李国强
- 作品数：2 被引量：13H指数：2
- 供职机构：西北农林科技大学机械与电子工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于机器学习的奶牛深度图像身体区域精细分割方法被引量：13
- 2017年
- 奶牛目标各区域的精细分割和识别能够提供精确的奶牛形体细节信息,是奶牛体形评价、姿态检测、行为分析和理解的前提和基础。为实现深度图像中奶牛头、颈、躯干和四肢等身体区域的精确分割,提出一种基于深度图像特征和机器学习的奶牛目标各区域精细分割方法。该方法以每个像素点在不同采样半径下的带阈值LBP序列为深度特征值,设置分类约束条件,用决策树森林机器学习方法实现奶牛各区域的精细分类。对10头奶牛的288幅侧视深度图像进行试验,结果表明,当采样半径分段数为30,决策树训练至20层时,奶牛整体各像素点的平均识别率为95.15%,较传统深度图像特征值有更强的细节信息提取能力,可以用较少参数实现对复杂结构的精确识别。
- 赵凯旋李国强何东健
- 关键词：奶牛目标检测深度图像
- 基于骨架特征的奶牛肢体分解方法研究被引量：2
- 2017年
- 通过奶牛各个肢体部位可获取更加精准的奶牛运动细节信息,是奶牛姿态检测、行为分析和理解的基础。为实现奶牛头部、脖子、躯干、前肢、后肢和尾巴的精确分解,研究并提出一种基于骨架特征的奶牛肢体分解方法。该方法在依据深度信息阈值提取深度图像中奶牛目标的基础上,用基于距离场的骨架提取算法生成奶牛骨架,对冗余骨架枝进行剪枝后,提取骨架分叉点并用其生成候选分割线,再用形状视觉显著度和分割线优先级对候选分割线进行优化处理。试验结果表明,奶牛各个肢体分解平均正确率为95.09%,且对较难分割的尾部正确率达95.51%;对仰头、正常行走、微低头和低头体态下的肢体分解平均正确率分别为95.18%、95.00%、94.85%和96.23%,可实现不同体态奶牛的高精度分解。
- 李国强何东健赵凯旋雷雨
- 关键词：奶牛深度图像
