基于CenterNet搭配优化DeepSORT算法的断奶仔猪目标跟踪方法研究

摘要：

[目的]断奶仔猪是生猪养殖业中的重点关注对象,群养环境下的仔猪精准跟踪是分析仔猪个体行为、监测仔猪个体健康的基础.本文提出1种基于深度学习的断奶仔猪目标跟踪方法.[方法]利用基于中心点的CenterNet检测算法设计断奶仔猪目标检测模型,对DeepSORT算法的检测部分进行优化;训练优化跟踪过程中提取仔猪目标外观特征的模型,结合卡尔曼滤波和匈牙利匹配算法,改进重识别环节,实现具有深度关联度量的断奶仔猪目标实时检测与跟踪.[结果]算法测试结果表明,断奶仔猪目标检测模型的平均精度均值和召回率分别为99.0％和78.6％,多目标跟踪精度MOTA和MOTP指标分别为96.8％和81.8％.[结论]本文所提方法改善了因断奶仔猪外表高度相似性以及黏连遮挡情况导致跟踪困难的问题,可在群养环境中精准跟踪断奶仔猪个体,算法为后续仔猪个体行为分析研究提供技术支撑.

关键词：深度学习;DeepSORT算法;目标检测;目标跟踪;深度关联度量

所属期刊栏目：44

分类号：TP391.4(计算技术、计算机技术)

资助基金：政府间国际科技创新合作重点专项2017YFE0114400

在线出版日期：2021-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：973-981