基于视频的奶牛自动跛行检测：利用姿态估计与多种运动特征
计算机视觉与模式识别
2025-08-15 v2
摘要
本研究提出了一种自动跛行检测系统，该系统利用深度学习图像处理技术提取与跛行相关的多种运动特征。使用T-LEAP姿态估计模型，从行走奶牛的視頻中提取了九个关键点的运动。视频在户外录制，光照条件多变，T-LEAP提取了99.6%的正确关键点。然后利用关键点的轨迹计算了六种运动特征：背部姿态测量、头部摆动、跟踪距离、步幅长度、站立持续时间和摆动持续时间。最重要的三个特征是背部姿态测量、头部摆动和跟踪距离。对于真实标准，我们表明，对观察者评分进行深思熟虑的合并可以提高观察者内部的可靠性和一致性。我们表明，纳入多种运动特征可将分类准确率从仅使用一个特征时的76.6%提高到使用三个最重要特征时的79.9%，以及使用全部六个运动特征时的80.1%。
引用
@article{arxiv.2401.05202,
title = {Video-based automatic lameness detection of dairy cows using pose estimation and multiple locomotion traits},
author = {Helena Russello and Rik van der Tol and Menno Holzhauer and Eldert J. van Henten and Gert Kootstra},
journal= {arXiv preprint arXiv:2401.05202},
year = {2025}
}