【技術實現步驟摘要】
本專利技術涉及動作識別，具體涉及一種基于resnet50網絡的湖羊行為識別方法及系統。
技術介紹
1、湖羊，是哺乳綱偶蹄目牛科綿羊屬動物。湖羊體格中等，頭狹長，鼻梁隆起，多數耳下垂，公、母羊均無角，頸細長，體軀狹長，背腰平直，腹微下垂，尾扁圓，尾尖上翹，四肢偏細而高；被毛全白，腹毛粗、稀而短，體質結實。
2、現有的羊只行為識別方法包括人工觀察、視頻分析、傳感器識別。傳統的人工觀察耗時費力，而現代的羊廠規模較大，這種方式已不再適用。羊只群居造成的遮擋以及圖像分割方面面臨困難，尤其是在陰影和背景變化的條件下，導致基于視頻的行為識別準確率低。基于傳感器的動物行為識別由于其設備復雜性小，具有更高的空間自由性，可以精確到每個動物個體，但將傳感器長期佩戴到動物身上時，會有設備脫落以及引起動物應激行為的問題。綜上所述，基于傳感器的動物行為識別具有簡易、成本低、準確率高的優點，其需改進之處在于數據采集階段的裝置佩戴問題引起的應激行為及脫落問題，進而才能準確地實現羊只行為識別。
技術實現思路
1、本專利技術所要解決的技術問題在于：如何更準確地實現羊只行為識別，提供了一種基于resnet50網絡的湖羊行為識別方法。
2、本專利技術是通過以下技術方案解決上述技術問題的，本專利技術包括以下步驟：
3、包括以下步驟：
4、s1：數據采集
5、采集視頻數據與三軸加速度傳感器數據；
6、s2：數據預處理
7、利用人工標注的方式對
8、s3：模型訓練識別
9、將湖羊行為數據集按照設定比例劃分為訓練集和驗證集，將訓練集中的多幀數據輸入基resnet50網絡中，對resnet50網絡進行訓練，得到訓練完成的湖羊行為模型，最后將驗證集中的一幀數據輸入到訓練完成的湖羊行為模型中，實現對湖羊行為的識別。
10、更進一步地，在所述步驟s1中，視頻數據與三軸加速度傳感器數據同步采集。
11、更進一步地，在所述步驟s1中，三軸加速度傳感器佩戴于湖羊下顎部位，每只羊佩戴一個三軸加速度傳感器。
12、更進一步地，在所述步驟s2中，三軸加速度傳感器同時輸出x、y、z軸上的三種原始數據，代表三個不同方向的加速度數值。
13、更進一步地，在所述步驟s2中，對三軸加速度傳感器數據進行處理獲取三軸加速度數據的具體過程如下：
14、s201：讀取三軸加速度傳感器輸出的各個軸上的數據，記為x、y、z；
15、s202：利用x′、y′、z′存儲最新的10個x、y、z的平均值；
16、s203：計算三軸數據的平方和作為處理基礎數據，計算公式為：
17、d＝x×x+y×y+z×z
18、計算得到三軸數據的平方和d，將其保存到fifobuf_0中，fifobuf_0中按照時間順序存儲最新的八個三軸數據的平方和數據d1～d8，其中，d1是最新的d值；
19、s204：對fifobuf_0中按照時間順序存儲的八個三軸數據的平方和數據d1～d8求平均，記錄到變量m中；
20、s205：將變量m保存在fifobuf_1中，對fifobuf_1中按照時間順序存儲的兩個變量m1、m2求平均，并記錄到變量a，其中m1是最新的m值；
21、s206：將變量a保存到fifobuf_2，根據fifobuf_2中按照時間順序存儲的三個變量a1、a2、a3計算差值δ，計算公式如下：
22、δ＝a1-a3
23、其中，差值δ用于判斷是加速在持續增加還是持續降低，δ為正數時表示在持續增加階段，為負數時表示在持續降低階段，a1是最新的a值；
24、s207：判斷差值δ的絕對值是否大于512且大于0，是則將變量f置為+1，即設置變量f＝+1，同時設置變量maxvalue＝a1，并輸出x′、y′、z′，結束流程；否則進入下一步；
25、s208：判斷差值δ的絕對值是否大于512且小于0，是則繼續判斷變量f是否為+1，否則輸出x′、y′、z′，結束流程；
26、s209：當判斷變量f為+1時，計算變量maxvalue與變量minvalue的差值；判斷是否大于設定閾值2816，是則表示有活動量，觸發中斷信號，進行新一輪的檢測，將變量復位：maxvalue＝1，minvalue＝a1，f＝0，最后輸出x′、y′、z′，結束流程；否則直接進行新一輪的檢測，將變量復位：maxvalue＝1，minvalue＝a1，f＝0，最后輸出x′、y′、z′，結束流程；當判斷變量f不為+1時，將變量f置為-1，然后設置變量minvalue＝a1，輸出x′、y′、z′，結束流程；其中，minvalue的初始值為0。
27、更進一步地，在所述步驟s2中，對三軸加速度傳感器數據進行處理獲取活動量數據的具體過程如下：
28、s211：讀取三軸加速度傳感器輸出的x軸、y軸、z軸上的加速度數據；
29、s212：初始化最小值為65535，最大值為0，同時初始化其他相關變量，其中其他相關變量包括最大位置、最小位置、活動量和計數值；
30、s213：設定兩個閾值th1和th2，用于后續活動量判定；
31、s214：對每個數據點，計算三軸加速度平方和，并進行位移操作以減少數據范圍；
32、s215：計算當前數據點與前一數據點三軸加速度平方和的差值；
33、s216：根據差值的正負判斷加速度變化的方向，加速度變化的方向為上升或下降；
34、s217：在數據上升時更新最大值，數據下降時更新最小值，并記錄位置；
35、s218：當從上升轉為下降，并且下降幅度超過設定值時，計算從最近的波峰到波谷的活動量，即最大值減最小值；
36、s219：判斷活動量是否在th1和th2之間，如果是，則計數值增加；
37、s220：對fifobuf_2數組中的每個數據點重復上述過程，直至處理完畢；
38、s221：輸出結果：最終輸出計數值，即滿足條件的活動量次數，也即得到活動量數據。
39、更進一步地，在所述步驟s2中，標注數據頻率為1次/分鐘，1只羊1天24小時制作一個標注數據文件，每條標注數據與一個時間點和對應的羊只設備號匹配。
40、更進一步地，在所述步驟s2中，對標注數據文件、活動量數據、三軸加速度數據進行處理，得到湖羊行為數據集的具體過程如下：
41、s221：將所有標注數據文件合并為一個標注文件，合并后標注文件內包含羊只設備號、時間、對應行為信息；
42、s222：從活動量數據文件讀取活動量本文檔來自技高網...
【技術保護點】
1.一種基于ResNet50網絡的湖羊行為識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于ResNet50網絡的湖羊行為識別方法，其特征在于，在所述步驟S1中，視頻數據與三軸加速度傳感器數據同步采集。
3.根據權利要求1所述的一種基于ResNet50網絡的湖羊行為識別方法，其特征在于，在所述步驟S1中，三軸加速度傳感器佩戴于湖羊下顎部位，每只羊佩戴一個三軸加速度傳感器。
4.根據權利要求1所述的一種基于ResNet50網絡的湖羊行為識別方法，其特征在于，在所述步驟S2中，三軸加速度傳感器同時輸出X、Y、Z軸上的三種原始數據，代表三個不同方向的加速度數值。
5.根據權利要求4所述的一種基于ResNet50網絡的湖羊行為識別方法，其特征在于，在所述步驟S2中，對三軸加速度傳感器數據進行處理獲取三軸加速度數據的具體過程如下：
6.根據權利要求5所述的一種基于ResNet50網絡的湖羊行為識別方法，其特征在于，在所述步驟S2中，對三軸加速度傳感器數據進行處理獲取活動量數據的具體過程如下：
7.根
8.根據權利要求7所述的一種基于ResNet50網絡的湖羊行為識別方法，其特征在于，在所述步驟S2中，對標注數據文件、活動量數據、三軸加速度數據進行處理，得到湖羊行為數據集的具體過程如下：
9.一種基于ResNet50網絡的湖羊行為識別系統，其特征在于，利用如權利要求1～8任一項所述的湖羊行為識別方法對湖羊行為進行有效識別，包括：
...【技術特征摘要】
1.一種基于resnet50網絡的湖羊行為識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于resnet50網絡的湖羊行為識別方法，其特征在于，在所述步驟s1中，視頻數據與三軸加速度傳感器數據同步采集。
3.根據權利要求1所述的一種基于resnet50網絡的湖羊行為識別方法，其特征在于，在所述步驟s1中，三軸加速度傳感器佩戴于湖羊下顎部位，每只羊佩戴一個三軸加速度傳感器。
4.根據權利要求1所述的一種基于resnet50網絡的湖羊行為識別方法，其特征在于，在所述步驟s2中，三軸加速度傳感器同時輸出x、y、z軸上的三種原始數據，代表三個不同方向的加速度數值。
5.根據權利要求4所述的一種基于resnet50網絡的湖羊行為識別方法，其特征在于，在所述步驟s2中，對三軸加速度傳感器數據進行處理獲取三軸加速度數據...
【專利技術屬性】
技術研發人員：韓丁，文靜，范道爾吉，劉炬峰，馬子寅，侯云，李成宇，楊婧，
申請(專利權)人：內蒙古大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。