摘要：复杂养殖环境下运动奶牛目标的准确检测是奶牛跛行、发情等运动行为感知的基础。针对现有方法多采用参数化模型实现运动奶牛目标检测的缺陷,提出了一种无参核密度估计背景建模方法。该方法根据各像素的历史样本估计像素的概率模型,针对历史样本信息中冗杂信息导致模型复杂度过高的问题,采用关键帧检测技术剔除样本中的冗余信息以降低算法的复杂度,并实现了在小样本下核函数对遥远历史帧图像信息的获取,从而提高了检测精度。针对检测目标轮廓缺失的问题,结合三帧差法进一步实现了运动目标的完整提取。为了验证本算法的有效性,对不同环境和干扰下的运动奶牛视频样本进行了试验,并与高斯混合模型(Gaussian mixture model, GMM)和核密度估计模型(Kernel density estimation, KDE)方法进行了对比。试验结果表明,本文算法平均前景正检率为95.65%,比高斯混合模型提高了15.56个百分点,比核密度估计模型提高了10.56个百分点。同时,本文算法平均实时性指标为1.11,基本可以实现运动奶牛目标的实时、准确检测,该研究结果可为奶牛跛行疾病的预防、诊断以及奶牛运动行为的精确感知提供参考。

关键词：奶牛 目标检测 核密度估计 关键帧检测 三帧差法 

单位：西北农林科技大学机械与电子工程学院; 陕西杨凌712100; 农业农村部农业物联网重点实验室; 陕西杨凌712100