Recognition System Development for Chicken and Location Using Embedded Imaging Platform

近年來禽流感疫情嚴重，雞隻飼養管理人員需要每日觀察雞隻健康狀況，以確保有無疾病或異常行為的個體影響其他雞，由於平飼系統飼養需要更大的空間，在工作時會非常消耗時間和人力，管理人員也應該減少出入量，降低傳病的風險。一般影像處理的系統，大多使用攝影機和影像擷取卡，將影像傳入個人電腦做處理，不但體積大，成本也昂貴，所以本研究主要目的是建立雞隻位置偵測方法再移植進嵌入式系統，以節省人力和成本的消耗。 本研究在雞隻特徵方面選用梯度方向直方圖（Histogram of Oriented Gradient,HOG）計算偵側窗口局部梯度方向和強度的統計值，可以有效的避免複雜的背景和照明。使用徑向基底核函數(Radial basis function kernel,RBF)的支持向量機（Support Vector Machine,SVM）作為機器學習演算法。在影像前處理應用背景相減統計出雞隻活動範圍ROI，降低運算時間和降低誤偵率，在前後的攝影機上，應用預先設置的雞舍座標轉換模型，可以找出雞隻位置。最後現場測試顯示，偵測率有80%以上的水準，正確率達到70%。In recent years, the outbreak of avian influenza has been so severe that chicken keeping managers need to observe daily the health condition of chickens to ensure that individuals with no disease or abnormal behavior will affect other chickens. Since flat feeding systems require more space for keeping, Time and manpower consumption, managers should also reduce the amount of access, reduce the risk of transmission. Generally, the image processing system mainly uses a camera and an image capture card to transfer images to a personal computer for processing, which is not only bulky and expensive. Therefore, the main purpose of this research is to establish a method for detecting the position of a chicken and then transplanted into an embedded System to save labor and cost of consumption. In this study, Histogram of Oriented Gradient (HOG) was used to calculate the local gradient direction and intensity of the detection window in terms of chicken characteristics, which can effectively avoid complicated background and illumination. Radial basis function kernel (RBF) support vector machine (SVM) is used as a machine learning algorithm. In the image preprocessing application background subtraction statistical chicken ROI range of activity, reducing computing time and reduce the rate of false detection.In the CamFront and CamBack, used the pre-set coop coordinate conversion model, you can find the chicken position. The final field test showed that the detection rate of more than 80% level, the correct rate of 70%.誌謝 i 摘要 ii Abstract iii 目錄 iv 圖目錄 vi 表目錄 viii 第一章 前言 1 1.1 研究背景 1 1.2 研究目的 2 第二章 文獻探討 4 2.1 圖形識別(pattern recognition)簡介 4 2.2 型態學影像處理應用於畜牧業 6 2.3 支持向量機(Support Vector Machine)簡介 8 2.4 交叉驗證和網格搜尋 12 第三章 實驗方法與設備 14 3.1 硬體介紹 17 3.1.1 實驗場地與場地架設 17 3.1.2 硬體設備 19 3.1.3 軟體設備 21 3.2 雞隻影像擷取系統 22 3.3 雞隻位置辨識演算法建立流程 26 3.3.1 雞隻活動範圍擷取 26 3.3.1.1 背景分離 28 3.3.1.2 影像開運算 30 3.3.2 偵側窗口預掃描 31 3.4 Histogram of Oriented Gradient 特徵萃取 33 3.5 雞舍位置座標轉換 40 3.6 SVM參數調優方法 43 3.6.1 訓練及測試樣本建立 43 3.6.2 移植嵌入式系統效果分析方法 45 3.6.2.1 有效雞隻定義 46 第四章 結果與討論 47 4.1 HOG參數調優 47 4.1.1 SVM RBF核函數訓練結果 47 4.2 演算法移植嵌入式系統結果展示 49 4.3 嵌入式系統辨識效果分析 51 4.3.1 有效雞隻統計 51 4.3.2 ROI建置效果 52 4.3.3 嵌入式系統偵測效果分析 54 第五章 結論與建議 58 5.1 結論 58 5.2 建議 58 第六章 參考文獻 6