本發(fā)明涉及一種基于機器視覺的奶牛反芻咀嚼、吞咽次數統計方法，涉及動物行為監(jiān)控領域。

背景技術：

奶牛的反芻行為是反映奶牛個體狀態(tài)的一個重要指標，反芻時間和每次反芻食團咀嚼次數及速度可以直觀反映出奶牛的產奶量、繁殖周期和健康狀態(tài)等指標。反芻變化是反映奶牛潛在問題的最早期征兆。通過對反芻行為的監(jiān)控，可以及早發(fā)現疾病，提前預防、治療，對維護奶牛健康、克服繁殖障礙、提高產奶量均具有重要作用。因此，奶牛反芻行為的監(jiān)測對奶牛場至關重要。

國內外對奶牛反芻行為變化規(guī)律和影響因素有大量的研究，早期觀察反芻行為時多以人工目測，手工記錄為主，不但耗費大量時間，數據記錄誤差大，還無法推廣應用。隨著物聯網技術的發(fā)展，傳感器逐漸應用于動物行為監(jiān)控領域中，通常依靠聲音傳感器或者壓力傳感器監(jiān)測反芻動物生理信號，根據生理信號判斷反芻行為。這種方法要求每個被監(jiān)測對象都佩戴監(jiān)測設備，不但影響動物的正?；顒樱€受電池使用時間、設備壽命影響，需要定期更換，運行成本較高；被監(jiān)測對象和信號接收設備之間有距離限制，動物的活動范圍受到設備限制；此外，這種監(jiān)測設備只能判斷檢測對象的行為，比如區(qū)分所做動作是反芻還是喝水，不能區(qū)分動作的細節(jié)，只能記錄每天反芻總計時間，但是反芻次數和每個食團咀嚼次數均無法記錄。

技術實現要素：

針對上述問題，本發(fā)明的目的是提供一種能夠快速掌握奶牛健康狀態(tài)的基于機器視覺的奶牛反芻咀嚼、吞咽次數統計方法。

為實現上述目的，本發(fā)明采取以下技術方案：一種基于機器視覺的奶牛反芻咀嚼、吞咽次數統計方法，包括以下內容：1)提取奶牛形狀特征，并將提取的奶牛形狀特征作為樣本進行訓練得到樣本庫；2)通過固定設置在奶牛休息區(qū)的視頻采集裝置獲取記錄有奶牛咀嚼動作的視頻圖像，對視頻圖像進行數據處理后與樣本庫進行匹配，完成奶牛頭部活動區(qū)域模式分類及匹配；3)將匹配完成的視頻圖像作為新的樣本導入樣本庫，采用新的樣本庫對后續(xù)視頻圖像重復步驟2)進行模式分類及匹配，直到所有視頻圖像匹配完成，進入步驟4)；4)對奶牛嘴部動作進行定位，利用幀間差法判斷奶牛反芻行為，統計咀嚼和吞咽次數。

進一步地，奶牛形狀特征為不同狀態(tài)下奶牛的眼、耳朵、鼻、耳標、毛色特征圖片。

進一步地，所述步驟2)完成奶牛頭部活動區(qū)域模式分類及匹配的具體過程為：利用奶牛的眼部、耳朵、耳標、鼻寬、毛色特征與樣本庫進行匹配，尋找待識別的視頻圖像中的特征點，確定奶牛五官位置；利用耳標大小和五官直接的距離確定奶牛頭部姿態(tài)；根據五官位置和匹配結果將奶牛的面部分為左側臉、右側臉、左正面和右正面。

進一步地，所述步驟4)利用幀間差法判斷奶牛反芻行為，統計咀嚼和吞咽次數的具體過程為：以眼和鼻為特征定位點，截取矩陣圖像，利用幀間差法進行統計計數，在視頻圖像序列中選取連續(xù)的兩幀圖像，前一幀圖像為pk-1(x,y)，當前幀圖像為pk(x,y)，根據奶牛特征辨別圖像中奶牛像素點和背景像素點，按照設定閾值求出當前幀奶牛像素點與背景像素點的差得到差值圖像FD(x,y)，從差值圖像中提取出完整的目標像素；計算前1幀圖像與背景幀的差得到差值圖像FG(x,y)，對比FD(x,y)和FG(x,y)得到目標像素的變化量f，奶牛咀嚼過程中，嘴部張合一次，目標像素的變化量發(fā)生正負一個周期變化；對目標像素變化量f進行數據處理、篩選，去除突變值，繪制每幀目標變化曲線，根據相鄰兩幀圖像目標像素變化量曲線圖波動計數，統計咀嚼和吞咽次數。

本發(fā)明由于采取以上技術方案，其具有以下優(yōu)點：1、本發(fā)明通過視頻采集裝置監(jiān)測奶牛的反芻行為，并對視頻圖像進行模型匹配和分類定位處理，統計奶牛在反芻過程中吞咽次數和每個食團咀嚼次數，與現有的人工檢測相比，耗費較少，數據記錄準確，可以準確獲知奶牛反芻行為變化規(guī)律，通過反芻行為很好地監(jiān)測奶牛的健康情況。2、本發(fā)明在整個監(jiān)測過程中奶牛不需要佩戴任何電子設備，成本低，效率高，為數字化奶牛養(yǎng)殖提供一種高效數據采集和分析手段。本發(fā)明可以廣泛應用于奶牛健康狀態(tài)的監(jiān)控中。

附圖說明

圖1是本發(fā)明的方法流程示意圖；

圖2是本發(fā)明的奶牛咀嚼動作變化示意圖，圖(a)是奶牛咀嚼動作嘴部閉合圖，圖(b)是奶牛咀嚼動作嘴部稍微張開圖，圖(c)奶牛咀嚼動作嘴部部分張開圖，圖(d)是奶牛咀嚼動作嘴部全張開圖；

圖3是本發(fā)明的咀嚼次數統計流程示意圖；

圖4為本發(fā)明的相鄰兩幀圖像目標像素變化量曲線圖。

具體實施方式

以下結合附圖來對本發(fā)明進行詳細的描繪。然而應當理解，附圖的提供僅為了更好地理解本發(fā)明，它們不應該理解成對本發(fā)明的限制。

如圖1所示，本發(fā)明基于機器視覺實現奶牛反芻行為的檢測，用于統計奶牛反芻時間、反芻吞咽次數及每個反芻食團咀嚼次數，包括以下內容：

1、提取奶牛形狀特征，并將提取的奶牛形狀特征作為樣本進行訓練得到樣本庫，奶牛形狀特征為不同狀態(tài)下奶牛的眼、耳、鼻、耳標、毛色圖片。

2、通過固定設置在奶牛休息區(qū)的視頻采集裝置獲取記錄有奶牛咀嚼動作的視頻圖像，對視頻圖像進行去噪等數據處理后與樣本庫進行匹配，完成奶牛頭部活動區(qū)域模式分類及匹配。

奶牛場休息區(qū)通常采用欄桿分區(qū)，每個分區(qū)只能一頭奶牛進入，通過固定設置在每個分區(qū)的視頻采集裝置采集奶牛在分區(qū)內的不同狀態(tài)，奶牛每秒咀嚼次數在1次左右，視頻圖像可以分析到每秒15幀以上，因此可以從連續(xù)的視頻圖像中判斷奶牛咀嚼動作，分析每幀視頻圖像的視頻動作，可以清晰的看到映咀嚼動作的全過程，確定奶牛和頭部活動區(qū)域。

本發(fā)明利用奶牛的眼部、耳朵、耳標、鼻寬、毛色等特征，尋找識別圖像中的特征點，確定奶牛五官位置。利用耳標大小和五官直接的距離確定奶牛頭部姿態(tài)。并根據五官位置和匹配結果將奶牛的面部分為左側臉、右側臉、左正面和右正面。

3、將分析完成的視頻圖像作為新的樣本導入樣本庫，采用新的樣本庫對后續(xù)視頻圖像重復步驟2進行模式分類及匹配，直到所有視頻圖像匹配完成，進入步驟4。

4、對奶牛嘴部動作進行定位，利用幀間差法判斷奶牛反芻行為，統計咀嚼和吞咽次數。

本發(fā)明根據頭部不同特征分類模型，建立咀嚼、吞咽動作軌跡特征，如圖2所示為每隔2幀選取一幅視頻圖像，從視頻圖像中可以明顯看出奶牛嘴部活動特征。奶牛反芻和吞咽過程中喉部鼓起明顯的食團流，以喉部鼓包作為特征點，利用光流場法跟蹤食團運動軌跡，上下為完整的一次反芻過程，中間間隔時間為一次食團咀嚼時間。按照喉部食團上下次數統計整個視頻流中奶牛反芻吞咽次數。

如圖3所示，本發(fā)明實施例以眼和鼻為特征定位點，截取矩陣圖像，利用幀間差法進行統計計數，在視頻圖像序列中選取連續(xù)的兩幀圖像，前一幀圖像為pk-1(x,y)，當前幀圖像為pk(x,y)，根據奶牛特征辨別圖像中奶牛和背景像素點，按照設定閾值求出當前幀奶牛像素點與背景像素點的差得到差值圖像FD(x,y)，從差值圖像中提取出完整的目標；計算前1幀圖像與背景幀的差得到差值圖像FG(x,y)，對比FD(x,y)和FG(x,y)得到目標像素的變化量f，奶牛咀嚼過程中，嘴部張合一次，目標的變化量發(fā)生正負一個周期變化；對目標像素變化量f進行數據處理、篩選，去除突變值，繪制每幀目標變化曲線，根據相鄰兩幀圖像目標像素變化量曲線圖波動計數，統計咀嚼和吞咽次數。

如圖2為每隔2幀選取一幅圖像，從圖像中可以明顯看出奶牛嘴部活動特征，對圖像處理后，進行差分統計，統計10秒內150幀圖像的目標像素的變化量f，繪制其曲線如圖4所示，通過對曲線變化率進行統計，計算得到奶牛咀嚼次數。

上述各實施例僅用于說明本發(fā)明，其中方法的各實施步驟等都是可以有所變化的，凡是在本發(fā)明技術方案的基礎上進行的等同變換和改進，均不應排除在本發(fā)明的保護范圍之外。