Reconnaissance du comportement hiérarchique du bétail basée sur l’apprentissage profond avec spatio- information temporelle

Le comportement est un indicateur important pour comprendre le bien-être des animaux. Ce processus a souvent été mené à bien en observant des enregistrements vidéo pour détecter les changements grâce à une analyse statistique, ou en utilisant des appareils portables pour surveiller les mouvements des animaux. Cependant, en ce qui concerne le bien-être des animaux, l’utilisation de tels dispositifs pourrait affecter le comportement normal de l’animal et présenter des limites dans son application. Cet article présente une approche de la reconnaissance hiérarchique
du comportement du bétail à l’aide d’informations spatio-temporelles basées sur le deep learning. Notre recherche étend l’idée de la reconnaissance d’activité en vidéo et se concentre spécifiquement sur le comportement du bétail. Notre cadre implique des caractéristiques d’apparence au niveau de l’image et des informations spatio-temporelles
qui intègrent davantage de caractéristiques contextuelles-temporelles. Le système peut détecter (classe) et localiser (boîte englobante) des régions contenant plusieurs comportements du bétail dans les images vidéo. En outre, nous introduisons notre ensemble de données sur le comportement du bétail qui comprend des vidéos enregistrées avec des caméras RVB dans différentes exploitations d’élevage de jour et de nuit. Les résultats expérimentaux montrent que notre système peut reconnaître efficacement 15 types différents d’activités hiérarchiques divisées en activités individuelles et de groupe, et également des actions partielles. Une évaluation qualitative et quantitative démontre la
performance de notre cadre comme méthode efficace pour surveiller le comportement du bétail.

En savoir plus 

Source Science direct