基于改进DeepSORT的群养生猪行为识别与跟踪方法

作     者：涂淑琴 刘晓龙 梁云 张宇 黄磊 汤寅杰 TU Shuqin;LIU Xiaolong;LIANG Yun;ZHANG Yu;HUANG Lei;TANG Yinjie

作者机构：华南农业大学数学与信息学院广州510642 华南农业大学电子工程学院广州510642 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第8期

页      面：345-352页

核心收录：

学科分类：0905[农学-畜牧学] 08[工学] 080203[工学-机械设计及理论] 09[农学] 0802[工学-机械工程] 

基　　金：广东省科技计划项目(2019A050510034) 广州市重点项目(202206010091) 广州市科技计划重点实验室建设项目(201902010081) 广东省企业特派员项目(GDKTP2021055700) 

主　　题：群养生猪 目标检测 行为识别 多目标跟踪 DeepSORT 

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。