监控视频中猪只个体的自动检测与跟踪

猪只个体检测与跟踪是许多基于视频的猪只监测应用的重要需求。然而，由于光照波动、猪只外观相似、形状形变与遮挡等问题，在复杂场景中这仍是一项具有挑战性的任务。为应对这些问题，我们提出一种鲁棒实时多猪检测与跟踪方法，其无需手动标记或物理标识猪只，且可在日光与红外光条件下工作。我们的方法通过一种新颖的层次化数据关联算法，将基于 CNN 的检测器与基于相关滤波的跟踪器相耦合。该检测器通过在一阶段预测网络中使用不同尺度多层衍生特征，获得了最佳精度/速度权衡。我们为每头猪定义一个标签框作为跟踪目标，并利用学习到的相关滤波器以关键点跟踪方式进行多目标跟踪。在挑战性条件下，跟踪失败根据检测器与跟踪器响应之间的关系建模，且数据关联算法允许检测假设被精炼，同时漂移轨迹可通过探查跟踪失败并重新初始化跟踪来纠正。结果，最优轨迹段可随在线精炼检测顺序增长，跟踪碎片被正确整合进相应轨迹且保持原始身份。基于商业农场采集数据集的实验表明，我们的方法可在挑战性条件下鲁棒地检测与跟踪多头猪。所提方法的前景性能也展示了复杂环境中长期个体猪只跟踪的可行性，因而具有商业潜力。