基于图像分割的目标检测方法对比研究

刘天舒，房建东，赵于东

摘  要： 奶牛行为识别过程中，奶牛目标精准检测是重要前提。一般的奶牛目标检测采用纹理和颜色信息进行识别，对于长时间静止和复杂背景干扰的目标存在目标丢失和检测不精准问题。针对上述问题，文章将图像分割方法和区域面积剔除方法相结合，实现复杂环境下的静止奶牛目标检测。实验结果表明，该方法达到97.4%的识别率。

关键词： 目标检测; 复杂环境; 图像分 ……此处隐藏5130个字…… 数。

本文算法检测结果如表2所示。

经过形态学处理和区域面积剔除结合处理后的目标检测准确率有所提高，其中存在误检的主要原因是目标之间存在遮挡严重问题，实验结论表明本文方法可以有效用于静态目标检测，较单一使用动态目标检测方法有了较大改进。

5 结束语

本文通过对比不同分割算法，从主观和客观两方面进行效果评价，在采用阈值为T=40的图像分割后，目标匹配度达到96.39%，第二阶段采用基于面积大小的目标检测，同时结合形态学处理，以提高目标识别率，识别率从96.39%提升到97.4%。本文方法的優点在于适应了静态目标的检测要求，算法简单、适用，具有一定的应用前景。

参考文献（References）：

[1] 康飞龙.基于机器学习的多目标猪只状态与个体行为识别研究[D].内蒙古农业大学博士学位论文，2018

[2] 曹义亲，刘龙标.基于缺陷比例限制的背景差分钢轨表面缺陷检测方法[J].计算机应用，2020，40（10）：3066-3074

[3] 穆中凯.基于感兴趣区域的视频目标检索方法及应用研究[D].北京邮电大学硕士学位论文，2019

[4] 宋冬梅.数学形态学在数字图像处理中的应用研究[J].计算技术与自动化，2021，40（2）：136-139

[5] 张子儒.基于视频分析的奶牛发情信息检测方法研究[D].西北农林科技大学硕士学位论文，2018

[6] 杨先凤，李小兰，贵红军.改进的自适应伽马变换图像增强算法仿真[J].计算机仿真，2020，37（5）：241-245