| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 基于机器视觉的畜禽跟踪及猪异常分析的国内外研究现状 | 第14-17页 |
| 1.2.1 基于机器视觉的目标检测研究现状 | 第14-15页 |
| 1.2.2 基于机器视觉的畜禽跟踪与行为分析的研究现状 | 第15-16页 |
| 1.2.3 猪异常分析研究现状 | 第16-17页 |
| 1.3 论文研究内容和结构安排 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 家猪行为监测采集系统 | 第19-25页 |
| 2.1 视频采集系统硬件介绍 | 第19-22页 |
| 2.2 视频采集系统软件介绍 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 图像预处理与猪目标的检测 | 第25-47页 |
| 3.1 图像预处理 | 第25-28页 |
| 3.1.1 感兴趣区域ROI | 第25-26页 |
| 3.1.2 视频图像滤波方法 | 第26-28页 |
| 3.1.3 边缘检测 | 第28页 |
| 3.2 运动目标检测方法检测猪目标 | 第28-35页 |
| 3.2.1 背景差分的运动目标检测 | 第28-30页 |
| 3.2.2 帧间差分的运动目标检测 | 第30-32页 |
| 3.2.3 光流法的运动目标检测 | 第32页 |
| 3.2.4 基于高斯混合模型的运动目标检测方法 | 第32-35页 |
| 3.3 静止目标检测方法检测猪目标 | 第35-46页 |
| 3.3.1 基于颜色的猪目标检测方法 | 第35-38页 |
| 3.3.2 均值漂移图像分割法 | 第38-41页 |
| 3.3.3 Grab Cut图像分割法 | 第41-44页 |
| 3.3.4 结合颜色特征与Grab Cut分割法的猪目标检测 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 猪目标的视频跟踪 | 第47-65页 |
| 4.1 常见的目标跟踪方法介绍 | 第47-51页 |
| 4.1.1 基于Cam Shift的目标跟踪算法 | 第47-48页 |
| 4.1.2 基于特征匹配的目标跟踪算法 | 第48-49页 |
| 4.1.3 基于粒子滤波理论的目标跟踪算法 | 第49-51页 |
| 4.2 基于Vibe算法的猪目标跟踪 | 第51-61页 |
| 4.2.1 Vibe算法介绍 | 第51-53页 |
| 4.2.2 Vibe算法的实验及优缺点分析 | 第53-58页 |
| 4.2.3 基于Vibe算法的猪目标跟踪改进策略 | 第58-61页 |
| 4.3 猪目标跟踪实验结果 | 第61-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 基于运动轨迹的猪异常行为评价 | 第65-73页 |
| 5.1 行为锚定等级评价法 | 第65-66页 |
| 5.2 关键事件选择与猪异常评价体系的建立 | 第66-72页 |
| 5.2.1 猪目标轨迹处理方法及猪行为关键事件选择 | 第66-69页 |
| 5.2.2 建立猪异常评价体系 | 第69-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 研究内容展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 攻读学位期间发表的学术论文及参与科研项目 | 第83页 |
