申请/专利权人：西北农林科技大学

申请日：2023-10-31

公开（公告）日：2024-03-05

公开（公告）号：CN117649699A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V10/80;G06V10/82;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明提供了一种基于时刻偏移损失的肉牛异常行为视频时序定位方法，包括：步骤S1，构建肉牛异常行为时序定位数据集：步骤S2，提取肉牛异常行为视频特征：步骤S3，实现肉牛异常行为时序定位方法：步骤S4，利用中心点‑始末时刻偏移损失函数和焦点损失函数训练肉牛异常行为时序定位模型；步骤S5，肉牛异常行为时序定位。针对现有时序定位方法仅针对单一目标且准确性差的问题，本发明的计算行为发生和结束时刻偏移量的损失函数——中心点‑始末时刻偏移损失函数，构建基于时刻偏移损失的肉牛异常行为视频时序定位方法，实现监控视频中肉牛异常行为的时序定位，以满足真实养殖场景下肉牛精准管理时获取异常行为发生时间的需求。

主权项：1.一种基于时刻偏移损失的肉牛异常行为视频时序定位方法，其特征在于，该方法包括以下步骤：步骤S1，构建肉牛异常行为时序定位数据集：收集真实养殖场监控视角下包含肉牛异常行为的视频，所述的肉牛异常行为包括爬跨行为、奔跑行为和打斗行为；标注每段视频中的异常行为时序片段；每段视频包含多个异常行为时序标签，每个异常行为时序标签包含行为起始时刻、行为结束时刻和行为类别；步骤S2，提取肉牛异常行为视频特征：将长度为L帧的视频每间隔4帧进行采样，输入双分支频谱通道时空聚合与激励模型，提取视频帧的特征，每个视频帧表示为长度2048的特征向量，最终每个视频表示为一个维度为L4×2048的特征向量；步骤S3，实现肉牛异常行为时序定位方法：采用基于聚合可扩展粒度金字塔的多头时序定位模型构建肉牛异常行为时序定位模型，所述的肉牛异常行为时序定位模型包括主干网络、聚合可扩展粒度感知金字塔以及边界定位多分支预测头；采用肉牛异常行为时序定位模型实现肉牛异常行为时序定位方法；步骤S4，基于步骤S1得到的肉牛异常行为时序定位数据集，利用中心点-始末时刻偏移损失函数和焦点损失函数训练步骤三中得到的肉牛异常行为时序定位模型；步骤S4中包括：步骤S401，使用中心点-始末时刻偏移损失函数计算模型的时序预测值和真实值的损失： 式中：IoU为预测序列和真实序列计算的交并比；c为预测序列和真实序列最小外接序列长度；cp为模型预测的异常行为的中心时刻；cg为真实的异常行为的中心时刻；lp为模型预测的异常行为的起始时刻；lg为真实的异常行为的起始时刻；rp为模型预测的异常行为的结束时刻；rg为真实的异常行为的结束时刻；步骤S402，使用焦点损失函数计算模型的分类损失LC：Lc＝-αt1-ptγlogpt式中：αt表示不同类别的权重；pt表示模型预测的类别概率；γ表示用于抑制简单样本的损失贡献，促进难样本的损失贡献；步骤S403，将LCSED和LC求和得到损失L，通过反向传播L，调整肉牛异常行为时序定位模型参数，直至迭代次数达到预设初始值完成训练；步骤S5，肉牛异常行为时序定位：将真实场景下的肉牛监控视频输入步骤S4中训练完成的肉牛异常行为时序定位模型，识别肉牛异常行为，并定位异常行为的发生时间和结束时刻。

全文数据：

权利要求：

百度查询： 西北农林科技大学 一种基于时刻偏移损失的肉牛异常行为视频时序定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD