• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于DeepSORT算法的肉牛多目標(biāo)跟蹤方法

    2021-05-19 01:50:10張宏鳴董佩杰孫紅光李書琴王紅艷
    關(guān)鍵詞:肉牛準(zhǔn)確率特征

    張宏鳴 汪 潤 董佩杰 孫紅光 李書琴 王紅艷

    (1.西北農(nóng)林科技大學(xué)信息工程學(xué)院, 陜西楊凌 712100; 2.寧夏智慧農(nóng)業(yè)產(chǎn)業(yè)技術(shù)協(xié)同創(chuàng)新中心, 銀川 750004;3.西部電子商務(wù)股份有限公司, 銀川 750004)

    0 引言

    牛肉是人類主要肉食之一[1]。肉牛的行為可以反映其健康狀況[2-3],進(jìn)而反映牛肉的品質(zhì)。近年來,隨著人們對牛肉需求的不斷增加,肉牛的養(yǎng)殖規(guī)模不斷擴(kuò)大,精細(xì)化管理難度增加。實(shí)時(shí)感知肉牛的運(yùn)動行為、掌握其運(yùn)動狀態(tài)有助于及時(shí)發(fā)現(xiàn)肉牛異常,從而保證牛肉質(zhì)量和產(chǎn)量。多目標(biāo)實(shí)時(shí)跟蹤是肉牛行為實(shí)時(shí)感知的基礎(chǔ),對于肉牛養(yǎng)殖具有重要意義。

    目前,眾多學(xué)者在動物行為的實(shí)時(shí)感知方面進(jìn)行了諸多研究。部分學(xué)者研制了可穿戴設(shè)備,利用安裝在動物身上的追蹤設(shè)備收集動物的運(yùn)動信息,獲取其行為數(shù)據(jù)[4-6],再借助機(jī)器學(xué)習(xí)[7-8]、深度學(xué)習(xí)[9-10]方法分析數(shù)據(jù),從而實(shí)現(xiàn)對動物行為的監(jiān)測。由于動物行為的不確定性,可穿戴設(shè)備的損壞率較高[11],導(dǎo)致制作、維護(hù)成本增加,不能滿足大型養(yǎng)殖場的使用需求。相比之下,利用養(yǎng)殖場已有的監(jiān)控視頻對牲畜進(jìn)行管理具有使用便利、普及度高、成本低的優(yōu)點(diǎn),非常適合大型養(yǎng)殖場對牲畜的精細(xì)化管理。

    利用監(jiān)控視頻對牲畜進(jìn)行跟蹤需滿足實(shí)時(shí)性要求,而多目標(biāo)跟蹤的速度在很大程度上取決于其檢測到目標(biāo)的速度。傳統(tǒng)的目標(biāo)檢測算法如背景減法[12]、幀間差分法[13]和光流法[14-15]無法滿足實(shí)時(shí)性的要求。目前,基于深度學(xué)習(xí)的目標(biāo)檢測算法不斷成熟,該算法可劃分為One-stage和Two-stage檢測算法兩類。One-stage算法主要有YOLO系列算法[16-18]、SSD[19-21]、RetinaNet[22]等。何東健等[23]采用YOLO v3算法,通過優(yōu)化錨點(diǎn)框和改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)了對擠奶奶牛的個體識別,識別準(zhǔn)確率達(dá)95.91%,mAP為95.16%。Two-stage算法主要有R-CNN[24]、Fast R-CNN[25]、Faster R-CNN[26]等。SUN等[27]利用Faster R-CNN算法對豬進(jìn)行多目標(biāo)跟蹤,該算法具有良好的抗遮擋能力,能較為精準(zhǔn)地跟蹤多個目標(biāo)。相對于Two-stage算法,One-stage算法速度更快、實(shí)時(shí)性更高,而YOLO v3算法精度高于大部分One-stage算法中的其他檢測算法。

    在多目標(biāo)跟蹤算法方面,基于匈牙利算法(KM匹配)的后端追蹤優(yōu)化算法,如SORT[28]、DeepSORT[29]算法,能夠滿足實(shí)時(shí)跟蹤的要求,其中DeepSORT算法在SORT算法的基礎(chǔ)上,通過提取深度表觀特征明顯提高了多目標(biāo)的跟蹤效果。然而其跟蹤效果依賴目標(biāo)檢測器的精確度和特征區(qū)分程度,其跟蹤速度與目標(biāo)檢測速度密切相關(guān)。

    基于此,本文提出一種改進(jìn)YOLO v3算法和Mudeep目標(biāo)重識別算法相結(jié)合的DeepSORT肉牛多目標(biāo)跟蹤方法,針對YOLO v3算法在多尺度環(huán)境下識別效果較差的問題,通過添加長短距離語義增強(qiáng)模塊(Long-short range context enhancement module,LSRCEM)進(jìn)行多尺度融合,建立LSRCEM-YOLO模型,提高YOLO v3算法的檢測精度,通過修改YOLO v3模型的網(wǎng)絡(luò)結(jié)構(gòu),簡化模型復(fù)雜度,增強(qiáng)實(shí)時(shí)性,通過Mudeep目標(biāo)重識別算法提取肉牛具有鑒別性的特征,減少標(biāo)號變化現(xiàn)象,以期實(shí)現(xiàn)肉牛多目標(biāo)實(shí)時(shí)跟蹤。

    1 材料與方法

    1.1 視頻采集

    實(shí)驗(yàn)視頻采集于某肉牛養(yǎng)殖場,為其養(yǎng)殖場內(nèi)部監(jiān)控設(shè)備所拍攝視頻,拍攝對象為成年安格斯牛與西門塔爾牛,攝像機(jī)位于矩形肉牛養(yǎng)殖棚短邊的天棚上,斜向下俯視拍攝,能夠拍攝到牛棚內(nèi)的大部分肉牛活動區(qū)域。

    供試視頻拍攝時(shí)間為2019年7月21—29日,共1 328段視頻,平均時(shí)長為35 min,經(jīng)篩選,剔除夜間、無目標(biāo)、鏡頭污染等無效片段,保留有效視頻66段,MP4格式,分辨率為1 920像素(水平)×1 080像素(垂直),視頻幀率為24 f/s,視頻場景如圖1所示。

    1.2 技術(shù)路線

    本研究旨在利用深度學(xué)習(xí)方法通過視頻監(jiān)控對肉牛進(jìn)行實(shí)時(shí)跟蹤,本文方法技術(shù)路線如圖2所示,包括5部分:

    (1)數(shù)據(jù)集構(gòu)建:篩選可用視頻,對視頻進(jìn)行剪切,提取視頻關(guān)鍵幀,通過對關(guān)鍵幀進(jìn)行標(biāo)注、裁剪,分別構(gòu)建肉牛目標(biāo)檢測、目標(biāo)重識別、目標(biāo)跟蹤數(shù)據(jù)集。

    (2)肉牛目標(biāo)檢測模塊訓(xùn)練:利用肉牛目標(biāo)檢測數(shù)據(jù)集訓(xùn)練LSRCEM-YOLO模型用于肉牛目標(biāo)檢測,作為多目標(biāo)跟蹤的檢測器。

    (3)肉牛重識別網(wǎng)絡(luò)構(gòu)建:利用肉牛重識別數(shù)據(jù)集訓(xùn)練Mudeep[30]用于肉牛目標(biāo)重識別。

    (4)肉牛多目標(biāo)實(shí)時(shí)跟蹤的實(shí)現(xiàn):結(jié)合LSRCEM-YOLO模型、Mudeep模型與DeepSORT模型,實(shí)現(xiàn)肉牛的多目標(biāo)實(shí)時(shí)跟蹤。

    (5)結(jié)果分析:通過對目標(biāo)檢測效果、重識別效果、多目標(biāo)跟蹤效果進(jìn)行評價(jià),全面評估肉牛多目標(biāo)跟蹤模型的效果。

    1.3 數(shù)據(jù)集構(gòu)建

    構(gòu)建3個數(shù)據(jù)集分別用于訓(xùn)練目標(biāo)檢測模型、重識別模型和驗(yàn)證多目標(biāo)跟蹤效果。視頻中的肉牛個體之間花色差別較大、姿態(tài)復(fù)雜,為了增強(qiáng)數(shù)據(jù)集的多樣性,將有效視頻分為兩部分處理,第1部分使用DarkLabel進(jìn)行視頻標(biāo)注,每10幀提取1幀加入數(shù)據(jù)集。第2部分首先使用ffmpeg進(jìn)行關(guān)鍵幀提取,使用LabelImg進(jìn)行人工標(biāo)注。兩部分?jǐn)?shù)據(jù)集構(gòu)成了肉牛目標(biāo)檢測數(shù)據(jù)集,最終確定了7 456幅圖像作為訓(xùn)練集,1 491幅圖像作為測試集。肉牛目標(biāo)檢測部分?jǐn)?shù)據(jù)如圖3所示。

    為了提高重識別結(jié)果的準(zhǔn)確性,首先需要通過對視頻數(shù)據(jù)進(jìn)行人工篩選,保證所有視頻中的肉牛個體都是唯一存在的,不同視頻中不能出現(xiàn)同一頭牛,再使用DarkLabel對視頻進(jìn)行標(biāo)注,根據(jù)標(biāo)注過程中的不同標(biāo)號來區(qū)分不同個體,最后按照Market-1501[31]數(shù)據(jù)集格式構(gòu)建肉牛重識別數(shù)據(jù)集。肉牛重識別數(shù)據(jù)集包含99頭不同肉牛的共6 195幅圖像,平均每頭牛約30幅圖像為訓(xùn)練集,30幅圖像為測試集。肉牛重識別數(shù)據(jù)如圖4所示。

    為驗(yàn)證本文提出的肉牛多目標(biāo)跟蹤方法的有效性,選取實(shí)際場景下的監(jiān)控視頻進(jìn)行測試,視頻長度為54 s,來驗(yàn)證本文方法追蹤效果。

    1.4 多目標(biāo)跟蹤方法

    本文結(jié)合DeepSORT算法實(shí)現(xiàn)肉牛多目標(biāo)跟蹤,DeepSORT算法流程如圖5所示,主要包含4個步驟:①對視頻進(jìn)行預(yù)處理,使用OpenCV將視頻處理成視頻幀,然后使用目標(biāo)檢測算法提取深度特征得到候選框,使用非極大值抑制(NMS)算法去除重疊框,得到最終檢測結(jié)果。②使用卡爾曼濾波算法對目標(biāo)在視頻中下一幀的位置和狀態(tài)進(jìn)行預(yù)測,對比檢測器提供的檢測框,將置信度更高的檢測框作為預(yù)測結(jié)果。③使用匈牙利算法對前后兩幀之間若干目標(biāo)進(jìn)行最優(yōu)匹配,得到目標(biāo)在視頻中的軌跡,其中利用重識別算法計(jì)算余弦距離來度量表觀特征的距離,減少標(biāo)號變化(ID switch)的發(fā)生。④輸出結(jié)果,同時(shí)對跟蹤器進(jìn)行參數(shù)更新,重新開始目標(biāo)檢測。

    DeepSORT算法是一個兩階段的算法,目標(biāo)檢測算法關(guān)系到其跟蹤的準(zhǔn)確度與速度,重識別算法可以減少跟蹤過程中ID switch的發(fā)生,因此可以將其中的目標(biāo)檢測模型和重識別模型分別進(jìn)行優(yōu)化,最終得到優(yōu)化后算法。

    1.4.1目標(biāo)檢測

    YOLO v3是一個比較成熟的單階段目標(biāo)檢測算法,其在匹配過程中將目標(biāo)圖像分為S×S個格子,每個單元格負(fù)責(zé)檢測中心點(diǎn)落于此單元格的目標(biāo),每個單元格需要預(yù)測出B個邊界框,每個邊界框包含5個預(yù)測輸出量(x、y、w、h、conf),其中x、y為目標(biāo)框中心坐標(biāo)值,w、h表示邊界框的長和寬,conf表示框中含有目標(biāo)的可信度。若檢測類別總數(shù)為C,則每個單元格需預(yù)測B×(5+C)個值。YOLO v3借鑒殘差網(wǎng)絡(luò)結(jié)構(gòu),在YOLO v2中Darknet19的基礎(chǔ)上,通過不斷堆疊3×3、1×1的卷積和殘差連接構(gòu)成了含53個卷積層的深度神經(jīng)網(wǎng)絡(luò)Darknet53[32]??紤]到本文采集的視頻中肉牛經(jīng)常處于遠(yuǎn)離攝像頭位置以及YOLO v3對小目標(biāo)檢測的良好效果,本文采用YOLO v3作為肉牛多目標(biāo)跟蹤模型的目標(biāo)檢測模塊,同時(shí),為了提高模型在邊緣設(shè)備上的運(yùn)行速度,本文對YOLO v3模型進(jìn)行了改進(jìn):

    (1)使用MobileNet v2替換Darknet53作為YOLO v3的骨干網(wǎng)絡(luò)。MobileNet v1利用深度可分離結(jié)構(gòu)在犧牲較小檢測精度的情況下,大幅降低了計(jì)算量與網(wǎng)絡(luò)層參數(shù),降低了模型內(nèi)存。MobileNet v2在MobileNet v1的基礎(chǔ)上,使用殘差結(jié)構(gòu)(圖6),進(jìn)行先升維、再卷積、再降維的策略,在保持計(jì)算量變化不大的情況下獲得了更高的檢測精度。

    (2)利用長短距離語義增強(qiáng)模塊(LSRCEM)(圖7)融合YOLO v3的3個檢測分支結(jié)果的同時(shí)自適應(yīng)學(xué)習(xí)目標(biāo)的多尺度特征。LSRCEM參考ThunderNet[33]中的CEM模塊,CEM通過擴(kuò)大模型感受野,融合多尺度局部信息和全局信息來獲取更有鑒別力的特征。但是骨干網(wǎng)絡(luò)中不同層所包含的語義信息并不相同,淺層網(wǎng)絡(luò)包含物體的邊緣、顏色、角點(diǎn)等信息;深層網(wǎng)絡(luò)包含抽象的語義信息,然而CEM使用的特征融合方式是將各個模塊的特征相加,相當(dāng)于將所有層視為平等,忽略了各個層的不同,故引入長距離注意力機(jī)制和短距離注意力機(jī)制,通過兩者配合來擴(kuò)大模型感受野,并通過動態(tài)調(diào)整高層信息與淺層信息的分配來完成特征融合。

    短距離注意力機(jī)制啟發(fā)自YOLO v3-SPP中的SPP模塊,在空間最大池化模塊(Spatial MaxPooling Module)中,3個分支各自使用了3個13×13的池化核來進(jìn)行特征提?。婚L距離注意力機(jī)制使用壓縮激活模塊(SE),將特征金字塔高層提取到的信息以相乘的方式融合到淺層網(wǎng)絡(luò),以深層網(wǎng)絡(luò)的語義信息引導(dǎo)低層網(wǎng)絡(luò)的語義提取。YOLO v3模型與LSRCEM-YOLO結(jié)構(gòu)如圖8所示。

    1.4.2肉牛重識別

    Mudeep模型主要由多尺度層、降維層和顯著性融合層組成(圖9)。多尺度層由Multi-scale-A和Multi-scale-B組成,使用多分支結(jié)構(gòu)實(shí)現(xiàn)多尺度特征的提取,每個分支的感受野不同,提升了特征的鑒別力和多樣性。降維層(Reduction)位于兩個多尺度層之間,用來降低特征的空間分辨率,同時(shí)使用了多分支的方式,綜合最大池化層和步長卷積以彌補(bǔ)由于減少層數(shù)帶來的空間信息損失。顯著融合層(Saliency-based learning fusion)用來融合多尺度層的輸出,使用顯著性的學(xué)習(xí)策略篩除多尺度層輸出的冗余信息,將多尺度層的輸出通過相加的方式進(jìn)行融合,然后將特征圖通過全局平均池化得到一個歸一化后的特征向量。Mudeep通過引入空間可分離卷積,將普通的3×3卷積分解為1×3和3×1卷積,降低了模型所需的運(yùn)算量,提高了模型的運(yùn)算速度,且在CUHK01、CUHK03、VIPeR數(shù)據(jù)集上都有優(yōu)秀的表現(xiàn)。

    由于Mudeep相對于Wide ResNet具有更小的運(yùn)算量,能夠更好實(shí)現(xiàn)肉牛的實(shí)時(shí)跟蹤,故本文選用Mudeep取代Wide ResNet作為DeepSORT中的重識別模塊,通過肉牛的重識別,獲取不同肉牛之間更有區(qū)分性的特征,降低跟蹤過程中ID switch發(fā)生的次數(shù)。

    1.5 評價(jià)指標(biāo)

    1.5.1目標(biāo)檢測評價(jià)指標(biāo)

    目標(biāo)檢測與分類任務(wù)不同,檢測模型輸出的結(jié)果是非結(jié)構(gòu)化的,無法事先得知檢測得到的物體數(shù)量、位置、大小等,因此檢測任務(wù)需要引入交并比(IoU)來量化預(yù)測框A和真實(shí)框B的貼合程度,設(shè)置閾值為0.5,若IoU大于0.5,則認(rèn)為正確檢測,否則認(rèn)為是錯誤檢測,交并比計(jì)算公式為

    (1)

    式中SA∩B——預(yù)測框與真實(shí)框重疊區(qū)域面積

    SA∪B——預(yù)測框與真實(shí)框覆蓋區(qū)域面積

    IoU——預(yù)測框與真實(shí)框的交并比

    一般目標(biāo)圖中存在背景和目標(biāo),預(yù)測框也分為正確和錯誤,因此產(chǎn)生4種樣本,真正例(True positive,TP)表示預(yù)測框與真實(shí)框正確匹配,假正例(False positive,F(xiàn)P)表示模型對正例進(jìn)行錯誤分類,一般指IoU小于閾值的檢測目標(biāo),假反例(False negative,F(xiàn)N)表示模型未檢測到的真實(shí)框,真反例(True negative,TN)表示本身是背景,也未被檢測出來。

    根據(jù)以上4種樣本,引入準(zhǔn)確率(Precision,P)和召回率(Recall,R)來評價(jià)分類效果,準(zhǔn)確率表示被分為正例的所有實(shí)例中真正例占比,值越大說明分類越精確;召回率表示被分為正例的實(shí)例占所有真實(shí)框的比例,值越大表示檢測覆蓋程度越好。然而準(zhǔn)確率與召回率是對立的關(guān)系,若準(zhǔn)確率提高,召回率會有一定的下降,為了平衡兩者,引入準(zhǔn)確率和召回率的調(diào)和平均數(shù)F1(F1-score)和平均檢測精度(mAP)來綜合衡量。以召回率為橫軸,準(zhǔn)確率為縱軸,繪制準(zhǔn)確率-召回率(PR)曲線,則PR曲線與坐標(biāo)軸圍成的面積為mAP。mAP是目標(biāo)檢測中重要的評價(jià)標(biāo)準(zhǔn),能夠較好地評價(jià)目標(biāo)檢測模型。

    此外,引入模型的參數(shù)量(Params)來評價(jià)模型的復(fù)雜程度,參數(shù)量越小,模型所需計(jì)算量越少,越適用于邊緣設(shè)備。

    1.5.2肉牛重識別評價(jià)指標(biāo)

    DeepSORT模型中使用的重識別模型的主要功能是用于提取具有鑒別力的特征,能夠讓前后兩幀屬于相同目標(biāo)的對象相似度更高,讓不同目標(biāo)間的相似度降低,以降低多目標(biāo)跟蹤中ID switch現(xiàn)象的發(fā)生。Rank-n表示檢測結(jié)果中置信度最高的n幅圖像中有正確結(jié)果的概率,因此本文使用Rank-n作為重識別模型的評價(jià)指標(biāo)。

    1.5.3多目標(biāo)跟蹤評價(jià)指標(biāo)

    本文選用4個指標(biāo)評價(jià)多目標(biāo)跟蹤效果:

    (1)ID switch表示一條跟蹤軌跡中改變目標(biāo)標(biāo)號的次數(shù),值越小越好。

    (2)多目標(biāo)跟蹤準(zhǔn)確率(Multiple object tracking accuracy,MOTA),主要考慮跟蹤過程中所有對象的匹配錯誤,主要是FP、FN、ID switch。MOTA給出的是非常直觀的衡量跟蹤算法在檢測物體和保持軌跡時(shí)的性能,與目標(biāo)檢測進(jìn)度無關(guān),MOTA值越大表示模型的性能越好。MOTA計(jì)算公式為

    (2)

    式中AFP——假正例出現(xiàn)次數(shù)

    AFN——假反例出現(xiàn)次數(shù)

    MOTA——多目標(biāo)跟蹤準(zhǔn)確率

    AID——ID switch次數(shù)

    AGT——標(biāo)注的目標(biāo)個數(shù)

    (3)多目標(biāo)跟蹤精確度(Multiple object tracking precision,MOTP),用來量化檢測器的定位精度,MOTP的值越大表示檢測器的精度越大,計(jì)算公式為

    (3)

    式中ct——當(dāng)前幀匹配成功的數(shù)目

    di,t——檢測框和真實(shí)框的交并比

    i——當(dāng)前檢測目標(biāo)

    t——幀序號

    MOTP——多目標(biāo)跟蹤精確度

    (4)FPS,模型每秒處理的圖像幀數(shù),值越大處理效果越好。

    2 結(jié)果與分析

    2.1 目標(biāo)檢測結(jié)果分析與精度評價(jià)

    對比YOLO v3算法、YOLO v3-tiny算法以及LSRCEM-YOLO算法在肉牛目標(biāo)檢測數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如表1所示。

    表1 不同算法的目標(biāo)標(biāo)檢測結(jié)果對比Tab.1 Comparison of target detection results of different algorithm

    LSRCEM-YOLO的mAP為92.3%,比YOLO v3高0.5個百分點(diǎn),比YOLO v3-tiny高2.4個百分點(diǎn),其模型參數(shù)量僅為YOLO v3的10%,為YOLO v3-tiny的68%。LSRCEM-YOLO算法不僅在性能上相較YOLO v3和YOLO v3-tiny有整體的提高,也降低了參數(shù)處理規(guī)模。

    YOLO v3-tiny與LSRCEM-YOLO的mAP和損失值隨迭代次數(shù)的變化情況如圖10、11所示。

    由mAP變化曲線可知,LSRCEM-YOLO的精度高于YOLO v3-tiny,收斂速度更快,且其mAP穩(wěn)定性高于YOLO v3-tiny。

    通過損失值的變化曲線可以看出,LSRCEM-YOLO的收斂速度快于YOLO v3-tiny,且收斂后的損失值小于YOLO v3-tiny。

    YOLO v3-tiny和LSRCEM-YOLO在相同置信度(0.5)下進(jìn)行結(jié)果對比,黃色虛線表示漏檢目標(biāo)(圖12),漏檢對象多為目標(biāo)過小或者存在遮擋的情況,當(dāng)目標(biāo)數(shù)量變多,YOLO v3-tiny相較于LSRCEM-YOLO的檢測效果變差,由于LSRCEM-YOLO選擇了3個不同尺度的特征進(jìn)行融合,因此其更能兼顧淺層網(wǎng)絡(luò)關(guān)注的小目標(biāo)與深層網(wǎng)絡(luò)關(guān)注的大目標(biāo)。

    實(shí)驗(yàn)結(jié)果表明,LSRCEM-YOLO算法兼顧速度與精度,適用于肉牛目標(biāo)檢測。

    2.2 肉牛重識別結(jié)果分析與精度評價(jià)

    Mudeep模型對相同或不同個體肉牛的識別結(jié)果進(jìn)行可視化(圖13),若是同一目標(biāo),熱圖集中于需要關(guān)注的區(qū)別于其他肉牛的特征信息。若是不同目標(biāo),模型通過關(guān)注不同肉牛之間的表觀特征如花紋等,從而區(qū)別出特征信息屬于不同個體。說明Mudeep模型可以動態(tài)學(xué)習(xí)不同尺度、不同位置的有區(qū)分度的特征,自動聚焦于不同目標(biāo)之間最有區(qū)分度的區(qū)域。

    Mudeep重識別模型的Rank-1、Rank-5、Rank-10達(dá)到96.5%、98.6%、99.1%,具備提取到具有高鑒別力特征的能力。

    訓(xùn)練后的Mudeep模型參數(shù)量為3.5×106,遠(yuǎn)小于Wide ResNet模型的參數(shù)量4.4×107。

    2.3 多目標(biāo)跟蹤結(jié)果分析與精度評價(jià)

    為驗(yàn)證本文方法在肉牛多目標(biāo)跟蹤方面的表現(xiàn),在肉牛多目標(biāo)跟蹤數(shù)據(jù)集上進(jìn)行了測試,并將結(jié)果與YOLO v3-DeepSORT算法進(jìn)行了對比,結(jié)果如表2所示。

    表2 本文方法與YOLO v3-DeepSORT實(shí)驗(yàn) 結(jié)果對比Tab.2 Experimental results of this algorithm compared with YOLO v3-DeepSORT

    由表2可知,本文方法的多目標(biāo)跟蹤準(zhǔn)確率為45.2%,較YOLO v3-DeepSORT算法提高了12.9個百分點(diǎn),多目標(biāo)跟蹤精確度提高了11.6個百分點(diǎn),目標(biāo)標(biāo)號改變次數(shù)降低了69.2%,視頻處理速度也由9 f/s提高到了21 f/s。

    將同一視頻片段用兩種不同算法進(jìn)行跟蹤,結(jié)果如圖14所示。黃色虛線框?yàn)閅OLO v3-DeepSORT漏檢目標(biāo),可以看出,相較于YOLO v3-DeepSORT算法,本文方法的漏檢目標(biāo)明顯較少,檢測框更加貼合肉牛目標(biāo),對于遮擋度高的肉牛有更好的檢測跟蹤能力。

    3 結(jié)論

    (1)在YOLO v3模型的基礎(chǔ)上,將模型的骨干網(wǎng)絡(luò)Darknet53替換為MobileNet v2,并增加長短距離語義增強(qiáng)模塊(LSRCEM),提出了基于LSRCEM-YOLO的肉牛多目標(biāo)跟蹤方法。

    (2)本文方法目標(biāo)檢測的mAP值達(dá)92.3%,采用Mudeep模型的肉牛重識別Rank-1指標(biāo)為96.5%,多目標(biāo)跟蹤準(zhǔn)確率提高到了45.2%,目標(biāo)標(biāo)號改變次數(shù)降低了69.2%。

    (3)構(gòu)建的融合了LSRCEM-YOLO和Mudeep模型的DeepSORT肉牛多目標(biāo)跟蹤模型能夠?qū)崿F(xiàn)實(shí)際養(yǎng)殖環(huán)境下的肉牛多目標(biāo)實(shí)時(shí)跟蹤,可為實(shí)現(xiàn)肉牛大規(guī)模養(yǎng)殖的精準(zhǔn)管理提供良好的技術(shù)支持。

    猜你喜歡
    肉牛準(zhǔn)確率特征
    冬季肉牛咋喂精料
    冬春如何提高肉牛采食量
    今日農(nóng)業(yè)(2021年21期)2021-11-26 05:07:00
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    如何表達(dá)“特征”
    不忠誠的四個特征
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
    抓住特征巧觀察
    亚洲精品久久成人aⅴ小说| 2018国产大陆天天弄谢| 高清视频免费观看一区二区| 另类精品久久| 男女高潮啪啪啪动态图| 成年美女黄网站色视频大全免费| 欧美精品高潮呻吟av久久| 看免费成人av毛片| 亚洲伊人色综图| 亚洲av在线观看美女高潮| 一个人免费看片子| 精品一区二区三卡| 久久久久国产网址| 99精国产麻豆久久婷婷| 街头女战士在线观看网站| av播播在线观看一区| 99香蕉大伊视频| 26uuu在线亚洲综合色| 亚洲av.av天堂| 国产精品国产三级专区第一集| 大香蕉久久成人网| av在线观看视频网站免费| 久久久久精品久久久久真实原创| 午夜久久久在线观看| 国产亚洲最大av| 久久综合国产亚洲精品| 亚洲av免费高清在线观看| 亚洲av免费高清在线观看| 99热全是精品| 99热全是精品| av线在线观看网站| 亚洲国产毛片av蜜桃av| 国产午夜精品一二区理论片| 黄色一级大片看看| 天堂中文最新版在线下载| 亚洲精品久久久久久婷婷小说| 久久精品国产自在天天线| 最近最新中文字幕免费大全7| 夫妻午夜视频| 99久国产av精品国产电影| 韩国高清视频一区二区三区| 黑人巨大精品欧美一区二区蜜桃 | 亚洲欧洲日产国产| 综合色丁香网| 男女边吃奶边做爰视频| 9色porny在线观看| 9191精品国产免费久久| 如何舔出高潮| 久久国产精品男人的天堂亚洲 | 欧美精品一区二区免费开放| 日本vs欧美在线观看视频| 免费av中文字幕在线| 又粗又硬又长又爽又黄的视频| 免费久久久久久久精品成人欧美视频 | 18+在线观看网站| 成人免费观看视频高清| 久久免费观看电影| 国产极品粉嫩免费观看在线| 自拍欧美九色日韩亚洲蝌蚪91| 三上悠亚av全集在线观看| 亚洲精华国产精华液的使用体验| 黑人欧美特级aaaaaa片| 久久精品国产自在天天线| 国产精品一区二区在线观看99| 久久精品熟女亚洲av麻豆精品| 欧美亚洲日本最大视频资源| 老司机影院成人| 一区二区三区四区激情视频| 国产精品三级大全| 久久久久久伊人网av| 国产精品一国产av| 亚洲国产精品一区二区三区在线| 久久久久国产网址| 考比视频在线观看| 国产深夜福利视频在线观看| 国产精品一二三区在线看| 2021少妇久久久久久久久久久| 精品少妇久久久久久888优播| 啦啦啦在线观看免费高清www| 亚洲欧洲国产日韩| 黄片无遮挡物在线观看| 精品福利永久在线观看| 亚洲成人av在线免费| 中国美白少妇内射xxxbb| 国产免费又黄又爽又色| 九九爱精品视频在线观看| 丰满饥渴人妻一区二区三| 在现免费观看毛片| 99九九在线精品视频| 18禁观看日本| 亚洲精品第二区| 国产精品嫩草影院av在线观看| 高清不卡的av网站| 欧美性感艳星| 亚洲内射少妇av| 一本—道久久a久久精品蜜桃钙片| 成人黄色视频免费在线看| 男女边摸边吃奶| 亚洲国产精品一区二区三区在线| 看免费成人av毛片| 深夜精品福利| 亚洲精品一二三| 日本欧美视频一区| 成年av动漫网址| 香蕉精品网在线| 亚洲精品视频女| 欧美精品一区二区大全| 欧美日韩一区二区视频在线观看视频在线| 女人久久www免费人成看片| 伦精品一区二区三区| 午夜免费男女啪啪视频观看| 青春草视频在线免费观看| 午夜福利视频在线观看免费| 男人舔女人的私密视频| 妹子高潮喷水视频| 久久午夜福利片| 少妇猛男粗大的猛烈进出视频| 国产综合精华液| 成人漫画全彩无遮挡| 日本猛色少妇xxxxx猛交久久| 亚洲一级一片aⅴ在线观看| 成人国产麻豆网| 成人手机av| 男女免费视频国产| 天堂中文最新版在线下载| 国产av码专区亚洲av| 尾随美女入室| 亚洲精华国产精华液的使用体验| 日韩欧美一区视频在线观看| 在线观看一区二区三区激情| av在线老鸭窝| 国产精品麻豆人妻色哟哟久久| 99久久人妻综合| av线在线观看网站| 美女视频免费永久观看网站| 91精品国产国语对白视频| 精品久久蜜臀av无| 美女主播在线视频| 波多野结衣一区麻豆| 日本午夜av视频| 国产黄频视频在线观看| 91午夜精品亚洲一区二区三区| 日韩av不卡免费在线播放| 亚洲精品自拍成人| 2022亚洲国产成人精品| 男女啪啪激烈高潮av片| 男人操女人黄网站| 91aial.com中文字幕在线观看| 制服丝袜香蕉在线| 免费观看av网站的网址| 免费观看在线日韩| 亚洲欧美一区二区三区黑人 | 午夜精品国产一区二区电影| 999精品在线视频| 黄网站色视频无遮挡免费观看| 青春草国产在线视频| 秋霞在线观看毛片| 久久99热6这里只有精品| 免费看av在线观看网站| 成人二区视频| 在线亚洲精品国产二区图片欧美| 成年av动漫网址| 亚洲精品一区蜜桃| 精品亚洲成a人片在线观看| 国产亚洲av片在线观看秒播厂| av在线老鸭窝| 亚洲第一av免费看| 久久婷婷青草| kizo精华| 久久久久精品人妻al黑| 亚洲成av片中文字幕在线观看 | 欧美精品av麻豆av| 中国国产av一级| 亚洲精品久久午夜乱码| 黄片播放在线免费| 黄色怎么调成土黄色| 国产综合精华液| 一二三四中文在线观看免费高清| 好男人视频免费观看在线| 国产免费一区二区三区四区乱码| av电影中文网址| 精品一区二区三区视频在线| 老司机影院成人| 男人爽女人下面视频在线观看| 在线 av 中文字幕| 国产精品一区www在线观看| 亚洲五月色婷婷综合| 欧美3d第一页| 男人舔女人的私密视频| videos熟女内射| 男人添女人高潮全过程视频| 午夜福利乱码中文字幕| 欧美激情 高清一区二区三区| 免费看光身美女| 亚洲经典国产精华液单| 美女脱内裤让男人舔精品视频| 成人亚洲欧美一区二区av| 熟女电影av网| 欧美精品人与动牲交sv欧美| 亚洲精品日韩在线中文字幕| 国产精品无大码| 久久精品久久久久久噜噜老黄| 草草在线视频免费看| 国产男人的电影天堂91| 中文字幕最新亚洲高清| 亚洲 欧美一区二区三区| 精品国产国语对白av| 男人爽女人下面视频在线观看| 国产日韩欧美视频二区| 亚洲国产成人一精品久久久| 日本91视频免费播放| 午夜免费观看性视频| 国产探花极品一区二区| 久久久久久久久久人人人人人人| 亚洲国产精品一区二区三区在线| 国产极品天堂在线| 久久久久精品久久久久真实原创| 日韩三级伦理在线观看| 在线观看人妻少妇| 一级爰片在线观看| 尾随美女入室| 亚洲av电影在线进入| 男女下面插进去视频免费观看 | a级毛片黄视频| 黄色 视频免费看| av在线老鸭窝| 国产伦理片在线播放av一区| 久久久久久久久久人人人人人人| 欧美精品人与动牲交sv欧美| 美女主播在线视频| 中文精品一卡2卡3卡4更新| 欧美日韩视频高清一区二区三区二| 91精品伊人久久大香线蕉| 久久久久精品性色| 女的被弄到高潮叫床怎么办| 免费少妇av软件| 国产探花极品一区二区| 香蕉丝袜av| av播播在线观看一区| 日韩大片免费观看网站| av一本久久久久| 18禁在线无遮挡免费观看视频| 最近2019中文字幕mv第一页| 18禁动态无遮挡网站| 男女无遮挡免费网站观看| www.av在线官网国产| 中文天堂在线官网| 又大又黄又爽视频免费| 国产亚洲午夜精品一区二区久久| av女优亚洲男人天堂| 精品人妻一区二区三区麻豆| av视频免费观看在线观看| 人人妻人人澡人人爽人人夜夜| 纵有疾风起免费观看全集完整版| 日本午夜av视频| 国产激情久久老熟女| 午夜福利视频精品| 免费黄色在线免费观看| 乱人伦中国视频| 久久亚洲国产成人精品v| 国产熟女欧美一区二区| 91国产中文字幕| 在线观看三级黄色| 日日摸夜夜添夜夜爱| 亚洲欧美一区二区三区国产| 久久人人97超碰香蕉20202| 亚洲人成网站在线观看播放| 亚洲成人av在线免费| 中文欧美无线码| 啦啦啦在线观看免费高清www| 色视频在线一区二区三区| 五月天丁香电影| 九九爱精品视频在线观看| 蜜桃在线观看..| 午夜福利在线观看免费完整高清在| 五月伊人婷婷丁香| 夫妻午夜视频| 性色avwww在线观看| 国产一级毛片在线| 午夜福利乱码中文字幕| 大陆偷拍与自拍| 一区在线观看完整版| 日韩av免费高清视频| 大片免费播放器 马上看| 国产69精品久久久久777片| 青春草视频在线免费观看| 人人妻人人澡人人爽人人夜夜| 日韩av在线免费看完整版不卡| 十分钟在线观看高清视频www| 精品少妇久久久久久888优播| 熟女人妻精品中文字幕| 内地一区二区视频在线| 亚洲国产精品999| av网站免费在线观看视频| 亚洲av欧美aⅴ国产| 亚洲av.av天堂| 一区二区三区四区激情视频| 老司机影院成人| 亚洲少妇的诱惑av| 国产欧美亚洲国产| 免费高清在线观看视频在线观看| 中文精品一卡2卡3卡4更新| 久久国产亚洲av麻豆专区| 国产亚洲一区二区精品| 秋霞伦理黄片| 中文字幕另类日韩欧美亚洲嫩草| 26uuu在线亚洲综合色| 黑人欧美特级aaaaaa片| 成年人午夜在线观看视频| 国产亚洲精品第一综合不卡 | 国产亚洲最大av| a级毛片黄视频| tube8黄色片| 夫妻性生交免费视频一级片| 欧美人与性动交α欧美精品济南到 | 国语对白做爰xxxⅹ性视频网站| 久久久久久人人人人人| 欧美激情 高清一区二区三区| 欧美精品人与动牲交sv欧美| 精品久久蜜臀av无| 最后的刺客免费高清国语| 男人舔女人的私密视频| 亚洲精品美女久久久久99蜜臀 | 一级,二级,三级黄色视频| 亚洲综合色网址| 欧美人与性动交α欧美软件 | 国产成人精品久久久久久| 人人妻人人澡人人看| 91在线精品国自产拍蜜月| 国产精品一二三区在线看| 少妇的逼水好多| 日韩人妻精品一区2区三区| 五月玫瑰六月丁香| 春色校园在线视频观看| av在线app专区| 国产高清不卡午夜福利| 视频区图区小说| 一二三四中文在线观看免费高清| 国产一级毛片在线| 久久久久久久久久成人| 日本与韩国留学比较| 在线观看国产h片| 亚洲精品成人av观看孕妇| 国产av一区二区精品久久| 亚洲第一区二区三区不卡| 色吧在线观看| 美女内射精品一级片tv| 丝瓜视频免费看黄片| 女人久久www免费人成看片| 最黄视频免费看| 亚洲精品av麻豆狂野| 久久久久久人人人人人| 日韩,欧美,国产一区二区三区| 午夜av观看不卡| 最近中文字幕高清免费大全6| 亚洲精品中文字幕在线视频| 亚洲久久久国产精品| 午夜av观看不卡| 免费观看性生交大片5| 久热久热在线精品观看| 欧美日本中文国产一区发布| 日本午夜av视频| 亚洲,一卡二卡三卡| 天天躁夜夜躁狠狠躁躁| 久久久久久久久久久免费av| 亚洲欧洲国产日韩| 18禁在线无遮挡免费观看视频| 乱人伦中国视频| 精品国产露脸久久av麻豆| 在线观看美女被高潮喷水网站| 亚洲精品一区蜜桃| 大香蕉久久网| 久久久久精品久久久久真实原创| 91精品国产国语对白视频| 自线自在国产av| 亚洲成人av在线免费| 日韩大片免费观看网站| 免费日韩欧美在线观看| 青春草视频在线免费观看| 成人毛片a级毛片在线播放| 男女边吃奶边做爰视频| 99热6这里只有精品| 国产成人一区二区在线| 两性夫妻黄色片 | 国产亚洲一区二区精品| 久久精品国产亚洲av涩爱| 日韩伦理黄色片| 午夜91福利影院| 巨乳人妻的诱惑在线观看| 一级片免费观看大全| 久久久久人妻精品一区果冻| 天堂俺去俺来也www色官网| 精品人妻熟女毛片av久久网站| 最新中文字幕久久久久| 亚洲国产最新在线播放| 亚洲欧美色中文字幕在线| 久久久久久久久久久久大奶| 狂野欧美激情性xxxx在线观看| 麻豆精品久久久久久蜜桃| 亚洲精品美女久久久久99蜜臀 | 少妇人妻久久综合中文| av不卡在线播放| 少妇的逼水好多| 男人操女人黄网站| 亚洲婷婷狠狠爱综合网| 少妇精品久久久久久久| 亚洲av欧美aⅴ国产| 美女xxoo啪啪120秒动态图| 纯流量卡能插随身wifi吗| 人体艺术视频欧美日本| 国产精品人妻久久久影院| 少妇 在线观看| 免费看光身美女| 久久久久久伊人网av| av女优亚洲男人天堂| 亚洲国产精品999| 人人妻人人澡人人看| av电影中文网址| 久热这里只有精品99| 在线观看www视频免费| 伦理电影大哥的女人| 免费不卡的大黄色大毛片视频在线观看| 亚洲欧美中文字幕日韩二区| 亚洲国产精品999| 国产国语露脸激情在线看| 久久国内精品自在自线图片| av视频免费观看在线观看| 日本色播在线视频| 亚洲综合精品二区| 少妇被粗大的猛进出69影院 | 成人18禁高潮啪啪吃奶动态图| 在线亚洲精品国产二区图片欧美| 你懂的网址亚洲精品在线观看| 97在线视频观看| 飞空精品影院首页| 精品熟女少妇av免费看| 国产精品一区二区在线不卡| 丝袜在线中文字幕| 免费观看av网站的网址| av天堂久久9| 亚洲图色成人| 母亲3免费完整高清在线观看 | 91aial.com中文字幕在线观看| 亚洲婷婷狠狠爱综合网| www日本在线高清视频| 亚洲丝袜综合中文字幕| 欧美日韩视频精品一区| 亚洲欧美清纯卡通| a级片在线免费高清观看视频| 国产 一区精品| 2021少妇久久久久久久久久久| a级片在线免费高清观看视频| 亚洲美女视频黄频| 水蜜桃什么品种好| av有码第一页| 精品久久国产蜜桃| 精品99又大又爽又粗少妇毛片| 永久免费av网站大全| av在线播放精品| 精品国产一区二区三区四区第35| 在线观看免费日韩欧美大片| av电影中文网址| 亚洲性久久影院| 日韩中文字幕视频在线看片| 亚洲成人一二三区av| 寂寞人妻少妇视频99o| 观看美女的网站| 午夜影院在线不卡| 国产 一区精品| 女性被躁到高潮视频| 久久久久国产网址| 日韩av免费高清视频| 久久久久久人妻| 1024视频免费在线观看| 99九九在线精品视频| 尾随美女入室| 成人国产av品久久久| 亚洲av免费高清在线观看| 久久精品国产亚洲av涩爱| 少妇人妻久久综合中文| 嫩草影院入口| 精品人妻在线不人妻| 欧美日韩成人在线一区二区| 91久久精品国产一区二区三区| av黄色大香蕉| 国产精品一国产av| 国产精品久久久久久精品电影小说| 日本黄色日本黄色录像| 九色成人免费人妻av| 国产深夜福利视频在线观看| 2022亚洲国产成人精品| 婷婷色综合www| 在线天堂中文资源库| 97在线视频观看| 国产亚洲精品第一综合不卡 | 秋霞在线观看毛片| 狠狠婷婷综合久久久久久88av| 国产免费一区二区三区四区乱码| av有码第一页| 亚洲精品av麻豆狂野| 亚洲精品久久成人aⅴ小说| 国产一区二区在线观看av| 性色av一级| 男的添女的下面高潮视频| 一级毛片我不卡| 国产一区二区三区综合在线观看 | 久久精品国产a三级三级三级| 亚洲精品,欧美精品| 美女国产高潮福利片在线看| 亚洲精品美女久久久久99蜜臀 | 国产精品国产三级国产av玫瑰| 青春草国产在线视频| 国产熟女欧美一区二区| 久久99热这里只频精品6学生| 日韩一区二区视频免费看| 精品一区二区免费观看| 国产69精品久久久久777片| 边亲边吃奶的免费视频| 黄色怎么调成土黄色| 成人综合一区亚洲| 亚洲av.av天堂| 亚洲国产欧美日韩在线播放| 亚洲精品视频女| 亚洲四区av| 五月开心婷婷网| 丰满迷人的少妇在线观看| 日韩精品免费视频一区二区三区 | 观看美女的网站| 精品人妻在线不人妻| 日日撸夜夜添| 国产爽快片一区二区三区| a级毛片在线看网站| 99九九在线精品视频| 国产成人一区二区在线| 免费久久久久久久精品成人欧美视频 | 久久精品夜色国产| 高清黄色对白视频在线免费看| 亚洲婷婷狠狠爱综合网| 99国产精品免费福利视频| 男女边吃奶边做爰视频| 亚洲第一av免费看| 亚洲国产精品专区欧美| 香蕉精品网在线| 国产极品天堂在线| 下体分泌物呈黄色| 久久久久久久久久人人人人人人| 9色porny在线观看| 18+在线观看网站| 高清av免费在线| 97在线人人人人妻| 观看av在线不卡| 97精品久久久久久久久久精品| 免费观看在线日韩| 男男h啪啪无遮挡| 国产毛片在线视频| 男人添女人高潮全过程视频| 亚洲av成人精品一二三区| 韩国高清视频一区二区三区| 亚洲精品aⅴ在线观看| 99久国产av精品国产电影| 久久精品人人爽人人爽视色| 免费大片18禁| 久久久精品免费免费高清| 亚洲内射少妇av| 精品亚洲成国产av| 最新中文字幕久久久久| 国产成人欧美| 街头女战士在线观看网站| 国产成人aa在线观看| 欧美xxⅹ黑人| 美国免费a级毛片| 亚洲人成77777在线视频| 亚洲精品久久午夜乱码| 18+在线观看网站| 成人影院久久| 少妇的逼水好多| 多毛熟女@视频| 成年动漫av网址| 啦啦啦在线观看免费高清www| av黄色大香蕉| 免费播放大片免费观看视频在线观看| 99热这里只有是精品在线观看| 2022亚洲国产成人精品| 熟女人妻精品中文字幕| 纵有疾风起免费观看全集完整版| 久久国内精品自在自线图片| 国产熟女欧美一区二区| 性色avwww在线观看| 久久久久久久久久人人人人人人| 国产精品久久久久久av不卡| 国产一区二区三区综合在线观看 | 亚洲三级黄色毛片| 2018国产大陆天天弄谢| 久久久久久久亚洲中文字幕| 美女国产视频在线观看| 黑人巨大精品欧美一区二区蜜桃 | 99热这里只有是精品在线观看| 精品人妻偷拍中文字幕| 亚洲国产色片| av网站免费在线观看视频| 9热在线视频观看99| 国产福利在线免费观看视频| 亚洲精品日本国产第一区| 成人毛片60女人毛片免费| 99久久精品国产国产毛片| 国产av精品麻豆| 在现免费观看毛片| 午夜福利在线观看免费完整高清在| 丰满少妇做爰视频| 精品国产露脸久久av麻豆| 亚洲精品国产av成人精品| 国产成人精品在线电影| 国产成人免费无遮挡视频| 久久久久久久久久人人人人人人| 91精品伊人久久大香线蕉|