改进TransTrack多目标生猪行为跟踪方法

摘要：

高效准确地监测群养生猪的行为变化以获取其生理、健康和福利状况,对于实现生猪智能精细化养殖具有重要意义.针对猪场自然场景下光照变化和猪只粘连遮挡等因素影响,使得猪只行为跟踪中存在误检、漏检和身份频繁错误变换问题,该研究提出一种改进的TransTrack多目标生猪行为跟踪方法.首先,在目标检测模块中,采用改进的并集交并比的匹配算法,去除猪只遮挡导致的目标误检检测框.然后,在跟踪模块中,根据高低匹配阈值进行 2次数据关联,提高光照变化下漏检目标的跟踪准确性.最后,针对误检与漏检导致跟踪中猪只身份错误变换,根据猪栏中猪只数量信息,限制猪只身份编号值的错误增加,提高猪只身份准确识别率.在公开数据集和私有数据集上的试验结果表明,改进的TransTrack在多目标跟踪准确率(multiple object tracking accuracy,MOTA),高阶跟踪准确率(higher order tracking accuracy,HOTA)和身份变换(identity switches,IDs)分别为 92.0%、69.8%和 210.在公开数据集中,对比Trackformer,JDE和TransTrack模型,改进的TransTrack方法在MOTA分别提高 3.9,9.0和 13.1个百分点,HOTA分别提高 1.3,9.5和 8.3个百分点,IDs分别降低 136,326和 376.在私有数据集中,对比Trackformer和TransTrack模型,改进的TransTrack方法在MOTA分别提高 14.4和 15.8个百分点,HOTA分别提高 1.8和 9.5个百分点.结果显示,改进的TransTrack方法能够更加稳定地实现对群养生猪的行为跟踪,为群养生猪行为识别与智能分析提供技术支持.

关键词：识别、多目标跟踪、生猪、TransTrack、数据关联

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：广州市重点研发计划;广州市重点研发计划项目

在线出版日期：2023-11-13（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：172-180