基于视频分析的奶牛发情信息检测方法研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究概况 | 第13-17页 |
| 1.2.1 传统人工鉴定方法 | 第14页 |
| 1.2.2 基于活动量的检测方法 | 第14-15页 |
| 1.2.3 基于体温和声音特征的检测方法 | 第15页 |
| 1.2.4 基于视频分析的检测方法 | 第15-16页 |
| 1.2.5 存在问题 | 第16-17页 |
| 1.3 研究内容 | 第17页 |
| 1.4 研究方法和技术路线 | 第17-18页 |
| 1.4.1 研究方法 | 第17页 |
| 1.4.2 技术路线 | 第17-18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第二章 奶牛行为分析与视频采集 | 第20-26页 |
| 2.1 奶牛日常行为和基本行为 | 第20-22页 |
| 2.2 奶牛发情与爬跨行为间的关系 | 第22页 |
| 2.3 活动场奶牛日常行为视频采集 | 第22-25页 |
| 2.3.1 奶牛行为视频采集平台 | 第22-24页 |
| 2.3.2 奶牛视频处理平台 | 第24-25页 |
| 2.3.3 视频样本获取方法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 奶牛日常行为视频图像预处理 | 第26-34页 |
| 3.1 图像掩膜处理 | 第26-27页 |
| 3.2 图像去噪处理 | 第27-29页 |
| 3.3 图像增强处理 | 第29-32页 |
| 3.3.1 图像增强方法 | 第29-30页 |
| 3.3.2 图像增强试验与结果分析 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 复杂背景下奶牛目标区域检测方法 | 第34-46页 |
| 4.1 常见运动目标检测方法分析 | 第34-41页 |
| 4.1.1 帧间差法 | 第34-36页 |
| 4.1.2 光流法 | 第36-38页 |
| 4.1.3 背景减去法 | 第38-39页 |
| 4.1.4 高斯混合模型法 | 第39-41页 |
| 4.2 基于颜色和纹理特征的奶牛目标区域检测方法 | 第41-43页 |
| 4.3 奶牛目标区域检测试验结果与分析 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 奶牛目标区域特征提取 | 第46-54页 |
| 5.1 图像特征与描述 | 第46-47页 |
| 5.1.1 颜色特征 | 第46页 |
| 5.1.2 纹理特征 | 第46页 |
| 5.1.3 几何特征 | 第46-47页 |
| 5.1.4 运动特征 | 第47页 |
| 5.1.5 奶牛爬跨行为特征分析 | 第47页 |
| 5.2 奶牛目标区域特征提取 | 第47-53页 |
| 5.2.1 区域几何特征提取 | 第48-50页 |
| 5.2.2 区域光流特征提取 | 第50-51页 |
| 5.2.3 特征向量的优选 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 奶牛爬跨行为分类模型构建与识别试验 | 第54-64页 |
| 6.1 常见的分类器 | 第54-55页 |
| 6.2 奶牛爬跨行为分类模型 | 第55-61页 |
| 6.2.1 SVM分类模型 | 第55-58页 |
| 6.2.2 BP神经网络分类模型 | 第58-60页 |
| 6.2.3 KNN分类模型 | 第60-61页 |
| 6.3 奶牛爬跨行为识别试验与结果分析 | 第61-62页 |
| 6.3.1 试验样本 | 第61页 |
| 6.3.2 识别准确率试验与结果分析 | 第61-62页 |
| 6.4 识别效率试验与结果分析 | 第62-63页 |
| 6.5 本章小结 | 第63-64页 |
| 第七章 结论与展望 | 第64-66页 |
| 7.1 结论 | 第64页 |
| 7.2 创新点 | 第64-65页 |
| 7.3 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
