基于轮廓不变矩特征的猪行为姿态识别研究的中期报告.docx

基于轮廓不变矩特征的猪行为姿态识别研究的中期报告
本研究旨在基于轮廓不变矩特征，探究猪在不同行为姿态下的特征差异，实现准确的行为姿态识别。在本次中期报告中，我将介绍研究设计，实验方法，以及初步结果。
1.研究设计
本研究选取了20头体重相似的猪，采用末端引导技术在固定环境（10m×10m）中进行观察。每头猪在观测期间内进行了不同的行为姿态，包括站立、走路、奔跑、趴着等。我们采用高清晰度摄像机对猪进行拍摄，并利用计算机软件提取猪的轮廓图像，进而提取轮廓不变矩特征进行分析。
2.实验方法
首先，我们从猪的轮廓图像中提取了轮廓不变矩特征，主要包括7个不变矩和12个矩形度量值。然后，运用主成分分析法（PCA）对轮廓不变矩进行降维处理，将其转化为8个主成分作为行为姿态的特征向量。最后，我们采用基于支持向量机（SVM）的机器学习方法，对猪进行不同行为姿态的识别。
3.初步结果
在实验中，我们选用10头猪进行特征提取和机器学习算法验证，并将其分为3种不同的行为姿态（站立、趴着、走路）。通过建立的SVM分类器，计算出了平均正确率为84.5%、平均召回率为84.6%、平均F1值为83.9%。虽然还有待进一步提高准确率，但初步结果表明我们的方法是有效的。
4.总结与展望
本研究通过提取轮廓不变矩特征，建立了基于SVM分类器的猪行为姿态识别模型，并取得了初步的可行性验证结果。接下来，我们将扩大研究样本数，并进一步优化算法和特征提取方法，以提高识别准确率和实用性。