[發明專利]一種家畜跟蹤方法及裝置

有效

• 申請號: 202110452091.2
• 申請日: 2021-04-25
• 公開（公告）號: CN113192106B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 毛亮;龔文超;陳鵬飛;楊曉帆
• 申請（專利權）人: 深圳職業技術學院
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/62;G06T7/73;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

本發明公開了一種家畜跟蹤方法及裝置。所述家畜跟蹤方法，包括步驟：S1、逐幀接收監控視頻，并通過目標檢測網絡對當前視頻幀進行目標檢測，得到所述當前視頻幀的跟蹤目標；S2、在所述當前視頻幀為初始視頻幀時，向所述當前視頻幀的跟蹤目標分配家畜標號；S3、在所述當前視頻幀為中間視頻幀時，根據預先定義的多閾值逐級匹配策略將所述當前視頻幀的跟蹤目標與先前視頻幀的跟蹤目標進行匹配，并在匹配成功時使所述當前視頻幀的跟蹤目標繼承所述先前視頻幀的跟蹤目標的家畜標號；S4、重復步驟S1～S3直至所述當前視頻幀為終止視頻幀。本發明能夠充分考慮到實際場景中多只家畜快速運動甚至消失、家畜之間嚴重粘連的情況，實現穩定準確地跟蹤家畜。

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種家畜跟蹤方法及裝置。

背景技術

為了實現生豬等家畜的健康養殖，逐漸應用計算機視覺技術進行家畜的行為識別，以關注家畜的生活狀態。目標行為識別的過程可分為目標識別、目標跟蹤和行為識別，其中目標跟蹤作為一關鍵環節，具有重要的研究意義。目前提出的較具有代表性的目標跟蹤算法是Deepsort算法和IOU-Tracker算法。

Deepsort算法采用了遞歸的卡爾曼濾波對每個目標的位置進行預測，以及逐幀的數據關聯，在目標特征提取方面提取當前幀的圖片信息后使用經過ReID訓練的殘差網絡提取目標特征，最后采用了匈牙利算法對檢測和追蹤框進行匹配。IOU-Tracker算法擁有速度快、算法簡單、不需要圖片信息等特點，在目標匹配前采用閾值法除去檢測置信度較低的目標，然后對比前后幀目標相交的IOU區域進行目標匹配，此外為減少目標的轉換，目標跟蹤的幀數不少于Tmin，當出現跟蹤幀數少于Tmin時，移除目標信息。

對于上述算法，Deepsort算法在跟蹤時需要提取目標的圖片信息，不適用于體型相近的生豬等家畜，在多只家畜快速運動、家畜之間嚴重粘連的情況下，容易造成家畜標號互換，且Deepsort算法采用了ReID訓練的殘差網絡提取目標特征，在運行速度上遠遠低于不需要圖片信息的目標跟蹤算法；IOU-Tracker算法采用的是單閾值匹配方法，在家畜之間粘連時容易造成匹配錯誤，且IOU-Tracker算法沒有預測目標位置，在家畜移動過快以及家畜丟失時，無法跟蹤到家畜。

因此，目前提出的目標跟蹤方法尚不能完美適用于家畜目標，難以穩定準確地跟蹤家畜。

發明內容

為了克服現有技術的缺陷，本發明提供一種家畜跟蹤方法及裝置，能夠充分考慮到實際場景中多只家畜快速運動甚至消失、家畜之間嚴重粘連的情況，實現穩定準確地跟蹤家畜。

為了解決上述技術問題，第一方面，本發明一實施例提供一種家畜跟蹤方法，包括步驟：

S1、逐幀接收監控視頻，并通過目標檢測網絡對當前視頻幀進行目標檢測，得到所述當前視頻幀的跟蹤目標；

S2、在所述當前視頻幀為初始視頻幀時，向所述當前視頻幀的跟蹤目標分配家畜標號；

S3、在所述當前視頻幀為中間視頻幀時，根據預先定義的多閾值逐級匹配策略將所述當前視頻幀的跟蹤目標與先前視頻幀的跟蹤目標進行匹配，并在匹配成功時使所述當前視頻幀的跟蹤目標繼承所述先前視頻幀的跟蹤目標的家畜標號；

S4、重復步驟S1～S3直至所述當前視頻幀為終止視頻幀。

進一步地，所述通過目標檢測網絡對當前視頻幀進行目標檢測，得到所述當前視頻幀的跟蹤目標，具體為：

通過所述目標檢測網絡對所述當前視頻幀進行目標檢測，得到所述當前視頻幀的若干個初選目標；

從若干個所述初選目標中篩選出置信度大于預設置信度閾值的初選目標作為所述當前視頻幀的跟蹤目標。