-
公开(公告)号：CN109921952A
公开(公告)日：2019-06-21
申请号：CN201910256665.1
申请日：2019-04-01
申请人： 安徽农业大学
摘要： 本发明公开了一种基于压缩感知和模型驱动的数据收集方法，属于信息技术领域。它包括关键数据使用模型驱动模式进行采集，非关键数据使用压缩感知模式进行采集，数据收集模式在模型驱动模式与压缩感知模式之间进行动态切换；在模型驱动模式的阶段，根据传感器的连续采样数据判断切换为压缩感知模式的时刻；在压缩感知模式的阶段，通过稀疏采样的数据点建模判断切换为模型驱动模式的时刻。本发明能够实现两种数据收集模式间的可靠、及时地动态切换，能够有效避免数据收集模式切换抖动，保障数据的获取精度和关键数据获取的时效性。
-
公开(公告)号：CN109921952B
公开(公告)日：2021-11-23
申请号：CN201910256665.1
申请日：2019-04-01
申请人： 安徽农业大学
摘要： 本发明公开了一种基于压缩感知和模型驱动的数据收集方法，属于信息技术领域。它包括关键数据使用模型驱动模式进行采集，非关键数据使用压缩感知模式进行采集，数据收集模式在模型驱动模式与压缩感知模式之间进行动态切换；在模型驱动模式的阶段，根据传感器的连续采样数据判断切换为压缩感知模式的时刻；在压缩感知模式的阶段，通过稀疏采样的数据点建模判断切换为模型驱动模式的时刻。本发明能够实现两种数据收集模式间的可靠、及时地动态切换，能够有效避免数据收集模式切换抖动，保障数据的获取精度和关键数据获取的时效性。
-
公开(公告)号：CN110490161B
公开(公告)日：2022-01-07
申请号：CN201910786366.9
申请日：2019-08-23
申请人： 安徽农业大学
摘要： 本发明公开了一种基于深度学习的圈养动物行为分析方法，属于动物行为检测领域。它包括基于深度学习的动物个体检测方法、基于有效帧图像中动物个体边界框水平垂直方向长度比、边界框位于进食及饮水兴趣区域内的面积与整个边界框面积比以及相邻有效帧图像中同一动物个体边界框质心位置变化量与临界值的关系，判别圈养动物的进食、饮水、行走和休息行为。最后，对无效帧图像造成的缺失行为进行填补。本发明通过分析安装在圈养区域侧上方的摄像头采集的视频，实现圈养动物的行为分析；克服了传统方法依赖于动物头部检测、深度相机以及其他辅助方法识别动物行为的不足，具有部署应用方便、行为识别准确率高的特点。
-
公开(公告)号：CN110490161A
公开(公告)日：2019-11-22
申请号：CN201910786366.9
申请日：2019-08-23
申请人： 安徽农业大学
摘要： 本发明公开了一种基于深度学习的圈养动物行为分析方法，属于动物行为检测领域。它包括基于深度学习的动物个体检测方法、基于有效帧图像中动物个体边界框水平垂直方向长度比、边界框位于进食及饮水兴趣区域内的面积与整个边界框面积比以及相邻有效帧图像中同一动物个体边界框质心位置变化量与临界值的关系，判别圈养动物的进食、饮水、行走和休息行为。最后，对无效帧图像造成的缺失行为进行填补。本发明通过分析安装在圈养区域侧上方的摄像头采集的视频，实现圈养动物的行为分析；克服了传统方法依赖于动物头部检测、深度相机以及其他辅助方法识别动物行为的不足，具有部署应用方便、行为识别准确率高的特点。
-
-
-
搜索结果
4 条记录 (耗时 0.041 秒)
