基于改进DeepSORT的群养生猪行为识别与跟踪方法

摘要：

为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法.该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别.实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3％,F1值为98.7％.在重识别方面,实验的Top-1准确率达到99.88％.在跟踪方面,改进DeepSORT算法的MOTA为91.9％,IDF1 为 89.2％,IDS 为 33;与 DeepSORT 算法对比,MOTA 和 IDF1 分别提升了 1.0、16.9 个百分点,IDS 下降了 83.8％.改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持.

关键词：群养生猪、目标检测、行为识别、多目标跟踪、DeepSORT

所属期刊栏目：53

分类号：TP391.4(计算技术、计算机技术)

资助基金：广东省科技计划项目;广州市重点项目;广州市科技计划重点实验室建设项目;广东省企业特派员项目

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：345-352