一种动态环境下动物异常行为的监测方法及系统

专利主权项内容

1.一种动态环境下动物异常行为的监测方法，其特征在于，其包括如下步骤：S1、构建动物异常行为监测模块该动物异常行为监测模块包括相互配合工作的：预训练骨骼数据提取模型、动物行为分类模型、动物异常行为深度生成自编码器模型；其中，预训练骨骼数据提取模型，是基于深度图像采集模块采集和标定的动物深度图像，获取动物的身体形态和运动姿势数据，再通过神经网络预训练得到的动物骨骼数据提取模型；动物行为分类模型，对输入的深度图像进行动物物种识别，同时使用卷积层和LSTM层对深度图像和骨骼数据进行动物行为分类；动物异常行为深度生成自编码器模型，用于判断动物的行为是否异常，对动物异常行为深度生成自编码器模型进行预训练，在该预训练阶段模型通过对正常动物行为模式多层次的特征学习，能全面地理解动物的行为特征；S2、采集被监测动物深度图像并提取骨骼数据通过深度图像采集模块采集和标定动物的深度图像，获取动态环境下被监测动物的身体形态和运动姿势数据；通过预训练骨骼数据提取模型，提取深度图像中用于表示动物的骨骼结构和运动轨迹的动物骨骼坐标数据；S3、进行动物异常行为判断监测预先设置动物异常行为深度生成自编码器模型中的异常阈值，在监测阶段，将步骤S2获得的被监测动物深度图像并提取骨骼数据输入深度生成自编码器模型，由该模型对新输入的深度图像和骨骼数据以及动物行为分类识别模型输出的分类结果进行重构，并计算重构误差、输出监测结果：若重构误差在异常阈值范围内，则动物行为判断为正常，如重构误差超出异常阈值范围，则动物行为判断为异常，实现对动态环境下动物异常行为的量化定义、识别和监测。