《表1视觉系统在猪行为识别中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《计算机视觉技术在猪行为识别中应用的研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

目标丢失是导致跟踪算法失效的主要因素，其原因是群养猪的多个猪体间相互靠近和触碰致使目标间粘连遮挡。相关学者利用一些改进方案的算法解决了跟踪过程中的猪体粘连问题。Lu等[48]用椭圆对粘连仔猪分割并计数，对包含单个仔猪的大量图像椭圆拟合，从而确定需要拟合的椭圆各参数范围。提取图像中连通区域的轮廓，并将每个连通区域轮廓根据凹点分割，再对分割后的各轮廓段进行椭圆拟合，最后提出了一种合并规则完成猪只的准确分割和计数；肖德琴等[49]提出一种颜色特征与轮廓特征结合的方法解决猪只粘连问题，先基于颜色特征分割得到MASK，再将其与原图叠加，既去除环境干扰又保留原图猪只细节，再利用边缘检测提取猪只轮廓，将边缘信息与MASK叠加，最后用最小化代价函数的椭圆拟合确定猪只目标，可将有轻度粘连的猪只分割开来；高云等[47]采用改进分水岭分割算法分割视频图像中的粘连猪头部和尾部，用距离变换法计算猪体单个连通域中每个像素点到背景间的最短距离，以该距离值取代原来灰度值为0的像素点灰度值，形成极小值区域；每只猪体连通域的极小值区域为分水岭“山谷”，从而寻找分水岭脊线。