利用多相机对大型猪栏中育肥猪的跨镜头追踪
计算机视觉与模式识别
2021-11-23 v1
摘要
肉类产品需求增长叠加农场劳动力短缺，导致亟需开发新的实时方案以有效监测动物。在使用检测即追踪方法连续定位个体猪方面已取得显著进展。然而，这些方法对于长条形猪栏失效，因为单一固定相机无法以足够分辨率覆盖整个地面。我们通过使用多台相机解决该问题，其放置使得相邻相机视野重叠，共同覆盖整个地面。避免追踪中断需要在猪从一台相机视野跨入相邻相机视野时进行跨相机交接。我们利用视图间单应性在交接时刻识别相邻相机及地面上共享的猪位置。我们的实验涉及两个育肥猪栏，各饲养16–17头猪，以及三台RGB相机。我们的算法首先使用基于深度学习的物体检测模型（YOLO）检测猪，并使用多目标追踪算法（DeepSORT）创建其局部追踪ID。随后我们利用跨相机共享位置匹配多视图，并为每头猪生成贯穿追踪过程的全局ID。为评估我们的方法，我们提供五段两分钟长、带完整全局身份标注的视频序列。我们在单相机视图下以多目标追踪准确率与精度分别为65.0%和54.3%追踪猪，并达到74.0%的相机交接准确率。我们在https://github.com/AIFARMS/multi-camera-pig-tracking开源代码与标注数据集。
引用
@article{arxiv.2111.10971,
title = {Tracking Grow-Finish Pigs Across Large Pens Using Multiple Cameras},
author = {Aniket Shirke and Aziz Saifuddin and Achleshwar Luthra and Jiangong Li and Tawni Williams and Xiaodan Hu and Aneesh Kotnana and Okan Kocabalkanli and Narendra Ahuja and Angela Green-Miller and Isabella Condotta and Ryan N. Dilger and Matthew Caesar},
journal= {arXiv preprint arXiv:2111.10971},
year = {2021}
}
备注
6 pages, 4 figures, Accepted at the CVPR 2021 CV4Animals workshop