技術特征：

1.一種羊只行為識別方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的羊只行為識別方法，其特征在于，通過yolov5模型從視頻中數(shù)據(jù)中每秒提取多幀進行羊只檢測，對每一幀中檢測到的羊只生成相應的邊界框。

3.根據(jù)權利要求1所述的羊只行為識別方法，其特征在于，在對改進后的deepsort模型和改進后的yolov8模型進行訓練之前，還包括構建訓練集，所述構建訓練集具體包括：

4.根據(jù)權利要求3所述的羊只行為識別方法，其特征在于，通過訓練集對改進后的deepsort模型和改進后的yolov8模型進行訓練，具體包括：

5.根據(jù)權利要求1所述的羊只行為識別方法，其特征在于，所述羊的行為包括正常行為和異常行為，正常行為包括行走、站立、進食和舔舐，異常行為包括跛行、攻擊和躺臥。

6.根據(jù)權利要求1所述的羊只行為識別方法，其特征在于，將云臺相機布置在牧場通道的頂部，采用云臺相機獲取羊場環(huán)境中包含多只羊及羊的不同行為的歷史視頻數(shù)據(jù)和實時視頻數(shù)據(jù)。

7.一種羊只行為識別系統(tǒng)，其特征在于，包括：

8.一種計算機設備，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序以實現(xiàn)權利要求1至6任一項所述羊只行為識別方法的步驟。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器加載時，能夠執(zhí)行權利要求1至6任一項所述羊只行為識別方法的步驟。

技術總結
本發(fā)明提供了一種羊只行為識別方法、系統(tǒng)、設備及存儲介質，屬于計算機視覺技術領域，本發(fā)明首先在DeepSORT模型中引入注意力機制和在線掩碼策略，構建羊只追蹤模型；在YOLOv8模型中添加多尺度組卷積模塊和自適應下采樣模塊，構建羊只行為識別模型。在對視頻數(shù)據(jù)中的圖像進行抽幀裁剪后，將裁剪后的圖像輸入羊只追蹤模型對羊個體進行持續(xù)追蹤，將追蹤到的帶有唯一標識符ID的多個圖像輸入羊只行為識別模型，對單只羊的行為進行識別。并記錄同一只羊在不同時間、不同位置的形態(tài)特征出現(xiàn)的頻率和持續(xù)時間，根據(jù)同一形態(tài)特征出現(xiàn)的頻率和持續(xù)時間對羊只的行為進行分類。本發(fā)明克服了單只羊處理存在的局限性，極大地提高了檢測精度和行為識別的準確度。

技術研發(fā)人員：王美麗,史穎涵,張浩田,何翀,曹拆,張宏鳴,李書琴,王小龍,陳玉林
受保護的技術使用者：西北農(nóng)林科技大學
技術研發(fā)日：
技術公布日：2025/1/6