[go: up one dir, main page]

CN111539365B - 一种动物行为分析方法、装置及电子设备 - Google Patents

一种动物行为分析方法、装置及电子设备 Download PDF

Info

Publication number
CN111539365B
CN111539365B CN202010358398.1A CN202010358398A CN111539365B CN 111539365 B CN111539365 B CN 111539365B CN 202010358398 A CN202010358398 A CN 202010358398A CN 111539365 B CN111539365 B CN 111539365B
Authority
CN
China
Prior art keywords
animal
light source
walking
source image
foot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN202010358398.1A
Other languages
English (en)
Other versions
CN111539365A (zh
Inventor
赵伟
李佳琦
祁玥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou University
Original Assignee
Lanzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lanzhou University filed Critical Lanzhou University
Priority to CN202010358398.1A priority Critical patent/CN111539365B/zh
Publication of CN111539365A publication Critical patent/CN111539365A/zh
Application granted granted Critical
Publication of CN111539365B publication Critical patent/CN111539365B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Peptides Or Proteins (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明实施例涉及计算机技术领域，公开了一种动物行为分析的方法、装置及电子设备，该方法通过获取动物进入步行台前后的第一光源图像和第二光源图像，计算所述动物的步宽、步幅及步行周期，从而帮助科研人员更好的研究动物的生活习性及其身体状况。

Description

一种动物行为分析方法、装置及电子设备
技术领域
本发明涉及计算机技术领域，特别涉及一种动物行为分析方法、装置及电子设备。
背景技术
步态是指人、动物或机器在运动过程中，肢体/组件在时间和空间上的协调关系，它是运动学和行为学分析的一个重要参数。步态分析是利用生物力学的概念、方法、手段和已知的解剖学、生理学知识，借助现代计算机技术和图形图像技术，对行走的功能状态进行分析的研究方法。针对动物进行的步态分析是研究动物行为的重要手段，能够直接反映出动物的运动能力与健康状况，也能够从侧面反映出动物生活环境的变化，对研究动物行为及其生存环境具有极为重要的意义。
在实现本发明过程中，发明人发现以上相关技术中至少存在如下问题：现有技术中缺少一种辅助科研人员更好的研究动物生活习性及行为的方法及设备。
发明内容
针对现有技术的上述缺陷，本发明的目的是提供一种能够有效管理员工考勤信息的考勤信息呈现的方法、装置及电子设备。
本发明的目的是通过如下技术方案实现的：
为解决上述技术问题，第一方面，本发明实施例中提供了一种动物行为分析的方法，包括：
获取动物进入步行台前所述步行台的第一光源图像；
获取所述动物进入步行台后，所述步行台和所述动物的第二光源图像；
根据所述第一光源图像和所述第二光源图像计算所述动物的大小和在所述步行台上的位置；
根据所述动物的大小和所述动物在步行台上的位置，计算所述动物的每个足的足印位置；
根据所述动物的每个足的足印位置，计算所述动物的步宽、步幅及步行周期；
获取所述动物的活动时长，根据所述动物的活动时长、步幅及步行周期，计算所述动物的活动量。
在一些实施例中，所述获取动物进入步行台前所述步行台的第一光源图像的步骤具体包括；
获取预设时长内的多帧初始光源图像；
根据降噪处理算法，对所述多帧初始光源图像中的初始像素点进行降噪处理，所述降噪处理算法的计算公式如下：
P(i,j)＝Reduct(I(i,j))
其中，I(i,j)表示所述多帧初始光源图像中的初始像素点，P(i,j)表示经降噪处理后的初始像素点。Reduct(x)＝int(x/n)*n，int()表示取整，n表示所述多帧初始光源图像的个数；
根据取众数算法，对所述经降噪处理后的初始像素点进行取众数处理，获得第一光源图像，
所述取众数算法的计算公式如下：
Q(i,j)＝Mode(Pseq(i,j))
Pseq(i,j)表示P(i,j)的序列，Mode表示取众数。
在一些实施例中，所述根据所述第一光源图像和所述第二光源图像计算所述动物的大小和在所述步行台上的位置的步骤，进一步包括：
所述计算所述动物的大小和所述动物在所述步行台上的位置的计算公式如下：
D(i,j)＝abs(I(i,j)-Q(i,j))，
其中，abs()表示取绝对值，D(i,j)表示第一光源图像和第二光源图像的差分图像；
Roi＝ScaleMax(D(i,j)>T)，
ScaleMax()表示在单一尺度的矩形框下，令矩形框在I(i,j)中滑动，当滑动到某一位置时，若该矩形框内满足条件(D(i,j)>T)的数量和比例达到最大时，记录该位置为Roi，T为常数；
RoiM＝Multiscale(Roi)，采用多个尺度分别实现ScaleMax方法，从多个Roi中，在保证数量最大时，同时保证比例最大的roi，即RoiM，为活动物体的位置及大小。
为解决上述技术问题，第二方面，本发明实施例中提供了一种动物行为分析的装置，包括：
第一获取模块，用于获取动物进入步行台前所述步行台的第一光源图像；
第二获取模块，用于获取所述动物进入步行台后，所述步行台和所述动物的第二光源图像；
第一计算模块，用于根据所述第一光源图像和所述第二光源图像计算所述动物的大小和在所述步行台上的位置；
第二计算模块，用于根据所述动物的大小和所述动物在步行台上的位置，计算所述动物的每个足的足印位置；
第三计算模块，用于根据所述动物的每个足的足印位置，计算所述动物的步宽、步幅及步行周期；
第四计算模块，用于获取所述动物的活动时长，根据所述动物的活动时长、步幅及步行周期，计算所述动物的活动量。
为解决上述技术问题，第三方面，本发明实施例提供了一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上第一方面所述的方法。
为解决上述技术问题，第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上第一方面所述的方法。
为解决上述技术问题，第五方面，本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行如上第一方面所述的方法。
与现有技术相比，本发明的有益效果是：区别于现有技术的情况，本发明实施例中提供了一种动物行为分析的方法、装置及电子设备，该方法通过获取动物进入步行台前后的第一光源图像和第二光源图像，计算所述动物的步宽、步幅及步行周期，从而帮助科研人员更好的研究动物的生活习性及其身体状况。
附图说明
一个或多个实施例中通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件/模块和步骤表示为类似的元件/模块和步骤，除非有特别申明，附图中的图不构成比例限制。
图1是应用于本发明实施例的动物行为分析的方法的实施例的示例性系统结构示意图；
图2是本发明实施例提供的一种动物行为分析的方法的流程图；
图3是图2所示方法中步骤110的子流程图；
图4是本发明实施例提供的一种考勤信息呈现的装置的结构示意图；
图5是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术员工进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术员工来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本申请的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。此外，本文所采用的“第一”、“第二”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术员工通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参见图1，为应用于本发明的动物行为分析方法的示例性系统结构示意图。如图1所示，该系统结构包括高速摄像机10、运动平台20和电子设备30。所述高速摄像机10与电子设备30通信连接。所述通信连接可以是网络连接，可以包括各种连接类型，比如有线、无线通信链路或者光纤电缆等。
所述高速摄像机10位于运动平台20的正下方，并且所述高速摄像机的摄像头朝向所述运动平台20，所述高速摄像机10与电子设备30通信连接，以实现数据传输。具体地，所述高速摄像机10可以发送获取的图像至所述电子设备30，所述电子设备30根据所述高速摄像机10获取的图像，分析所述图像中动物的行为信息。
所述运动平台20包括用于允许动物自由穿行的步行台和设置于步行台下方的光源。该步行台由玻璃板搭建而成，设置于步行台下方的光源向该步行台的玻璃板发出光线，并且该光线散射至玻璃板内。所述高速摄像机10设置于步行台下方，用于捕捉动物穿过步行台时的图像，并将该图像传输至电子设备30，由电子设备30进行分析。
需要说明的是，本申请实施例所提供的动物行为分析方法一般由上述电子设备30执行，相应地，动物行为分析装置一般设置于所述电子设备30中。
所述电子设备30可以是的一种物理的终端服务器，通过网络与所述高速摄像机10通过一定的通信协议通信连接。所述服务器30进一步地，也可以是云服务器、云主机、云服务平台、云计算平台等，同样的能够通过网络与述高速摄像机10和所述电子设备30通过一定的通信协议通信连接。所述网络可是以太网或者是局域网，所述通信协议可以是TCP/IP、NETBEUI和IPX/SPX等通信协议，所述通信连接可以是无线连接或者有线连接，具体地，可根据实际需要进行设置。
所述电子设备30可以为一独立的计算及存储中心/装置，也可以是与所述高速摄像机10及运动平台20一体设置的装置/系统。例如，在应用场景的空间范围较小时，所述电子设备30可以为一与所述高速摄像机10及运动平台20设置为一体的装置。
具体地，下面结合附图，对本发明实施例作进一步阐述。
本发明实施例提供了一种动物行为分析方法，该方法可被上述电子设备30所执行，请参见图2，其示出了根据上述系统结构所应用的一种动物行为分析方法的流程图，该方法包括但不限于以下步骤：
步骤110：获取动物进入步行台前所述步行台的第一光源图像。
为获取所述步行台的第一光源图像，即所述步行台的场景图像；需使得所述电子设备30能够识别所述步行台是否有动物活动，即需所述电子设备30进行场景学习。如图3所示，具体步骤如下：
步骤111：获取预设时长内的多帧初始光源图像。
步骤112：根据降噪处理算法，对所述多帧初始光源图像中的初始像素点进行降噪处理。所述降噪处理算法的计算公式如下：
P(i,j)＝Reduct(I(i,j))
其中，I(i,j)表示所述多帧初始光源图像中的初始像素点，P(i,j)表示经降噪处理后的初始像素点。Reduct(x)＝int(x/n)*n，int()表示取整，n表示所述多帧初始光源图像的个数。当使用高速摄像机10进行拍摄时，获取的初始光源图像中初始像素点的值会有上下浮动，为了去掉该干扰因素，需对所述多帧初始光源图像中的初始像素点进行降噪处理。
步骤113：根据取众数算法，对所述经降噪处理后的初始像素点进行取众数处理，获得第一光源图像。
所述取众数算法的计算公式如下：
Q(i,j)＝Mode(Pseq(i,j))
Pseq(i,j)表示P(i,j)的序列，假设摄像机在3秒内取得100帧图像，则Pseq(i,j)表示连续的100个P(i,j)的序列。Mode表示取众数(一段数字中出现次数最多的数字)。Q(i,j)从3秒的Pseq(i,j)序列中，在每个像素位置上，取得Pseq(i,j)的众数，完成场景学习。所述第一光源图像为所述Q(i,j)。
步骤120：获取所述动物进入步行台后，所述步行台和所述动物的第二光源图像。
当所述动物进入步行台后，所述高速摄像机10获取第二光源图像I(i,j)，图像中包含步行台和所述动物。
步骤130：根据所述第一光源图像和所述第二光源图像计算所述动物的大小和在所述步行台上的位置。
所述计算所述动物的大小和所述动物在所述步行台上的位置的计算公式如下：
D(i,j)＝abs(I(i,j)-Q(i,j))，
其中，abs()表示取绝对值，D(i,j)表示第一光源图像和第二光源图像的差分图像即，所述动物的图像。
Roi＝ScaleMax(D(i,j)>T)，
ScaleMax()表示在单一尺度的矩形框下，令矩形框在I(i,j)中滑动。当滑动到某一位置时，若该矩形框内满足条件(D(i,j)>T)的数量和比例达到最大时，记录该位置为Roi。T为用户根据动物的类别凭借工作经验设定的常数。
RoiM＝Multiscale(Roi)，采用多个尺度分别实现ScaleMax方法，从多个Roi中，在保证数量最大时，同时保证比例最大的roi，即RoiM，为活动物体的位置及大小(尺度)。
步骤140：根据所述动物的大小和所述动物在步行台上的位置，计算所述动物的每个足的足印位置。
仍然采用单一尺度的Roi＝ScaleMax(D(i,j)>T)，但所采用尺度是根据物种的不同而有所差异。假设被测物种为蜥蜴，视角为俯瞰，其足印面积与身体面积的比例为r，则根据RoiM中计算出的大小(尺度)，可估算蜥蜴的足印面积约为area_foot＝r*RoiM(area)，将area_foot作为Roi＝ScaleMax(D(i,j)>T)的尺度输入，找到活动物体的每个足印位置。
步骤150：根据所述动物的每个足的足印位置，计算所述动物的步宽、步幅及步行周期。
仍以蜥蜴为例，可通过人工标记的方式对活体动物的所有足印进行标记，以区分该足印对应的蜥蜴的哪个足(蜥蜴的足包括左前足，右前足，左后足和右后足)，同一个足对应的相邻两个足印的距离即为动物的步幅，两个前足或者两个后足产生的足印的间距为步宽。计算图像的总帧数及每帧图像的延迟毫秒数的积为所述动物的步行时长。该步行时长除以同一足对应的足印数量即为所述动物的步行周期。
步骤160：获取所述动物的活动时长，根据所述动物的活动时长、步幅及步行周期，计算所述动物的活动量。
在野生动物的研究中，可在野外设置多个红外摄像头，根据红外摄像头捕捉到的野生动物视频图像，获得该动物的活动时长，根据所述动物的活动时长、步幅及步行周期，计算所述动物的活动量，从而帮助科研人员更好的研究动物的生活习性及其身体状况。
本发明实施例还提供了一种动物行为分析的装置，请参见图4，其示出了本申请实施例提供的一种动物行为分析的装置的结构图，该动物行为分析的装置200包括：第一获取模块210、第二获取模块220、第一计算模块230、第二计算模块240和第三计算模块250以及第四计算模块260。
所述第一获取模块210用于获取动物进入步行台前所述步行台的第一光源图像。
所述第二获取模块220用于获取所述动物进入步行台后，所述步行台和所述动物的第二光源图像。
所述第一计算模块230用于根据所述第一光源图像和所述第二光源图像计算所述动物的大小和所述动物在所述步行台上的位置。
所述第二计算模块240用于根据所述动物的大小和所述动物在步行台上的位置，计算所述动物的每个足的足印位置。
所述第三计算模块250用于根据所述动物的每个足的足印位置，计算所述动物的步宽、步幅及步行周期。
所述第三计算模块260用于获取所述动物的活动时长，根据所述动物的活动时长、步幅及步行周期，计算所述动物的活动量。
需要说明的是，由于本实施例中的动物行为分析的装置与上述方法实施例基于相同的发明构思，因此，方法实施例中的相应内容同样适用于装置实施例，此处不再详述。
本发明实施例还提供了一种电子设备，请参见图5，其示出了能够执行图2至图4所述动物行为分析的方法的电子设备的硬件结构。所述电子设备10可以是图1所示的电子设备10。
所述电子设备10包括：至少一个处理器11；以及，与所述至少一个处理器11通信连接的存储器12，图5中以其以一个处理器11为例。所述存储器12存储有可被所述至少一个处理器11执行的指令，所述指令被所述至少一个处理器11执行，以使所述至少一个处理器11能够执行上述图2至图3所述的动物行为分析的方法。所述处理器11和所述存储器12可以通过总线或者其他方式连接，图5中以通过总线连接为例。
存储器12作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的动物行为分析的方法对应的程序指令/模块，例如，附图4所示的各个模块。处理器11通过运行存储在存储器12中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例动物行为分析的方法。
存储器12可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据考勤信息呈现的装置的使用所创建的数据等。此外，存储器12可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器12可选包括相对于处理器11远程设置的存储器，这些远程存储器可以通过网络连接至动物行为分析的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器12中，当被所述一个或者多个处理器11执行时，执行上述任意方法实施例中的动物行为分析的方法，例如，执行以上描述的图2至图3的方法步骤，实现图4中的各模块和各单元的功能。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图2至图3的方法步骤，实现图4中的各模块和各单元的功能。
本申请实施例还提供了一种计算机程序产品，包括存储在非易失性计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时时，使所述计算机执行上述任意方法实施例中的动物行为分析的方法，例如，执行以上描述的图2至图3的方法步骤，实现图4中的各模块和各单元的功能。
本发明实施例中提供了一种动物行为分析的方法、装置及电子设备，该方法通过获取动物进入步行台前后的第一光源图像和第二光源图像，计算所述动物的步宽、步幅及步行周期，从而帮助科研人员更好的研究动物的生活习性及其身体状况。
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术员工可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术员工可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术员工应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种动物行为分析的方法，其特征在于，包括：
获取动物进入步行台前所述步行台的第一光源图像；
获取所述动物进入步行台后，所述步行台和所述动物的第二光源图像；
根据所述第一光源图像和所述第二光源图像计算所述动物的大小和在所述步行台上的位置，其中，所述计算所述动物的大小和所述动物在所述步行台上的位置的计算公式如下：D(i,j)＝abs(I(i,j)-Q(i,j))，abs()表示取绝对值，D(i,j)表示第一光源图像和第二光源图像的差分图像，Roi＝ScaleMax(D(i,j)>T)，ScaleMax()表示在单一尺度的矩形框下，令矩形框在I(i,j)中滑动，当滑动到某一位置时，若该矩形框内满足条件(D(i,j)>T)的数量和比例达到最大时，记录该位置为Roi，T为常数，RoiM＝Multiscale(Roi)，采用多个尺度分别实现ScaleMax方法，从多个Roi中，在保证数量最大时，同时保证比例最大的roi，即RoiM，为活动物体的位置及大小；
根据所述动物的大小和所述动物在步行台上的位置，计算所述动物的每个足的足印位置，其中，足印面积与身体面积的比例为r，则根据RoiM中计算出所述动物的大小，足印面积为area_foot＝r*RoiM(area)，将area_foot作为Roi＝ScaleMax(D(i,j)>T)的尺度输入，找到所述物体的每个足的足印位置；
根据所述动物的每个足的足印位置，计算所述动物的步宽、步幅及步行周期，其中，所述动物同一个足对应的相邻两个足印的距离即为所述动物的步幅，两个前足或者两个后足产生的足印的间距为步宽，计算图像的总帧数及每帧图像的延迟毫秒数的积为所述动物的步行时长，所述步行时长除以同一足对应的足印数量即为所述动物的步行周期；
获取所述动物的活动时长，根据所述动物的活动时长、步幅及步行周期，计算所述动物的活动量。
2.根据权利要求1所述的方法，其特征在于，
所述获取动物进入步行台前所述步行台的第一光源图像的步骤具体包括；
获取预设时长内的多帧初始光源图像；
根据降噪处理算法，对所述多帧初始光源图像中的初始像素点进行降噪处理，所述降噪处理算法的计算公式如下：
P(i,j)＝Reduct(I(i,j))
其中，I(i,j)表示所述多帧初始光源图像中的初始像素点，P(i,j)表示经降噪处理后的初始像素点，Reduct(x)＝int(x/n)*n，int()表示取整，n表示所述多帧初始光源图像的个数；
根据取众数算法，对所述经降噪处理后的初始像素点进行取众数处理，获得第一光源图像，
所述取众数算法的计算公式如下：
Q(i,j)＝Mode(Pseq(i,j))
Pseq(i,j)表示P(i,j)的序列，Mode表示取众数。
3.一种动物行为分析的装置，其特征在于，包括：
第一获取模块，用于获取动物进入步行台前所述步行台的第一光源图像；
第二获取模块，用于获取所述动物进入步行台后，所述步行台和所述动物的第二光源图像；
第一计算模块，用于根据所述第一光源图像和所述第二光源图像计算所述动物的大小和在所述步行台上的位置，其中，所述计算所述动物的大小和所述动物在所述步行台上的位置的计算公式如下：D(i,j)＝abs(I(i,j)-Q(i,j))，abs()表示取绝对值，D(i,j)表示第一光源图像和第二光源图像的差分图像，Roi＝ScaleMax(D(i,j)>T)，ScaleMax()表示在单一尺度的矩形框下，令矩形框在I(i,j)中滑动，当滑动到某一位置时，若该矩形框内满足条件(D(i,j)>T)的数量和比例达到最大时，记录该位置为Roi，T为常数，RoiM＝Multiscale(Roi)，采用多个尺度分别实现ScaleMax方法，从多个Roi中，在保证数量最大时，同时保证比例最大的roi，即RoiM，为活动物体的位置及大小；
第二计算模块，用于根据所述动物的大小和所述动物在步行台上的位置，计算所述动物的每个足的足印位置，其中，足印面积与身体面积的比例为r，则根据RoiM中计算出所述动物的大小，足印面积为area_foot＝r*RoiM(area)，将area_foot作为Roi＝ScaleMax(D(i,j)>T)的尺度输入，找到所述物体的每个足的足印位置；
第三计算模块，用于根据所述动物的每个足的足印位置，计算所述动物的步宽、步幅及步行周期，其中，所述动物同一个足对应的相邻两个足印的距离即为所述动物的步幅，两个前足或者两个后足产生的足印的间距为步宽，计算图像的总帧数及每帧图像的延迟毫秒数的积为所述动物的步行时长，所述步行时长除以同一足对应的足印数量即为所述动物的步行周期；
第四计算模块，用于获取所述动物的活动时长，根据所述动物的活动时长、步幅及步行周期，计算所述动物的活动量。
4.一种电子设备，其特征在于，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-2任一项所述的方法。
5.一种存储有计算机程序的可读存储介质，其特征在于，存储在可读存储介质上的计算机程序包括程序指令，当所述程序指令被处理器执行时，使所述处理器执行如权利要求1-2任一项所述的方法。
CN202010358398.1A 2020-04-29 2020-04-29 一种动物行为分析方法、装置及电子设备 Expired - Fee Related CN111539365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010358398.1A CN111539365B (zh) 2020-04-29 2020-04-29 一种动物行为分析方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010358398.1A CN111539365B (zh) 2020-04-29 2020-04-29 一种动物行为分析方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111539365A CN111539365A (zh) 2020-08-14
CN111539365B true CN111539365B (zh) 2022-08-23

Family

ID=71977347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010358398.1A Expired - Fee Related CN111539365B (zh) 2020-04-29 2020-04-29 一种动物行为分析方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111539365B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101098232A (zh) * 2007-07-12 2008-01-02 兰州大学 一种动态口令与多生物特征结合的身份认证方法
CA2712775A1 (en) * 2008-01-23 2009-07-30 Evan Goulding Systems and methods for behavioral monitoring and calibration
CN101716078A (zh) * 2009-12-17 2010-06-02 北京航空航天大学 一种针对小体型动物的步态分析系统
CN101874738A (zh) * 2009-12-23 2010-11-03 中国科学院自动化研究所 基于压力累积足印图像的人体生理分析与身份识别的方法
CN102289672A (zh) * 2011-06-03 2011-12-21 天津大学 红外步态双信道特征融合识别方法
TW201339879A (zh) * 2012-03-16 2013-10-01 Univ Nat Cheng Kung 動物行為監測方法及其系統
WO2015066460A2 (en) * 2013-11-01 2015-05-07 Children's Medical Center Corporation Devices and methods for analyzing rodent behavior
CN105373780A (zh) * 2015-11-12 2016-03-02 启安动物行为学科技股份有限公司 一种老鼠步态分析中的步迹识别方法、装置及系统
CN105684934A (zh) * 2015-06-26 2016-06-22 启安动物行为学科技股份有限公司 动物步行参数获取装置
CN106955109A (zh) * 2017-03-21 2017-07-18 深圳大学 步态行为记录分析仪、方法及系统
CN108073861A (zh) * 2016-11-16 2018-05-25 东北大学秦皇岛分校 一种新的异常步态分析方法及系统
CN109063661A (zh) * 2018-08-09 2018-12-21 上海弈知信息科技有限公司 步态分析方法及装置
WO2019032622A1 (en) * 2017-08-07 2019-02-14 The Jackson Laboratory BEHAVIORAL ANIMAL BEHAVIORAL SURVEILLANCE CONTINUES
CN209315879U (zh) * 2018-08-14 2019-08-30 智识互通(苏州)生物科技有限公司 动物步态图像识别综合分析系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6385740B2 (ja) * 2014-07-04 2018-09-05 ルネサスエレクトロニクス株式会社 電子装置およびその製造方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101098232A (zh) * 2007-07-12 2008-01-02 兰州大学 一种动态口令与多生物特征结合的身份认证方法
CA2712775A1 (en) * 2008-01-23 2009-07-30 Evan Goulding Systems and methods for behavioral monitoring and calibration
CN101716078A (zh) * 2009-12-17 2010-06-02 北京航空航天大学 一种针对小体型动物的步态分析系统
CN101874738A (zh) * 2009-12-23 2010-11-03 中国科学院自动化研究所 基于压力累积足印图像的人体生理分析与身份识别的方法
CN102289672A (zh) * 2011-06-03 2011-12-21 天津大学 红外步态双信道特征融合识别方法
TW201339879A (zh) * 2012-03-16 2013-10-01 Univ Nat Cheng Kung 動物行為監測方法及其系統
WO2015066460A2 (en) * 2013-11-01 2015-05-07 Children's Medical Center Corporation Devices and methods for analyzing rodent behavior
CN105684934A (zh) * 2015-06-26 2016-06-22 启安动物行为学科技股份有限公司 动物步行参数获取装置
CN105373780A (zh) * 2015-11-12 2016-03-02 启安动物行为学科技股份有限公司 一种老鼠步态分析中的步迹识别方法、装置及系统
CN108073861A (zh) * 2016-11-16 2018-05-25 东北大学秦皇岛分校 一种新的异常步态分析方法及系统
CN106955109A (zh) * 2017-03-21 2017-07-18 深圳大学 步态行为记录分析仪、方法及系统
WO2019032622A1 (en) * 2017-08-07 2019-02-14 The Jackson Laboratory BEHAVIORAL ANIMAL BEHAVIORAL SURVEILLANCE CONTINUES
CN109063661A (zh) * 2018-08-09 2018-12-21 上海弈知信息科技有限公司 步态分析方法及装置
CN209315879U (zh) * 2018-08-14 2019-08-30 智识互通(苏州)生物科技有限公司 动物步态图像识别综合分析系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Automatic analysis of altered gait in arylsulphatase A-deficient mice in the open field;T Leroy;《Behavior Research Methods》;20091230;第41卷(第3期);全文 *
湖北后河自然保护区獾类物种野外空间行为生态学初步研究;张亮;《中国博士学位论文全文数据库基础科学辑》;20110315(第3期);全文 *
青藏高原沙蜥沿海拔梯度的生活史进化;李佳琦;《中国博士学位论文全文数据库基础科学辑》;20140515(第5期);全文 *

Also Published As

Publication number Publication date
CN111539365A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
US12205361B2 (en) System and method for facilitating graphic-recognition training of a recognition model
Ahrendt et al. Development of a real-time computer vision system for tracking loose-housed pigs
Saberioon et al. Automated multiple fish tracking in three-dimension using a structured light sensor
CN114424253A (zh) 模型训练方法、装置、存储介质及电子设备
US20170262599A1 (en) Computer-aided telemedical evaluation
Van Hertem et al. Comparison of segmentation algorithms for cow contour extraction from natural barn background in side view images
CN112541870A (zh) 一种视频处理的方法、装置、可读存储介质和电子设备
CN111597915A (zh) 一种无人放牧方法、装置、终端和计算机可读存储介质
US20240382109A1 (en) Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes
CN115346262B (zh) 一种表情驱动参数的确定方法、装置、设备及存储介质
Tu et al. Vision analysis and prediction for estimation of pig weight in slaughter pens
CN111539365B (zh) 一种动物行为分析方法、装置及电子设备
Yu et al. An enhancement algorithm for head characteristics of caged chickens detection based on cyclic consistent migration neural network
CN104899854B (zh) 堆粮高度线的检测方法和装置
CN110414322B (zh) 提取图片的方法、装置、设备及存储介质
CN114093034B (zh) 一种步态分析方法、装置、设备及存储介质
CN116468745A (zh) 图像处理方法、相关设备及计算机可读存储介质
Javed et al. FlightTrackAI: a convolutional neural network-based software for tracking the flight behaviour of aedes aegypti mosquitoes
JP2010267195A (ja) カメラ運動・物体形状復元方法、カメラ運動・物体形状復元装置、カメラ運動・物体形状復元プログラム及びこのプログラムを記録した記録媒体
CN114723624A (zh) 一种图像处理方法、系统、设备及计算机可读存储介质
CN114821771A (zh) 图像中的剪辑对象确定方法、视频剪辑方法及相关装置
CN113536841A (zh) 人体结构化信息解析方法及系统
CN111144441A (zh) 一种基于特征匹配的dso光度参数估计方法及装置
CN119007245A (zh) 室内生物防治方法及装置
CN116830162A (zh) 用于生物体量化的系统、方法和计算机可执行代码

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220823