Détection et suivi des caprins par deep learning

International audienceCe travail est réalisé dans le cadre du projet AniMov qui consiste à mettre en place un système de surveillance vidéo des comportements des animaux en situation d’élevage. L’objectif principal du projet est de fournir aux éleveurs un outil d’analyse capable de produire des indicateurs précis pour piloter l’alimentation et la reproduction mais aussi de détecter les cycles d’activité et les situations anormales. Notre système d’analyse automatique repose sur un ensemble de caméras placées dans l’enclos ou le bâtiment d’élevage et des algorithmes d’apprentissage machine. Le travail présenté dans cet article constitue la première partie de ce projet : la détection et le suivi descaprins à travers les vidéos. Nous avons mis en œuvre une méthode de suivi basée sur la détection. Pour la détection, nous avons utilisé YOLO v4, une architecture de détection à une étape, après une comparaison avec le modèle Faster R-CNN. Nous avons utilisé une base de 796 images dont 646 pour l’entraînement et 150 pour le test. Ensuite le filtre de Kalman, couplé avec l’algorithme hongrois, est appliqué pour le suivi. L’évaluation de notre méthode de détection sur les données de test nous donne une précision moyenne de 86.74% pour la classe chevre_debout et 90.56% pour la classe chevre_couche