基于YOLO算法的牛体姿态估计研究

大理大学学报 ›› 2024, Vol. 9 ›› Issue (12): 58-64.

基于YOLO算法的牛体姿态估计研究

（大理大学工程学院，云南大理　671003）

收稿日期:2023-09-25 出版日期:2024-12-15 发布日期:2024-12-17
通讯作者: 赵恩铭，教授，博士，E-mail：zhaoem163@163.com。
作者简介:陈波波，硕士研究生，主要从事深度学习、人工智能算法研究。
基金资助:
国家自然科学基金项目（62065001）；云南省中青年学术和技术带头人后备人才项目（202205AC160001）；云
南省地方本科高校基础研究联合专项资金项目（202101BA070001-054）；海洋智能装备与系统教育部重点实
验室开放基金项目（MIES-2023-02）；云南省教育厅科学研究基金项目（2023Y1044；2023Y1043）

Cattle Posture Estimation Based on YOLO Algorithm

（College of Engineering, Dali University, Dali, Yunnan 671003, China）

Received:2023-09-25 Online:2024-12-15 Published:2024-12-17

摘要/Abstract

摘要： 牛体姿态估计在分析牛行为和评价牛健康状况方面具有至关重要的作用。针对目前无法对牛进行全天候监控并及时地
获得相应行为信息的问题，采用YOLO算法对牛体姿态进行研究，建立牛体姿态估计模型，用于识别牛并提取牛体骨架结构。测
试结果表明，YOLOv8n-pose牛体姿态估计模型与YOLOv7-w6-pose相比，精确度、召回率、Loks=0.50时的平均精确度均值（mAP0.50）
分别提升4.7%、3.0%、2.7%，模型参数量、计算量分别降低59.2%、91.0%，单张图像平均检测时间减少5.74 ms。YOLOv8牛体姿
态估计模型具有较高的检测精度和检测速度，可为大规模畜牧业中的牛体姿态估计提供可靠且有价值的参考。

关键词: 姿态估计, 骨架结构, 关键点检测, YOLOv8

Abstract: Cattle posture estimation plays a crucial role in analyzing cattle behavior and evaluating cattle health. To address the problem that cattle cannot be monitored around the clock and corresponding behavioral information cannot be obtained in a timely manner, the YOLO algorithm is used to study cattle posture and establish a cattle posture estimation model for identifying cattle and extracting their skeleton structure. The test results show that compared with YOLOv7-w6-pose, the YOLOv8n-pose cattle posture estimation model has increased accuracy, recall rate, and mean average accuracy at Loks=0.50（mAP0.50） by 4.7%, 3.0%, and 2.7%,
respectively. The model parameter and computational complexity have decreased by 59.2% and 91.0%, respectively, and the average
detection time per single image has decreased by 5.74 ms. The YOLOv8 cattle posture estimation model has high accuracy and
inference speed, providing a reliable and valuable reference for cattle posture estimation in large-scale animal husbandry.

Key words: posture estimation, skeleton structure, keypoint detection, YOLOv8

中图分类号:

TP391

陈波波, 雷远彬, 张吉磊, 赵洪一, 罗　创, 赵恩铭. 基于YOLO算法的牛体姿态估计研究[J]. 大理大学学报, 2024, 9(12): 58-64.

Chen Bobo, Lei Yuanbin, Zhang Jilei, Zhao Hongyi, Luo Chuang, Zhao Enming. Cattle Posture Estimation Based on YOLO Algorithm[J]. Journal of Dali University, 2024, 9(12): 58-64.

参考文献

〔1〕闫瑞，王明伟，黄叶祺，等. 基于级联卷积神经网络的山
羊姿态估计〔J〕. 黑龙江畜牧兽医，2023（14）：49-55.
〔2〕 LI X Y，CAI C，ZHANG R F，et al. Deep Cascaded Convo⁃
lutional Models for Cattle Pose Estimation〔J〕. Computers
and Electronics in Agriculture，2019，164（C）：104885.
〔3〕 HAN S Q，ZHANG J，CHENG G D，et al. Current State
and Challenges of Automatic Lameness Detection in Dairy
Cattle〔J〕. Smart Agriculture，2020，2（3）：21.
〔4〕 GONG C，ZHANG Y，WEI Y，et al. Multicow Pose Estima⁃
tion Based on Keypoint Extraction〔J〕. PLoS One，2022，17
（6）：e0269259.
〔5〕 TOSHEV A，SZEGEDY C. Deeppose：Human Pose Estima⁃
tion via Deep Neural Networks〔C〕//Proceedings of the IEEE
Conference on Computer Vision and Pattern Recognition.
2014：1653-1660.
〔6〕 CAO Z，SIMON T，WEI S H，et al. Realtime Multi-Person
2D Pose Estimation Using Part Affinity Fields〔C〕//Proceed⁃
ings of the IEEE Conference on Computer Vision and Pattern
Recognition. 2017：7291-7299.
〔7〕 SUN K，XIAO B，LIU D，et al. Deep High-Resolution Rep⁃
resentation Learning for Human Pose Estimation〔C〕//Pro⁃
ceedings of the IEEE/CVF Conference on Computer Vision
and Pattern Recognition. 2019：5693-5703.
〔8〕 PEREIRA T D，ALDARONDO D E，WILLMORE L，et al.
Fast Animal Pose Estimation Using Deep Neural Net⁃
works〔J〕. Nature Methods，2019，16（1）：117-125.
〔9〕 PEREIRA T D，TABRIS N，MATSLIAH A，et al. SLEAP：A
Deep Learning System for Multi-Animal Pose Tracking〔J〕.
Nature Methods，2022，19（4）：486-495.
〔10〕 FANG C，ZHANG T M，ZHENG H K，et al. Pose Estima⁃
tion and Behavior Classification of Broiler Chickens
Based on Deep Neural Networks〔J〕. Computers and Elec⁃
tronics in Agriculture，2021，180（14）：105863.
〔11〕漆愚，苏菡，侯蓉，等. 基于高分辨率网络的大熊猫姿态
估计方法〔J〕. 兽类学报，2022，42（4）：451-460.
〔12〕 CHEN Y C，TIAN Y L，HE M Y. Monocular Human Pose
Estimation：A Survey of Deep Learning-Based Methods〔J〕.
Computer Vision and Image Understanding，2020，192：
102897.
〔13〕 MUNEA T L，JEMBRE Y Z，WELDEGEBRIEL H T，et al.
The Progress of Human Pose Estimation：A Survey and
Taxonomy of Models Applied in 2D Human Pose Estima⁃
tion〔J〕. IEEE Access，2020，8：133330-133348.
〔14〕 MAJI D，NAGORI S，MATHEW M，et al. YOLO-Pose：

Enhancing YOLO for Multi Person Pose Estimation Using

Object Keypoint Similarity Loss〔C〕//Proceedings of the
IEEE/CVF Conference on Computer Vision and Pattern
Recognition. 2022：2637-2646.
〔15〕 LIN T Y，MAIRE M，BELONGIE S，et al. Microsoft COCO：
Common Objects in Context 〔C〕// European Conference
on Computer Vision（ECCV）. Berlin，Germany：Springer
2014：740-755.
〔16〕 ANDRILUKA M，PISHCHULIN L，GEHLER P，et al. 2d
Human Pose Estimation： New Bench Mark and State of the
Art Analysis〔C〕//Proceedings of the IEEE Conference on
Computer Vision and Pattern Recognition. 2014：3686-
3693.
〔17〕 JOHNSON S，EVERINGHAM M. Clustered Pose and Non⁃
linear Appearance Models for Human Pose Estimation〔C〕//
British Machine Vision Conference. 2010，2（4）：5.
〔18〕 LI C，LEE G H. From Synthetic to Real：Unsupervised Do⁃
main Adaptation for Animal Pose Estimation〔C〕//Proceed⁃
ings of the IEEE/CVF Conference on Computer Vision and
Pattern Recognition. 2021：1482-1491.
〔19〕马皖宜，张德平. 基于多谱注意力高分辨率网络的人体
姿态估计〔J〕. 计算机辅助设计与图形学学报，2022，34
（8）：1283-1292.
〔20〕 HOSSAIN M S，BETTS J M，PAPLINSKI A P. Dual Focal
Loss to Address Class Imbalance in Semantic Segmenta⁃
tion〔J〕. Neurocomputing，2021，462（5）：69-87.
〔21〕赵恩铭，杨松，罗创，等. 基于YOLOv5s的施工人员安
全防护设备佩戴检测研究〔J〕. 大理大学学报，2022，7
（12）：37-42.
〔22〕赵恩铭，杨松，姚志强. 基于Faster-RCNN的民族服饰
识别系统的设计与实现〔J〕. 大理大学学报，2021，6（12）：
23-28.

[1]	马　欣, 王才奎, 胡安顺, 刘　璇, 方炼标, 罗桂兰 . 云南省区域气候复杂层级网络建模与仿真分析[J]. 大理大学学报, 2024, 9(12): 36-45.
[2]	丰大程, 张璐璐, 李　慧. 基于二维码和人脸识别的身份认证系统研究[J]. 大理大学学报, 2024, 9(12): 46-50.
[3]	裴　燚, 刘光宇, 雷远彬, 张吉磊, 陈波波, 赵洪一, 赵恩铭. 基于RetinaFace和FaceNet算法的佩戴口罩人脸识别系统研究[J]. 大理大学学报, 2024, 9(12): 51-57.
[4]	陈斌. 基于视频图像的人体异常情绪识别算法研究[J]. 大理大学学报, 2023, 8(12): 27-31.
[5]	牛镱潼, 孟德尧, 吴荣海, 任国鹏, 杨邓奇. 基于迁移学习的垃圾图像分类模型的比较研究[J]. 大理大学学报, 2022, 7(12): 8-14.
[6]	黄刘松, 张　飞 , 张学锋, 吴慧林. 基于网闸的异构数据库安全同步系统[J]. 大理大学学报, 2022, 7(12): 25-30.
[7]	赵恩铭, 杨　松, 罗　创, 刘光宇, 朱晓亮. 基于YOLOv5s的施工人员安全防护设备佩戴检测研究[J]. 大理大学学报, 2022, 7(12): 37-42.
[8]	曾　新, 张晓玲, 李晓伟. 高平均效用co-location模式挖掘的一种有效算法 [J]. 大理大学学报, 2022, 7(6): 9-17.
[9]	史晨阳, 杨自忠, 陈响育, 张宇航, 钱正坤, 王永良, 王建明. 基于迁移学习与数据增强的蜘蛛识别平台研建 [J]. 大理大学学报, 2022, 7(6): 26-36.
[10]	曾　新, 李振鹏, 杨　健, 李晓伟. 含稀有特征的高平均效用co-location模式挖掘算法[J]. 大理大学学报, 2021, 6(12): 5-11.
[11]	赵恩铭, 杨　松, 姚志强. 基于Faster-RCNN的民族服饰识别系统的设计与实现 [J]. 大理大学学报, 2021, 6(12): 23-28.
[12]	丁李, 曾水玲. 基于概率神经网络的手写苗文识别研究[J]. , 2018, 3(12): 18-23.
[13]	罗桂兰，杨自忠，张梅，吴仕龙，张倩，安东. 洱海湿地昆虫智能识别与实时监测系统[J]. , 2018, 3(6): 6-12.
[14]	黄嘉恒，李晓伟，陈本辉，杨邓奇. 基于哈希的图像相似度算法比较研究[J]. , 2017, 2(12): 32-37.
[15]	张前进. 基于在线资源开放课程的智能学习系统本体构建研究[J]. , 2016, 1(12): 14-17.