基于视频的牛脸目标检测及样本数据自动提取算法设计与系统实现
发布时间：2022-12-04 05:32
随着计算机应用技术的快速发展,运用智能化和现代化的技术来管理牲畜养殖企业,这对于一个企业来说改变了传统的管理模式,给企业在人力和财力方面都带来了很大的利益。本文基于卷积神经网络对奶牛自动检测算法及其系统实现进行研究,高效、准确的对奶牛在挤奶环境中实现了实时的目标检测任务。当下,由于在研究奶牛个体识别方面没有标准的数据集,目前,所有公开项目都通过纯手工方式制作实验所用数据集。因而该论文的目的之一是为了能够实现样本数据集的自动采集。此外,自动采集样本数据集还能够极大地提高目标检测和识别系统的自动化水平、在系统集成、示范推广过程中,进一步提高工程实施效率。本文的主要研究内容如下:（1）奶牛视频的采集。为了研究算法对奶牛视频的目标检测效果,进行了奶牛实地视频图像采集。在视频采集的过程中,为了尽可能的避免给奶牛养殖场的日常生产工作减少不必要的麻烦,同时也由于奶牛场环境的复杂性和不确定性因素,于是研制了一套如何获取奶牛视频图像的方案,采集了单一背景下奶牛在通过挤奶台转盘时的奶牛正脸视频。（2）技术方案。通过研究对比了传统目标检测算法和基于深度学习目标检测算法的特点,最后采用基于深度学习的回归目标检...
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 研究现状
1.3 研究难点
1.4 论文的内容结构
第二章 相关技术理论和算法
2.1 引言
2.2 深度学习与卷积神经网络
2.3 深度学习框架
2.4 目标检测算法概述
2.5 PyQt
2.6 本章小结
第三章 基于卷积神经网络对牛脸视频进行自动目标检测
3.1 引言
3.2 奶牛牛脸视频图像的获取
3.3 制作数据集
3.4 奶牛目标检测及目标对象提取算法的实现
3.5 回归器优化设计
3.6 实验与结果分析
3.7 准确率与召回率分析
3.8 本章小结
第四章 奶牛检测系统设计与实现
4.1 引言
4.2 系统可行性分析
4.3 系统设计
4.4 系统功能模块
4.5 系统实现与测试
4.6 本章小结
第五章 总结与展望
5.1 论文总结
5.2 未来展望
参考文献
致谢
个人简介
附件
【参考文献】：
期刊论文
[1]Discriminative graph regularized broad learning system for image recognition[J]. Junwei JIN,Zhulin LIU,C.L.Philip CHEN. Science China（Information Sciences）. 2018(11)
[2]基于Faster R-CNN深度网络的遥感影像目标识别方法研究[J]. 王金传,谭喜成,王召海,钟燕飞,董华萍,周松涛,成布怡. 地球信息科学学报. 2018(10)
[3]基于旋转不变Faster R-CNN的低空装甲目标检测[J]. 曹宇剑,徐国明,史国川. 激光与光电子学进展. 2018(10)
[4]Faster R-CNN模型在车辆检测中的应用[J]. 王林,张鹤鹤. 计算机应用. 2018(03)
[5]深度学习进展及其在图像处理领域的应用[J]. 刘涵,贺霖,李军. 中兴通讯技术. 2017(04)
[6]鲁棒主成分分析的运动目标检测综述[J]. 蔡念,周杨,刘根,杨志景,凌永权. 中国图象图形学报. 2016(10)
[7]农民资金互助社对农户正规信贷配给的影响机制分析——基于合作金融“共跻监督”的视角[J]. 董晓林,朱敏杰,张晓艳. 中国农村观察. 2016(01)
[8]行人检测中非极大值抑制算法的改进[J]. 陈金辉,叶西宁. 华东理工大学学报(自然科学版). 2015(03)
硕士论文
[1]基于特征性能增强和目标定位的图像检索研究[D]. 袁晖.西安理工大学 2019
[2]交通场景下的骑车人检测方法研究[D]. 汤文君.山东大学 2019
[3]基于Caffe深度学习的无人机海上目标检测[D]. 苗晨.吉林大学 2019
[4]改进的SSD的目标检测研究[D]. 赵庆北.广西大学 2018
[5]基于深度学习与稀疏表示的模式识别研究及牛脸识别应用[D]. 吕昌伟.北方民族大学 2018
[6]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[7]基于Faster R-CNN的人脸检测与识别算法研究与实现[D]. 尉冰.西安电子科技大学 2017
本文编号：3707688
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 研究现状
1.3 研究难点
1.4 论文的内容结构
第二章 相关技术理论和算法
2.1 引言
2.2 深度学习与卷积神经网络
2.3 深度学习框架
2.4 目标检测算法概述
2.5 PyQt
2.6 本章小结
第三章 基于卷积神经网络对牛脸视频进行自动目标检测
3.1 引言
3.2 奶牛牛脸视频图像的获取
3.3 制作数据集
3.4 奶牛目标检测及目标对象提取算法的实现
3.5 回归器优化设计
3.6 实验与结果分析
3.7 准确率与召回率分析
3.8 本章小结
第四章 奶牛检测系统设计与实现
4.1 引言
4.2 系统可行性分析
4.3 系统设计
4.4 系统功能模块
4.5 系统实现与测试
4.6 本章小结
第五章 总结与展望
5.1 论文总结
5.2 未来展望
参考文献
致谢
个人简介
附件
【参考文献】：
期刊论文
[1]Discriminative graph regularized broad learning system for image recognition[J]. Junwei JIN,Zhulin LIU,C.L.Philip CHEN. Science China（Information Sciences）. 2018(11)
[2]基于Faster R-CNN深度网络的遥感影像目标识别方法研究[J]. 王金传,谭喜成,王召海,钟燕飞,董华萍,周松涛,成布怡. 地球信息科学学报. 2018(10)
[3]基于旋转不变Faster R-CNN的低空装甲目标检测[J]. 曹宇剑,徐国明,史国川. 激光与光电子学进展. 2018(10)
[4]Faster R-CNN模型在车辆检测中的应用[J]. 王林,张鹤鹤. 计算机应用. 2018(03)
[5]深度学习进展及其在图像处理领域的应用[J]. 刘涵,贺霖,李军. 中兴通讯技术. 2017(04)
[6]鲁棒主成分分析的运动目标检测综述[J]. 蔡念,周杨,刘根,杨志景,凌永权. 中国图象图形学报. 2016(10)
[7]农民资金互助社对农户正规信贷配给的影响机制分析——基于合作金融“共跻监督”的视角[J]. 董晓林,朱敏杰,张晓艳. 中国农村观察. 2016(01)
[8]行人检测中非极大值抑制算法的改进[J]. 陈金辉,叶西宁. 华东理工大学学报(自然科学版). 2015(03)
硕士论文
[1]基于特征性能增强和目标定位的图像检索研究[D]. 袁晖.西安理工大学 2019
[2]交通场景下的骑车人检测方法研究[D]. 汤文君.山东大学 2019
[3]基于Caffe深度学习的无人机海上目标检测[D]. 苗晨.吉林大学 2019
[4]改进的SSD的目标检测研究[D]. 赵庆北.广西大学 2018
[5]基于深度学习与稀疏表示的模式识别研究及牛脸识别应用[D]. 吕昌伟.北方民族大学 2018
[6]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[7]基于Faster R-CNN的人脸检测与识别算法研究与实现[D]. 尉冰.西安电子科技大学 2017
本文编号：3707688
本文链接：https://www.wllwen.com/yixuelunwen/dongwuyixue/3707688.html
