基于关键点跟踪与空间感知时间响应滤波的拥挤场景高效猪只计数

猪只计数是大规模养猪中的关键任务，通常由人工目视完成。但这一过程非常耗时且易出错。文献中极少有研究开发了自动化猪只计数方法。现有方法仅关注使用单幅图像进行猪只计数，其准确性受到若干因素挑战，包括猪只移动、遮挡与重叠。特别是单幅图像视野非常有限，无法满足大群猪舍的猪只计数需求。为此，我们提出了一种利用搭载巡检机器人的单目鱼眼相机在拥挤场景中实时自动猪只计数系统。我们的系统表明其产生的结果优于人工。我们的流程始于一种新颖的自底向上猪只检测算法，以避免因重叠、遮挡和猪体形变导致的漏检。设计了一个深度卷积神经网络（CNN）来检测猪体部位关键点并将关键点关联以识别个体猪只。此后，使用一种高效的在线跟踪方法跨视频帧关联猪只。最后，提出一种新颖的空间感知时间响应滤波（STRF）方法预测猪只数量，其有效抑制了由猪只或相机移动或跟踪失败引起的误检。整个流程已部署于边缘计算设备，并证明了有效性。