动的剧烈程序上下波动,运动剧烈程 度时,信号所具有的能量明显较静止时大。考虑去除掉信号中 的加速度成份后,三轴信号应均呈现以0均值为中轴上下波动的 现像。在较短的时间内,三轴加速度信号可以看做是一个准稳 态过程,即信号具有短时性,该特征与声音信号的特征较为相似。 因此,釆用短时能量和短时过零率来检测物体是否在运动,是一 个可行的研究方法。 短时能量和短时过零率分类算法具体可分为三个步骤:加窗分 顿处理,短时能量谱计算和过零率计算,欧氏距离判别。加窗分 倾处理与神经网络识别算法中所釆用的处理方法相同,这里不 再赞述。
原图为24位bmP格式的图像,首先 对其进行灰度化和二值化,然后对 白色目标进行中心定位,下图中白 色区域中的灰色十字即为求得中 心,将十字中心点坐标保存。
由二维法得到的实验资料发现当摄像头至于 装置顶部时,即便是人眼也很难从所拍摄的照 片中准确区别出小鼠的蹲坐和竖起体态,但是 如果从侧面拍摄,这两种体态的差别就很明显 了(如图3.1,图3.2所示),而且通过图形学透射 投影的原理,经过坐标变换,小鼠在底面的水平 活动也可以得到。所以基于上述考虑,我们又 设计了侧面拍摄法(三维法)并进行了实验。
绝大多数猪都表现出8种行为: • 1)采食行为; • 2)排泄行为; • 3)性行为; • 4)母性行为; • 5)争斗行为; • 6)群居行为; • 7)探究行为; • 8)热调节行为。 • 除一般行为以外,所处环境中的有害刺激和不健康 的生活状态容易引起猪的异常行为。异常行为可 通过许形式表现,如釆食、排泄、性、母性、好斗、 啃咬栏杆、转圈、咬蹄、食仔等。
• 围绕人体运动所展开的工作最早可追溯到 1973 年心理学家 Johansson 对于人类的运动感知所做的研究工作。在他的实验 中，在人的关节点附着亮点，使人处于黑暗的环境中，因此只 有Baidu Nhomakorabea节点可见。
• 实验结果表明：对于静态的光点集合，人的视觉感知系统无法得出任 何有意义的信息，而对于运动中产生的光点集合序列，人们可以辨别 出运动的形态如走路、跑步等，甚至判断出运动者的性别，故由此提 出了对于运动的识别问题。 • 正是在 Johansson 的理论基础上，目前有采用了跟踪人体节点的方 法来实现对人体运动的跟踪，按照如下图的方式建立了人体的棍状模 型。
射频RFID--采食，饮水，排泄
基于RFID技术的生猪行为自动监测系统的设计_王军 • 以某生猪培育基地的一栏 10头重约 80kg的生猪 为实验对象，24h监测其进食行为。正常生猪自 由采食频率为白天 , 6-8次，夜间4-5 次，猪的采 食量随体重增长而增加，生长期的猪的采食量一 般为体重的3.5%-4.5%。设定每天每只猪进食量 报警阈值为2.0kg，实验期为 15天。
无线传感器--走，跳，跑，静止
基于无线传感器网络的猪运动行为监测系统研究_高云
• 神经网络识别算法 • 短时能量和短时过零率分类算法 • 快速傅里叶变换分类算法
无线传感器--走，跳，跑，静止
• 4)研究了圈养猪运动行为的监测方法。设计了无线传感器节点 的三轴加速度传感器硬件,以Z-stack协议栈为基础幵发了加速 度数据采集软件,并确定了与PC机通讯的通讯方法和通讯协议, 实现了三轴加速度数据采集和通讯。 • 5)建立了神经网络模式识别分类算法。在神经网络模式识别算 法的理论基础上构建了二层运动行为识别神经网络分类器,并 设计了 Matlab软件实现对四种运动行为分别为走、跑、跳、 静止)的识别。模拟试验证明,在85组训练样本试验时识率达到 100%,在439组大样本时,神经网络方法对走和静止两种状态的 识别率达到100%,而跑和跳两种运动行为由于实际数据特征比 较接近,其识别率分别达到99.1%和96.1%,整体识别率达98.9%。 • 6)圈养猪综合运动行为监测的研究。首次采用短时能量和短时 过零率计算方法分析计算三轴加速度运动数据,设计了短时能 量和短时过零率运动行为分类算法、FFT快速傅立叶运动行为 分类算法和标准差运动行为分类算法。并基于VS2010平台幵发 了实时综合猪运动行为监测软件,通过实时模拟试验证明,采用 短时能量分类法优于FFT快速傅立叶分类算法和标准差算法,对 走、静止、跳和跑三大类运动行为进行识别分类时,识别率约 为100%左右,区分跳、跑两种运动行为时,识别率约80%左右。
• 1 )猪采食、饮水监测 对猪的采食及饮水进行监测。以每头猪为单位记 录猪每次采食的采食量、采食时间、饮水的饮水 食、饮水时间。 • 2)猪活动监测 对猪的活动进行监测,包括对其在猪舍内的位置 进行定位跟踪(只限于圈养猪)和运动行为监测。 运动行为主要监测猪的运动时间、强度、频次、 类别。对猪在猪舍内的位置进行定位跟踪,掌握 猪的活动范围及活动轨迹,掌握猪的运动及活动 习性。
• 基于区域的运动人体跟踪
基于视频流的运动人体行为识别技术研究_熊静
Part 2
运动人体跟踪的方法
• 基于特征点的运动人体跟踪
人体运动的跟踪和标定是在连续的图像帧之间创建 基于位置(position)，速度(velocity)、形状 (shape)、纹理(texture)和色彩(color)等有关特征 的对应匹配问题，它是人体运动跟踪与分析过程的 关键，是进一步识别和理解人体运动行为的基础。 虽然人的视觉可以很容易地识别和跟踪现实场景中 刚体或变形物体的运动。但计算机却不能很好地完 成这部分功能，所以目前对人体运动跟踪的研究仍 处于不断探索阶段。
基于视频流的运动人体行为识别技术研究_熊静
Part 1
运动人体检测的方法
其思想是在连续的图像序列中两个或三个相邻帧间 采用基于像素的时间差分并且阈值化来提取出图像 中的运动区域。时间差分法能有效的克服复杂背景 以及噪声的干扰，是目前比较热门的一种提取运动 区域的方法
• 本系统中采用一种组合算法可以达到较好的效果，就是运用背景减除 法和区域融合算法相结合的方法来提取运动人体的轮廓。所谓区域融 合：是指当用背景减除法得到若干小的区域以后，利用循环查找的办 法，判断两个小区域的距离，当距离小于一定的域值，则将两个小区 域合成一个区域，最终得到分离的个体。
无线传感器--走，跳，跑，静止
• 神经网络识别算法的建立 本研究中的采用三轴加速度传感器釆集猪在运动时的震动强度变化。用 三轴方向的震动强度来分辨猪只当前的运动行为。由于不同猪的差异性 大,运动时运作和习惯都不一样,造成实际猪只的运动行为识别情况非常复 杂。简弟的阈值分割方法难以做到广泛的适用性。为了解决这一复杂问 题本研究采用人工神经网络建立神经网络状态识别器,对猪的运动行为进 行识别和分辨。 本研究中为了建立多层神经网络识别器对猪的运动行为的进行分类识别。 需对三轴加速度传感器的输出数据进行预处理提取特征向量,然后再采用 Matlab软件中神经网络模式识别工具(nprtool)自动生成的神经网络。识 别器的建立过程分为三个步骤:加窗分帧处理,特征值计算,训练生成神经 网络分类器。其中前两项,加窗分帧处理、特征值计算为数据的预处理过 程。
图像识别
• 小鼠自发活动的图像识别研究_胡晓燕 • 基于视频流的运动人体行为识别技术研究_熊静
小鼠自发活动的图像识别研究_胡晓燕
小鼠自发活动的图像识别研究_胡晓燕
• 本文在充分查阅国内外有关计算机图像处理和识别技术,动物 自动检测系统开发。特别是小鼠自发活动检测的相关文献基础 上,设计了顶部拍摄的图像跟踪检测方法;编制了相应的软件, 实现对小鼠活动的定位和跟踪;通过计算机自动处理,获得运动 轨迹,计算运动速度,距离,活动度等定量参数;并通过实验采集 图像资料进行处理,从而对算法进行检验。 • 本文的研究表明,顶部拍摄法在对小鼠活动的定位和跟踪等方 面效果良好,但不便于对小鼠体态的识别，为此,本文还设计了 侧面拍摄法,运用时空分割的图像分割方法,分别利用运动检测， 分水岭分割等算法对图像进行时域和空域分割,将时域分割得 到的运动区域投影到空域分割的图像中,区域生长后得到完整 的目标;对于分割后的目标,本文提出根据小鼠水平活动和竖起 时长宽比不同来判断小鼠竖起的算法,并编制了相应的软件。 • 此外,根据透视投影原理,本文推导出坐标转换公式,将小鼠底 边中点的屏幕坐标转换为它在底面的真实坐标,从而得到小鼠 在底面的活动轨迹。实验测试和分析结果表明,本文设计的方 法及相应的软件不仅可用于检测小鼠在底面的平面活动,而且 在对小鼠的竖起等体态识别上非常有效。
射频RFID--采食，饮水，排泄
• 本文设计了基于 RFID技术的生猪行为自动监测系统， 采用嵌入式系统技术和RFID 射频识别技术，说明了 系统的硬件组成和软件设计方案。提出的方法和相关 关键技术具有良好的应用前景，可针对猪的进食行为 进行有效的监测。这套系统的通用性很强，后续研究 中对该系统稍加改进即可用于对生猪饲养的排泄,饮水 等行为进行有效监测。采用 RFID技术为猪只的身份 识别提供了强大的技术保障，无线通信技术简便实现 了恶劣的环境条件中实现远程数据传输。经过测试， 该方案合理"有效，且系统易于实现，价格低廉，适 用于大型或中型生猪饲养基地使用。
基于视频流的运动人体行为识别技术研究_熊静
基于视频流的运动人体行为识别技术研究_熊静
• 如上图所示，在运动目标识别上通常用的方法有背景减除法和时间 差分法，背景减除法是指利用当前图像与背景图像的差分来检测出 运动区域。背景减除法适用于摄像机静止的情况，它能够完整分割 出运动对象，却容易受光线、天气等光照条件的变化，前景目标短 暂或长久的闯入和移出，背景自身的运动（如树叶摇动）等因素的 影响。尽管如此，在实时监控系统中背景减除法仍是运动目标检测 的最常用方法。时间差分是指在连续的图像序列中两个或三个相邻 帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区 域。 • 在运动目标跟踪上比较常用的有基于特征点和基于区域的跟踪方法， 基于特征点的方法中，特征点通常选择质心、关节点，运动目标轮 廓的角点进行跟踪。基于区域的方法是指将人体看作由头、躯干、 四肢等身体部件所对应的小区域所组成，通过跟踪各个小区域块来 完成整个人的跟踪。而模板匹配法和状态空间法主要用于运动人体 行为判断，模板匹配法是首先将图像序列转换为一组静态形状模式， 然后在识别过程中和预先存储的行为标本相比较。在状态空间法中， 定义每个静态姿势作为一个状态，这些状态之间通过某种概率联系 起来。任何运动序列可以看作为这些静态姿势的不同状态之间的一 次遍历过程。
0 1
射频RFID--采食，饮水，排泄
0 2
0 3
无线传感器--走，跳，跑，静止
图像识别
射频RFID--采食，饮水，排泄
• 目前,国内外现代化的猪场中,射频识别技术(RFID) 已应用于生猪飼养,一定程度上提高了生猪养殖的 管理水平(王保恒等2013;王凌2012;陆昌华等2006; 魏志胜2013)。射频识别技术主要是通过在猪的耳 朵上安装一个射频电子标签(RFID标 签)(Bonnet,etal. 2006; Guoqiang and Zhaojie 2011;周仲芳等 2008;胡圣杰 2008;郭忠利2012; 陈林锋等2013)。用专门的射频标签读取设备来识 别射频电子标签中存储的ID号及相关信息。通过 猪在生长、运输、屠宰的全程中采用射频电子标 签的来监控管理的方式,提高生猪的管理的准确性 和效率,并形成了一个完整的养殖到食品的管理纽 带(史海霞和杨毅2009;莫灵江等2012;谢菊芳等 2006)。
• 短时能量和短时过零率分类算法的建立
本研究中第一次采用短时能量及过零率分类的方法来对三轴加 速度传感器采集到的猪的运动信息进行分类及自动识别。 短时能量及过零率分类法原本是语音信号时域分析是最基本的 方法,通过语音信号的能量大小和过零特征来对语音中的清音 和池音进行辨别(Erdoletal. 1993)。研究中发现三轴加速度传 感器采集的运动数据随运动的剧烈程序上下波动,运动剧烈程 度时,信号所具有的能量明显较静止时大。考虑去除掉信号中 的加速度成份后,三轴信号应均呈现以0均值为中轴上下波动的 现像。在较短的时间内,三轴加速度信号可以看做是一个准稳 态过程,即信号具有短时性,该特征与声音信号的特征较为相似。 因此,釆用短时能量和短时过零率来检测物体是否在运动,是一 个可行的研究方法。 短时能量和短时过零率分类算法具体可分为三个步骤:加窗分 顿处理,短时能量谱计算和过零率计算,欧氏距离判别。加窗分 倾处理与神经网络识别算法中所釆用的处理方法相同,这里不 再赞述。
原图为24位bmP格式的图像,首先 对其进行灰度化和二值化,然后对 白色目标进行中心定位,下图中白 色区域中的灰色十字即为求得中 心,将十字中心点坐标保存。
由二维法得到的实验资料发现当摄像头至于 装置顶部时,即便是人眼也很难从所拍摄的照 片中准确区别出小鼠的蹲坐和竖起体态,但是 如果从侧面拍摄,这两种体态的差别就很明显 了(如图3.1,图3.2所示),而且通过图形学透射 投影的原理,经过坐标变换,小鼠在底面的水平 活动也可以得到。所以基于上述考虑,我们又 设计了侧面拍摄法(三维法)并进行了实验。