猪动物行为识别.pptVIP

猪动物行为识别;;;;0;射频RFID--采食，饮水，排泄;射频RFID--采食，饮水，排泄;;;;射频RFID--采食，饮水，排泄;无线传感器--走，跳，跑，静止;无线传感器--走，跳，跑，静止;无线传感器--走，跳，跑，静止;;;;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。 ;;;;图像识别;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;;;;;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;基于视频流的运动人体行为识别技术研究_熊静;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。 ;基于视频流的运动??体行为识别技术研究_熊静;;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，因此只有关节点可见。;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。 ;基于区域的运动人体跟踪 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。 下面是一种比较通用的运动人体划分法，将人体按照比例来简单划分，先求出人体的高度，就是所占用的像素值 H，将其七等分，头占一份，上身和下肢各占三等分 ;基于视频流的运动人体行为识别技术研究_熊静;;隐马尔可夫模型（HMM）;一个隐士也许不能够直接获取到天气的观察情况，但是他有一些水藻。民间传说告诉我们水藻的状态与天气状态有一定的概率关系——天气和水藻的状态是紧密相关的。在这个例子中我们有两组状态，观察的状态（水藻的状态）和隐藏的状态（天气的状态）。;一旦一个系统可以作为HMM被描述，就可以用来解决三个基本问题。其中前两个是模式识别的问题：给定HMM求一个观察序列的概率（评估）；搜索最有可能生成一个观察序列的隐藏状态序列（解码）。第三个问题是给定观察序列生成一个HMM（学习）。;实现的细节;实现的细节;实现的细节;实现的细节;实现的细节;图像匹配技术;