基于姿态估计和双向长短期记忆网络的奶牛膝关节僵硬检测
计算机视觉与模式识别
2025-08-15 v1
摘要
本研究提出了一种结合姿态估计和双向长短期记忆（BLSTM）神经网络的膝关节僵硬检测方法。将姿态估计与 BLSTM 分类器结合具有以下优势：无需标记的姿态估计、通过学习关键点轨迹的时间运动特征消除手动特征工程，以及适用于短序列和小规模训练数据集。从行走的奶牛视频中，采用 T-LEAP 姿态估计模型提取九个关键点（位于奶牛蹄子、头部和背部）的运动轨迹。随后将这些关键点轨迹作为 BLSTM 分类器的输入，该分类器被训练用于二分类膝关节僵硬。我们的方法显著优于依赖手动设计 locomotion 特征的已有方法：最佳架构实现了 85% 的分类准确率，而基于特征的方法仅达到 80%。此外，我们证明了 BLSTM 分类器仅需一秒钟的视频数据即可检测膝关节僵硬。
引用
@article{arxiv.2508.10643,
title = {Lameness detection in dairy cows using pose estimation and bidirectional LSTMs},
author = {Helena Russello and Rik van der Tol and Eldert J. van Henten and Gert Kootstra},
journal= {arXiv preprint arXiv:2508.10643},
year = {2025}
}