基于改进动态时间规整算法的奶牛步态分割方法

发布时间：2021-04-28 12:53

　　为准确提取步态特征、识别奶牛跛行,利用三维加速度传感器采集30头奶牛后趾加速度信号,针对奶牛步态人工分割的不足,提出基于改进的动态时间规整算法对奶牛步态进行分割,提取特征值并利用逻辑回归法建立跛行识别模型。采用本文方法得到的步态分割精确度、灵敏度、准确率平均值分别为89.53%、95.51%、87.49%,比常规动态时间规整算法分别提高了5.31、4.48、8.43个百分点,总体准确率达到90.57%,相较自相关函数法和峰值检测法分别提高了1.75、3.13个百分点。以支撑时间、步幅长度、平均强度、信号幅度面积、前进方向加速度均值和运动变化量为自变量的跛行识别模型识别率分别为83.44%、81.72%、86.15%、86.81%、89.45%和85.71%。本研究结果可为奶牛步态分割、跛行识别提供技术支持。 

【文章来源】：农业机械学报. 2020,51(07)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 材料和方法
    1.1 测量设备
    1.2 数据采集与预处理
2 改进动态时间规整算法步态分割实现
    2.1 步态序列特征点提取
    2.2 模板样本建立
    2.3 累积成本矩阵计算
    2.4 算法改进
    2.5 最小规整路径确定
3 跛行识别模型建立
    3.1 步态特征提取
    3.2 跛行识别模型
4 结果与分析
    4.1 步态分割结果对比
    4.2 步态特征提取结果
    4.3 跛行预测模型的测试
5 结论


【参考文献】：
期刊论文
[1]基于序列相关和小波变换的加速度计信号降噪[J]. 董雅雯,王建林,魏青轩,邱科鹏,赵利强.  传感技术学报. 2019(02)
[2]基于动态多特征变量的黄羽肉鸡跛行状态定量评价方法[J]. 沈明霞,李嘉位,陆明洲,刘龙申,孙玉文,李泊.  农业机械学报. 2018(09)
[3]基于压力分布测量系统的奶牛跛行早期识别[J]. 杨丽娟,张永,刘德环,徐彬腾,刘彩霞.  农业机械学报. 2016(S1)
[4]精准畜牧业中动物信息智能感知与行为检测研究进展[J]. 何东健,刘冬,赵凯旋.  农业机械学报. 2016(05)
[5]基于小波变换的信号特征与突变点检测算法研究[J]. 冯媛硕,宋吉江.  曲阜师范大学学报(自然科学版). 2015(01)
[6]基于小波变换的人体步态序列提取[J]. 符懋敬,庄建军,侯凤贞,宁新宝,展庆波,邵毅.  物理学报. 2010(06)
[7]基于小波变换过零点表征的脉搏信号分析[J]. 白金星,赵子婴,王艳苹.  航天医学与医学工程. 2006(03)
[8]基于小波变换的高斯函数极值点及拐点的判别[J]. 杜建卫.  数学的实践与认识. 2004(07)

硕士论文
[1]基于三维加速度传感器的人体行为识别[D]. 徐川龙.浙江工业大学 2013



本文编号：3165512