买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京林业大学

摘要：一种基于身体轮廓和腿部关节骨架的哺乳动物姿态识别方法，步骤包括2个部分：第一部分，针对复杂野外环境下的野生哺乳动物图像利用OutlineMaskR‑CNN进行边缘提取，获取动物外围轮廓；基于轮廓图，构建TinyVGG轻型卷积神经网络，用于野生哺乳动物的姿态分类。第二部分，针对复杂野外环境下的野生哺乳动物视频序列，利用LEAP快速跟踪动物腿部关节点的位置，构成骨架图；以动物骨架图中的腿部关节夹角的变化为特征，以LSTM为分类器，用于野生哺乳动物的姿态分类。最后对这2部分模型得到的结果加以融合，进一步识别野生哺乳动物的不同姿态，以达到区分动物简单日常行为的目的，具有一定的应用前景。

主权项：1.一种基于身体轮廓和腿部关节骨架的哺乳动物姿态识别方法，步骤包括：1首先采集野外环境下的哺乳动物视频；其特征在于，还包括步骤：2基于动物外围轮廓来识别哺乳动物的姿态；3基于动物腿部关节变化来识别哺乳动物的姿态；4基于步骤2和3的结果共同决策，来识别动物的不同姿态；所述步骤2中：2.1对于步骤1采集到的动物视频，挑选出具有代表性的动物姿态图像；2.2对步骤2.1选出的图像，构建OutlineMaskR-CNN模型来提取动物的外围轮廓，步骤包括：2.2.1利用迁移学习在COCO数据集合上训练模型权重；2.2.2采用残差网络ResNet98来构建OutlineMaskR-CNN卷积网络，提取野生哺乳动物图像的基础特征，实现动物图像的目标检测；2.2.3在生成实例分割时，利用python的matplotlib图像库中的ploy函数对掩膜提取边缘信息，实现动物轮廓提取；2.3以步骤2.2得到的动物轮廓图为输入，构建TinyVGG轻型卷积神经网络对轮廓特征进行分类，来识别野生哺乳动物的姿态，步骤包括：2.3.1结合数据集的特点采用类似VGG网络的单结构直筒型网络结构，构造出一个多卷积层的网络；2.3.2在网络中使用了和VGG网络一样的3×3的小型卷积核，每个卷积网络层采用最大池化；2.3.3采用两层全连接层加Softmax来构造分类器： 其中，x为输入，y为预测值，预测类别n的概率为p1，M为类别，w为分数；所述步骤3中：3.1对于步骤1采集到的动物视频，跟踪动物的腿部关节点位置，构建动物骨架图，步骤包括：3.1.1手动标记少数帧动物图像的腿部关节点位置；3.1.2利用深度神经网络迭代训练，预测所有视频帧动物腿部关节点位置：以动物的单个图像作为输入，经由3×3大小的卷积块、2×2大小的最大池化层和转置卷积层构成的15层深度卷积神经网络来迭代训练，产生一组描述输入中每个腿部关节点位置的置信度图即二维概率分布作为输出；3.1.3计算步骤3.1.1中手动标记的关节点位置与步骤3.1.2网络预测结果的均方误差，来衡量网络的有效性；3.2先计算腿部关节点位置所形成的夹角；然后，以腿部最小角的变化序列为特征向量，送入LSTM分类器训练，来识别野生哺乳动物的姿态；所述步骤4中，将步骤2中构建的基于轮廓的TinyVGG轻型卷积神经网络模型和步骤3中基于动物腿部骨架运动的LSTM神经网络模型进行融合，2个独立模型的预测分数共同决策，获得最终的分类结果。

全文数据：

权利要求：

百度查询： 南京林业大学 基于身体轮廓和腿部关节骨架的哺乳动物姿态识别方法