| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 基于机器视觉的畜禽行为检测研究现状 | 第15-18页 |
| 1.2.2 生猪异常分析研究现状 | 第18-19页 |
| 1.3 本文主要研究内容 | 第19-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 生猪行为监测系统 | 第22-28页 |
| 2.1 生猪行为监测系统总体设计 | 第22-24页 |
| 2.2 视频采集系统硬件介绍 | 第24-27页 |
| 2.3 视频采集系统软件介绍 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 生猪目标检测 | 第28-46页 |
| 3.1 生猪目标检测算法的分析与实验 | 第28-34页 |
| 3.1.1 双峰直方图法 | 第28-29页 |
| 3.1.2 基于改进OTSU的生猪目标检测 | 第29-32页 |
| 3.1.3 基于颜色特征的生猪目标检测 | 第32-34页 |
| 3.2 生猪检测图像处理 | 第34-38页 |
| 3.2.1 二值图像滤波 | 第34-35页 |
| 3.2.2 形态学处理 | 第35-37页 |
| 3.2.3 生猪检测图像处理结果 | 第37-38页 |
| 3.3 基于均值漂移融合超像素的生猪目标检测 | 第38-45页 |
| 3.3.1 均值漂移图像分割法 | 第38-40页 |
| 3.3.2 SLIC超像素分割 | 第40-42页 |
| 3.3.3 融合超像素信息的均值漂移实验结果 | 第42-45页 |
| 3.4 本章总结 | 第45-46页 |
| 第四章 基于目标特征的生猪体态识别 | 第46-68页 |
| 4.1 生猪体态样本库的建立 | 第46-48页 |
| 4.2 生猪目标的轮廓提取 | 第48-50页 |
| 4.2.1 边缘检测算子分析 | 第48页 |
| 4.2.2 基于Canny算子的生猪目标轮廓提取 | 第48-50页 |
| 4.3 生猪目标的特征提取与优选 | 第50-59页 |
| 4.3.1 生猪几何参数特征的提取 | 第50-53页 |
| 4.3.2 生猪边界矩特征的提取 | 第53-56页 |
| 4.3.3 生猪目标的特征分析 | 第56-58页 |
| 4.3.4 基于类内类间距离判据的生猪目标特征优选 | 第58-59页 |
| 4.4 基于决策树支持向量机的生猪体态识别 | 第59-66页 |
| 4.4.1 支持向量机理论 | 第59-63页 |
| 4.4.2 生猪体态分类决策树构建及参数优化 | 第63-64页 |
| 4.4.3 生猪体态识别的实验结果与比较 | 第64-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 生猪异常评价体系 | 第68-78页 |
| 5.1 生猪体态图像标注 | 第68-70页 |
| 5.1.1 基于内容的图像检索 | 第68-69页 |
| 5.1.2 生猪体态图像标注实现 | 第69-70页 |
| 5.2 生猪异常评价体系的建立 | 第70-76页 |
| 5.2.1 行为锚定评价法 | 第71-72页 |
| 5.2.2 生猪行为评价项目选择 | 第72-73页 |
| 5.2.3 建立生猪异常评价体系 | 第73-76页 |
| 5.3 本章小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 研究工作总结 | 第78-79页 |
| 6.2 研究工作展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 攻读学位期间发表的学术论文及参与科研项目 | 第88页 |