(12)發(fā)明專利(10)授權(quán)公告號CN120093288B(65)同一申請的已公布的文獻號(73)專利權(quán)人中國農(nóng)業(yè)大學(xué)煙臺研究院路2006號(72)發(fā)明人南松劍孫汝江劉曙光張士朝王凱殷成媛丁秭晗宋宗潤(74)專利代理機構(gòu)濟南宏騰專利代理事務(wù)所(普通合伙)37438專利代理師馮占飛A61B5/11(2006.01)A61B5/103(2006.01)A61B5/00(2006.01)A01K29/00(2006.01)GO6V40/20(2022.01)GO6V20/52(2022.01)GO6V40/10(2022.01)一種牲畜生理行為監(jiān)測方法及系統(tǒng)本發(fā)明涉及畜牧業(yè)監(jiān)測技術(shù)領(lǐng)域，尤其涉及一種牲畜生理行為監(jiān)測方法及系統(tǒng)。所述方法包括以下步驟：通過壓力感應(yīng)墊采集三區(qū)域壓力矩陣；根據(jù)三區(qū)域壓力矩陣進行動態(tài)路徑識別與攝像機調(diào)整，得到動態(tài)路徑跟蹤數(shù)據(jù)；根據(jù)動態(tài)路徑跟蹤數(shù)據(jù)進行牲畜力學(xué)步態(tài)解析，得到步態(tài)力學(xué)特征圖譜；獲取牲畜基礎(chǔ)信息；根據(jù)步態(tài)力學(xué)特征圖譜進行個體步態(tài)時序分段，得到分段對齊步態(tài)數(shù)據(jù)；根據(jù)牲畜基礎(chǔ)信息和分段對齊步態(tài)數(shù)據(jù)進行自適應(yīng)步態(tài)閾值計算，得到個體化異常閾值集；根據(jù)個體化異常閾值集進行異常步態(tài)模式識別，得到步態(tài)偏差指數(shù)矩陣。本發(fā)明通過分區(qū)性。通過壓力感應(yīng)墊采集三區(qū)域壓力矩陣；根據(jù)三區(qū)域壓力矩陣進行動態(tài)路徑識別與攝像機調(diào)整，得到動態(tài)路徑跟蹤數(shù)據(jù)：根據(jù)動態(tài)路徑跟蹤數(shù)據(jù)進行牲畜力學(xué)步態(tài)解析，得到步態(tài)力學(xué)特征圖譜獲取牲畜基礎(chǔ)信息；根據(jù)步態(tài)力學(xué)特征圖譜進行個體步態(tài)時序分段，得到分段對齊步態(tài)數(shù)據(jù)；根據(jù)牲畜基礎(chǔ)信息和分段對齊步態(tài)數(shù)據(jù)進行自適應(yīng)步態(tài)閾值計算，得到個體化異常閾值集；根據(jù)個體化異常閾值集進行異常步態(tài)模式識別，得到步態(tài)偏差指數(shù)矩陣根據(jù)步態(tài)偏差指數(shù)矩陣和步態(tài)力學(xué)特征圖譜進行肢體負重比例差異分析，得到肢體負重特征；根據(jù)肢體負重特征識別負重轉(zhuǎn)移模式特征：根據(jù)負重轉(zhuǎn)移模式特征進行疼痛行為特征識別，得到疼痛特征關(guān)聯(lián)數(shù)據(jù)；根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)進行肢體健康評估，得到肢體功能健康指數(shù)2步態(tài)數(shù)據(jù)采集模塊，用于通過壓力感應(yīng)墊采集三區(qū)域壓力矩陣；根據(jù)三區(qū)域壓力矩陣進行動態(tài)路徑識別與攝像機調(diào)整，得到動態(tài)路徑跟蹤數(shù)據(jù)；根據(jù)動態(tài)路徑跟蹤數(shù)據(jù)進行牲畜力學(xué)步態(tài)解析，得到步態(tài)力學(xué)特征圖譜；異常特征識別模塊，用于獲取牲畜基礎(chǔ)信息；根據(jù)步態(tài)力學(xué)特征圖譜進行個體步態(tài)時序分段，得到分段對齊步態(tài)數(shù)據(jù)；根據(jù)牲畜基礎(chǔ)信息和分段對齊步態(tài)數(shù)據(jù)進行自適應(yīng)步態(tài)閾值計算，得到個體化異常閾值集；根據(jù)個體化異常閾值集進行異常步態(tài)模式識別，得到步態(tài)偏差指數(shù)矩陣；疼痛狀態(tài)評估模塊，用于根據(jù)步態(tài)偏差指數(shù)矩陣和步態(tài)力學(xué)特征圖譜進行肢體負重比例差異分析，得到肢體負重特征；根據(jù)肢體負重特征識別負重轉(zhuǎn)移模式特征；根據(jù)負重轉(zhuǎn)移模式特征進行疼痛行為特征識別，得到疼痛特征關(guān)聯(lián)數(shù)據(jù)；根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)進行肢健康趨勢監(jiān)測模塊，用于根據(jù)肢體功能健康指數(shù)進行行為模式時序監(jiān)測，得到牲畜健康趨勢圖譜。2.根據(jù)權(quán)利要求1所述的牲畜生理行為監(jiān)測系統(tǒng)，其特征在于，步態(tài)數(shù)據(jù)采集模塊包括以下步驟：步驟S11:將壓力感應(yīng)墊按照牲畜蹄部受力特點劃分為前區(qū)、中區(qū)和后區(qū)三個功能區(qū)域，每個區(qū)域配置獨立的壓力傳感器陣列，通過壓力傳感器陣列采集三區(qū)域壓力矩陣；步驟S12:在壓力感應(yīng)墊周圍設(shè)置6個高速攝像機，通過標(biāo)定板對攝像系統(tǒng)進行空間坐標(biāo)校準，得到空間坐標(biāo)映射數(shù)據(jù)集；步驟S13:對待測牲畜進行牲畜關(guān)節(jié)標(biāo)記點設(shè)置，得到關(guān)節(jié)標(biāo)記位置數(shù)據(jù)；步驟S14:根據(jù)三區(qū)域壓力矩陣、空間坐標(biāo)映射數(shù)據(jù)集和關(guān)節(jié)標(biāo)記位置數(shù)據(jù)進行同步數(shù)步驟S15:根據(jù)三區(qū)域壓力矩陣和同步觸發(fā)時間序列進行動態(tài)路徑識別與攝像機調(diào)整，得到動態(tài)路徑跟蹤數(shù)據(jù)；步驟S16:根據(jù)同步觸發(fā)時間序列和動態(tài)路徑跟蹤數(shù)據(jù)對三區(qū)域壓力矩陣進行地面反作用力數(shù)據(jù)提取，得到力學(xué)分布時序數(shù)據(jù)；步驟S17:根據(jù)空間坐標(biāo)映射數(shù)據(jù)集、關(guān)節(jié)標(biāo)記位置數(shù)據(jù)和同步觸發(fā)時間序列計算關(guān)節(jié)運動參數(shù)集；步驟S18:根據(jù)力學(xué)分布時序數(shù)據(jù)和關(guān)節(jié)運動參數(shù)集進行步態(tài)周期劃分，得到步態(tài)周期分段數(shù)據(jù)；步驟S19:根據(jù)力學(xué)分布時序數(shù)據(jù)、關(guān)節(jié)運動參數(shù)集、步態(tài)周期分段數(shù)據(jù)和動態(tài)路徑跟蹤數(shù)據(jù)生成步態(tài)力學(xué)特征圖譜。3.根據(jù)權(quán)利要求2所述的牲畜生理行為監(jiān)測系統(tǒng)，其特征在于，步驟S15包括：根據(jù)同步觸發(fā)時間序列提取三區(qū)域壓力矩陣中的蹄印時空序列數(shù)據(jù)；根據(jù)蹄印時空序列數(shù)據(jù)進行路徑方向向量計算，得到牲畜運動向量數(shù)據(jù)；根據(jù)牲畜運動向量數(shù)據(jù)和蹄印時空序列數(shù)據(jù)計算路徑預(yù)測曲線數(shù)據(jù)；根據(jù)牲畜運動向量數(shù)據(jù)和蹄印時空序列數(shù)據(jù)進行轉(zhuǎn)向點識別，得到行為突變標(biāo)記數(shù)3根據(jù)路徑預(yù)測曲線數(shù)據(jù)和行為突變標(biāo)記數(shù)據(jù)進行最佳觀測角度計算，得到攝像機角度優(yōu)化參數(shù)；根據(jù)攝像機角度優(yōu)化參數(shù)采集動態(tài)路徑跟蹤數(shù)據(jù)。4.權(quán)利要求1所述的牲畜生理行為監(jiān)測系統(tǒng)，其特征在于，異常特征識別模塊中個體步態(tài)時序分段包括：獲取牲畜個體識別信息并根據(jù)步態(tài)力學(xué)特征圖譜進行歷史數(shù)據(jù)庫構(gòu)建與訪問，得到個體歷史步態(tài)記錄集；計算個體歷史步態(tài)記錄集的個體步態(tài)基線參數(shù)集；對步態(tài)力學(xué)特征圖譜中的各項參數(shù)進行當(dāng)前步態(tài)參數(shù)標(biāo)準化，得到標(biāo)準化步態(tài)參數(shù)；對標(biāo)準化步態(tài)參數(shù)和個體步態(tài)基線參數(shù)集進行時間序列分段與對齊，得到分段對齊步態(tài)數(shù)據(jù)。5.根據(jù)權(quán)利要求1所述的牲畜生理行為監(jiān)測系統(tǒng)，其特征在于，異常特征識別模塊中自適應(yīng)步態(tài)閾值計算包括：根據(jù)牲畜基礎(chǔ)信息和個體步態(tài)基線參數(shù)集提取牲畜特征標(biāo)準化參數(shù)；根據(jù)分段對齊步態(tài)數(shù)據(jù)進行步態(tài)穩(wěn)定性指數(shù)計算，得到步態(tài)波動特征譜；根據(jù)步態(tài)波動特征譜和牲畜特征標(biāo)準化參數(shù)進行參數(shù)重要性權(quán)重分配，得到參數(shù)重要性權(quán)重表；根據(jù)步態(tài)波動特征譜識別個體特有步態(tài)特征；根據(jù)個體特有步態(tài)特征計算關(guān)節(jié)角度異常閾值；根據(jù)個體特有步態(tài)特征計算力學(xué)參數(shù)異常閾值；根據(jù)步態(tài)波動特征譜計算時間參數(shù)異常閾值；整合關(guān)節(jié)角度異常閾值、力學(xué)參數(shù)異常閾值和時間參數(shù)異常閾值，得到個體化異常閾值集。6.根據(jù)權(quán)利要求1所述的牲畜生理行為監(jiān)測系統(tǒng)，其特征在于，異常特征識別模塊中異常步態(tài)模式識別包括：根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行關(guān)節(jié)角度變化異常檢測，得到關(guān)節(jié)角度異常標(biāo)記數(shù)據(jù)；根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行地面反作用力異常檢測，得到力學(xué)參數(shù)異常標(biāo)記數(shù)據(jù)；根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行側(cè)向移動幅度分析，得到側(cè)向移動異常標(biāo)記數(shù)據(jù)；對關(guān)節(jié)角度異常標(biāo)記數(shù)據(jù)、力學(xué)參數(shù)異常標(biāo)記數(shù)據(jù)和側(cè)向移動異常標(biāo)記數(shù)據(jù)進行時間關(guān)聯(lián)性分析，得到異常模式時序關(guān)聯(lián)數(shù)據(jù)；根據(jù)關(guān)節(jié)角度異常標(biāo)記數(shù)據(jù)、力學(xué)參數(shù)異常標(biāo)記數(shù)據(jù)、側(cè)向移動異常標(biāo)記數(shù)據(jù)和異常模式時序關(guān)聯(lián)數(shù)據(jù)生成步態(tài)偏差指數(shù)矩陣。7.根據(jù)權(quán)利要求1所述的牲畜生理行為監(jiān)測系統(tǒng)，其特征在于，疼痛狀態(tài)評估模塊包括以下步驟：步驟S31:對步態(tài)偏差指數(shù)矩陣和步態(tài)力學(xué)特征圖譜進行肢體負重數(shù)據(jù)提取，得到肢體負重原始數(shù)據(jù)；4步驟S32:根據(jù)肢體負重原始數(shù)據(jù)和牲畜基礎(chǔ)信息中的體重數(shù)據(jù)計算出負重比例分布步驟S33:根據(jù)負重比例分布圖計算左前肢與右前肢、左后肢與右后肢之間的負重差異率，將超過15%的負重差異率標(biāo)記為不對稱負重，再計算不對稱程度指數(shù)，最后得到肢體負重對稱性指數(shù)；步驟S34:根據(jù)步態(tài)力學(xué)特征圖譜和肢體負重對稱性指數(shù)進行負重時間分析，得到支撐時間特征數(shù)據(jù)；步驟S35:根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)和支撐時間特征數(shù)據(jù)識別負重轉(zhuǎn)移模式特征；步驟S36:根據(jù)步態(tài)偏差指數(shù)矩陣對步態(tài)力學(xué)特征圖譜進行關(guān)節(jié)活動度評估，得到關(guān)節(jié)活動度評分；步驟S37:根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)、支撐時間特征數(shù)據(jù)和負重轉(zhuǎn)移模式特征進行疼痛行為特征識別，得到疼痛特征關(guān)聯(lián)數(shù)據(jù)；步驟S38:根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)進行肢體健康評估，得到肢體功能健康指數(shù)。8.根據(jù)權(quán)利要求7所述的牲畜生理行為監(jiān)測系統(tǒng)，其特征在于，步驟S37包括：根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)、支撐時間特征數(shù)據(jù)和負重轉(zhuǎn)移模式特征提取標(biāo)準化疼痛特征向量；獲取牲畜品種參考數(shù)據(jù)并根據(jù)標(biāo)準化疼痛特征向量進行特征閾值判定得到疼痛特征活躍狀態(tài)表；根據(jù)疼痛特征活躍狀態(tài)表進行特征共現(xiàn)模式分析，得到特征共現(xiàn)模式數(shù)據(jù)；根據(jù)特征共現(xiàn)模式數(shù)據(jù)進行疼痛部位定位分析，得到疼痛部位定位圖；根據(jù)特征共現(xiàn)模式數(shù)據(jù)進行代償行為識別，得到代償行為模式數(shù)據(jù)；根據(jù)特征共現(xiàn)模式數(shù)據(jù)和代償行為模式數(shù)據(jù)進行急慢性疼痛模式區(qū)分，得到疼痛類型判定數(shù)據(jù)；根據(jù)特征共現(xiàn)模式數(shù)據(jù)和疼痛部位定位計算疼痛強度評分數(shù)據(jù)；根據(jù)疼痛強度評分數(shù)據(jù)和疼痛類型判定數(shù)據(jù)計算疼痛特征關(guān)聯(lián)數(shù)據(jù)。9.根據(jù)權(quán)利要求7所述的牲畜生理行為監(jiān)測系統(tǒng)，其特征在于，步驟S38包括：根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)和關(guān)節(jié)活動度進行疼痛狀態(tài)評估，得到肢體功能健康指數(shù)；根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)和關(guān)節(jié)活動度評分計算疼痛強度評分；根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)、支撐時間特征數(shù)據(jù)和關(guān)節(jié)活動度評分進行肢體功能評估，得到肢體功能狀態(tài)評分；整合負重比例分布圖、肢體負重對稱性指數(shù)、疼痛強度評分和肢體功能狀態(tài)評分，生成肢體功能健康指數(shù)。5一種牲畜生理行為監(jiān)測方法及系統(tǒng)技術(shù)領(lǐng)域[0001]本發(fā)明涉及畜牧業(yè)監(jiān)測技術(shù)領(lǐng)域，尤其涉及一種牲畜生理行為監(jiān)測方法及系統(tǒng)。背景技術(shù)[0002]現(xiàn)有的牲畜跛腳早期識別技術(shù)存在顯著局限性，主要表現(xiàn)為檢測靈敏度不足，無法捕捉亞臨床階段的微小步態(tài)變化，導(dǎo)致錯過最佳干預(yù)時機，使輕微跛腳發(fā)展為嚴重問題；[0003]其次，跛腳嚴重程度評估高度依賴評估者的經(jīng)驗和主觀判斷，不同評估者之間的評分差異可達30%以上，缺乏精確的量化標(biāo)準和客觀評價體系，難以實現(xiàn)標(biāo)準化管理和精準[0004]此外，傳統(tǒng)跛腳病因分析方法難以區(qū)分類似表現(xiàn)的不同機制，如蹄葉炎與關(guān)節(jié)炎引起的跛腳在外觀上相似但成因和應(yīng)對方案截然不同，缺乏多維度參數(shù)分析導(dǎo)致判斷準確[0005]綜上所述，現(xiàn)存技術(shù)中普遍存在跛腳檢測滯后性、評估主觀性和病因判斷模糊性的問題亟待解決。發(fā)明內(nèi)容[0006]基于此，有必要提供一種牲畜生理行為監(jiān)測方法及系統(tǒng)，以解決至少一個上述技術(shù)問題。[0008]步驟S1:通過壓力感應(yīng)墊采集三區(qū)域壓力矩陣；根據(jù)三區(qū)域壓力矩陣進行動態(tài)路徑識別與攝像機調(diào)整，得到動態(tài)路徑跟蹤數(shù)據(jù)；根據(jù)動態(tài)路徑跟蹤數(shù)據(jù)進行牲畜力學(xué)步態(tài)解析，得到步態(tài)力學(xué)特征圖譜；[0009]步驟S2:獲取牲畜基礎(chǔ)信息；根據(jù)步態(tài)力學(xué)特征圖譜進行個體步態(tài)時序分段，得到分段對齊步態(tài)數(shù)據(jù)；根據(jù)牲畜基礎(chǔ)信息和分段對齊步態(tài)數(shù)據(jù)進行自適應(yīng)步態(tài)閾值計算，得到個體化異常閾值集；根據(jù)個體化異常閾值集進行異常步態(tài)模式識別，得到步態(tài)偏差指數(shù)[0010]步驟S3:根據(jù)步態(tài)偏差指數(shù)矩陣和步態(tài)力學(xué)特征圖譜進行肢體負重比例差異分析，得到肢體負重特征；根據(jù)肢體負重特征識別負重轉(zhuǎn)移模式特征；根據(jù)負重轉(zhuǎn)移模式特征進行疼痛行為特征識別，得到疼痛特征關(guān)聯(lián)數(shù)據(jù)；根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)進行肢體健康評[0011]步驟S4:根據(jù)肢體功能健康指數(shù)進行行為模式時序監(jiān)測，得到牲畜健康趨勢圖譜。[0012]本發(fā)明通過高精度同步采集牲畜行走時的地面反作用力分布和肢體關(guān)節(jié)運動軌跡，并進行初步的力學(xué)和運動學(xué)參數(shù)提取與整合，提供了全面、精確反映牲畜步態(tài)物理特性的基礎(chǔ)數(shù)據(jù)。這種多模態(tài)數(shù)據(jù)的精細捕捉與同步處理，為后續(xù)深入分析牲畜如何承重、如何協(xié)調(diào)運動以及步態(tài)的動態(tài)變化奠定堅實基礎(chǔ)，顯著提升了步態(tài)分析的準確性和信息量。通過構(gòu)建并利用牲畜個體的歷史步態(tài)記錄，建立個性化的步態(tài)基線和自適應(yīng)異常閾值。這種6基于個體歷史數(shù)據(jù)的分析方法，能夠充分考慮到個體間的生理差異和歷史習(xí)慣，使得異常步態(tài)的識別不再依賴于群體平均水平，而是精確針對該牲畜自身的正常狀態(tài)。由此計算出的步態(tài)偏差指數(shù)矩陣，能夠量化牲畜當(dāng)前步態(tài)與自身正常步態(tài)的偏離程度，顯著提高了異常檢測的特異性和早期預(yù)警能力。通過深入分析牲畜肢體的負重分布、對稱性、支撐時間以及關(guān)節(jié)活動度等關(guān)鍵力學(xué)和運動學(xué)特征，結(jié)合識別出的異常模式，精確識別與疼痛相關(guān)的行為表現(xiàn)(例如減負、避讓式轉(zhuǎn)移)。這種分析方法能夠從客觀步態(tài)數(shù)據(jù)推斷出牲畜的疼痛狀態(tài)(部位、強度、急慢性),并量化肢體的功能障礙程度。最終生成的合反映了肢體的承載能力、運動協(xié)調(diào)性及潛在疼痛影響，為評估牲畜肢體健康和定位問題提供了直接且有價值的依據(jù)。通過構(gòu)建并監(jiān)測牲畜肢體功能健康指數(shù)的時間序列，并將其與環(huán)境監(jiān)測數(shù)據(jù)及牧場管理記錄進行關(guān)聯(lián)分析，實現(xiàn)了對牲畜健康狀態(tài)的持續(xù)跟蹤與綜合評估。這種方法不僅能夠識別健康指數(shù)的當(dāng)前異常，更能基于歷史數(shù)據(jù)計算健康波動基線，預(yù)測未來健康趨勢和潛在疾病風(fēng)險。通過揭示健康變化與外部因素的關(guān)聯(lián)，為牧場管理者提供了早期預(yù)警信息和決策支持，有助于及時調(diào)整飼養(yǎng)管理措施，預(yù)防疾病發(fā)生或擴散，提升整體畜群健康水平。因此，本發(fā)明提供了一種牲畜生理行為監(jiān)測方法，通過結(jié)合分區(qū)域壓力感應(yīng)技術(shù)與生物追蹤攝像技術(shù)，實現(xiàn)了步態(tài)力學(xué)特征的高精度采集；引入個體化基線比較和自適應(yīng)閾值算法，大幅提高了異常步態(tài)的早期識別能力；并通過關(guān)節(jié)角度、地面反作用力和負重模式的綜合分析，建立了客觀量化的跛腳評估體系，有效解決了傳統(tǒng)技術(shù)中跛腳早期發(fā)現(xiàn)難、嚴重程度評估主觀和病因分析不精確的核心問題，為畜牧業(yè)健康管理提供了科學(xué)依據(jù)。[0013]優(yōu)選地，本發(fā)明還提供了一種牲畜生理行為監(jiān)測系統(tǒng)，用于執(zhí)行如上所述的牲畜生理行為監(jiān)測方法，該牲畜生理行為監(jiān)測系統(tǒng)包括：[0014]步態(tài)數(shù)據(jù)采集模塊，用于通過壓力感應(yīng)墊采集三區(qū)域壓力矩陣；根據(jù)三區(qū)域壓力矩陣進行動態(tài)路徑識別與攝像機調(diào)整，得到動態(tài)路徑跟蹤數(shù)據(jù)；根據(jù)動態(tài)路徑跟蹤數(shù)據(jù)進行牲畜力學(xué)步態(tài)解析，得到步態(tài)力學(xué)特征圖譜；[0015]異常特征識別模塊，用于獲取牲畜基礎(chǔ)信息；根據(jù)步態(tài)力學(xué)特征圖譜進行個體步態(tài)時序分段，得到分段對齊步態(tài)數(shù)據(jù)；根據(jù)牲畜基礎(chǔ)信息和分段對齊步態(tài)數(shù)據(jù)進行自適應(yīng)步態(tài)閾值計算，得到個體化異常閾值集；根據(jù)個體化異常閾值集進行異常步態(tài)模式識別，得到步態(tài)偏差指數(shù)矩陣；[0016]疼痛狀態(tài)評估模塊，用于根據(jù)步態(tài)偏差指數(shù)矩陣和步態(tài)力學(xué)特征圖譜進行肢體負重比例差異分析，得到肢體負重特征；根據(jù)肢體負重特征識別負重轉(zhuǎn)移模式特征；根據(jù)負重轉(zhuǎn)移模式特征進行疼痛行為特征識別，得到疼痛特征關(guān)聯(lián)數(shù)據(jù)；根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)進行肢體健康評估，得到肢體功能健康指數(shù)；[0017]健康趨勢監(jiān)測模塊，用于根據(jù)肢體功能健康指數(shù)進行行為模式時序監(jiān)測，得到牲畜健康趨勢圖譜。[0018]該牲畜生理行為監(jiān)測系統(tǒng)，通過集成步態(tài)數(shù)據(jù)采集、異常特征識別、疼痛狀態(tài)評估和健康趨勢監(jiān)測四大核心模塊，實現(xiàn)了對牲畜生理行為的全面、客觀、連續(xù)監(jiān)測與深度分析。該系統(tǒng)能夠高精度地捕捉牲畜步態(tài)的力學(xué)和運動學(xué)細節(jié)，建立個體化的健康基線，精確識別并量化細微的步態(tài)異常，進而客觀評估肢體功能狀態(tài)和疼痛程度，并結(jié)合環(huán)境及管理信息預(yù)測健康趨勢。這種系統(tǒng)化的監(jiān)測與分析能力，顯著提高了早期發(fā)現(xiàn)潛在健康問題的7能力，提前預(yù)防和干預(yù)，為牲畜管理和畜牧業(yè)生產(chǎn)效率提供了科學(xué)、可靠附圖說明[0019]圖1為一種牲畜生理行為監(jiān)測方法的步驟流程示意圖。[0020]本發(fā)明目的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例，參照附圖做進一步說明。具體實施方式[0021]下面結(jié)合附圖對本發(fā)明的技術(shù)方法進行清楚、完整的描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域所屬的技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范[0022]本發(fā)明實施例中，參考圖1所示，為本發(fā)明牲畜生理行為監(jiān)測方法的步驟流程示意圖，在本實例中，所述牲畜生理行為監(jiān)測方法包[0023]步驟S1:通過壓力感應(yīng)墊采集三區(qū)域壓力矩陣；根據(jù)三區(qū)域壓力矩陣進行動態(tài)路徑識別與攝像機調(diào)整，得到動態(tài)路徑跟蹤數(shù)據(jù)；根據(jù)動態(tài)路徑跟蹤數(shù)據(jù)進行牲畜力學(xué)步態(tài)[0024]本發(fā)明實施例中，聚焦于采集牲畜行走時的壓力和運動數(shù)據(jù)，并進行初步的力學(xué)和運動學(xué)分析。重點在于使用帶有三區(qū)域劃分和獨立傳感器陣列的壓力感應(yīng)墊采集精細的壓力矩陣；利用多臺高速攝像機配合關(guān)節(jié)標(biāo)記點同步捕捉運動圖像；通過壓力數(shù)據(jù)識別蹄印動態(tài)路徑，并實時調(diào)整攝像機以保持最佳跟蹤；從同步采集的壓力數(shù)據(jù)提取地面反作用力，從攝像機數(shù)據(jù)重建關(guān)節(jié)的三維運動軌跡；基于力和運動數(shù)據(jù)劃分步態(tài)周期；最終整合這些數(shù)據(jù)生成包含力學(xué)、運動學(xué)、時間和空間參數(shù)的步態(tài)力學(xué)特征圖譜。[0025]步驟S2:獲取牲畜基礎(chǔ)信息；根據(jù)步態(tài)力學(xué)特征圖譜進行個體步態(tài)時序分段，得到分段對齊步態(tài)數(shù)據(jù)；根據(jù)牲畜基礎(chǔ)信息和分段對齊步態(tài)數(shù)據(jù)進行自適應(yīng)步態(tài)閾值計算，得到個體化異常閾值集；根據(jù)個體化異常閾值集進行異常步態(tài)模式識別，得到步態(tài)偏差指數(shù)[0026]本發(fā)明實施例中，著重于基于個體牲畜的歷史步態(tài)數(shù)據(jù)建立個性化的參考基線，并在此基礎(chǔ)上識別當(dāng)前步態(tài)的異常模式。重點在于構(gòu)建和利用個體歷史步態(tài)數(shù)據(jù)庫，計算出各項步態(tài)參數(shù)的個體基線均值和變異性；將當(dāng)前步態(tài)參數(shù)與個體基線進行標(biāo)準化和時間對齊(例如使用DTW);根據(jù)牲畜基礎(chǔ)信息、歷史變異性和參數(shù)重要性，動態(tài)計算出針對該個體牲畜的自適應(yīng)異常閾值集；將當(dāng)前步態(tài)參數(shù)與個體化閾值進行比較，檢測出關(guān)節(jié)角度、地面反作用力、側(cè)向移動等方面的異常點；分析這些異常點在步態(tài)周期內(nèi)的共現(xiàn)和時序關(guān)聯(lián)性；最終生成一個量化的步態(tài)偏差指數(shù)矩陣，反映各項步態(tài)參數(shù)相對于個體正常狀態(tài)的偏離程度。[0027]步驟S3:根據(jù)步態(tài)偏差指數(shù)矩陣和步態(tài)力學(xué)特征圖譜進行肢體負重比例差異分析，得到肢體負重特征；根據(jù)肢體負重特征識別負重轉(zhuǎn)移模式特征；根據(jù)負重轉(zhuǎn)移模式特征進行疼痛行為特征識別，得到疼痛特征關(guān)聯(lián)數(shù)據(jù)；根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)進行肢體健康評[0028]本發(fā)明實施例中，主要圍繞肢體負重和運動協(xié)調(diào)性，旨在識別與疼痛相關(guān)的行為8特征并評估肢體功能健康狀況。重點在于從步態(tài)力學(xué)特征圖譜和步態(tài)偏差指數(shù)矩陣中提取肢體負重數(shù)據(jù)，計算負重比例分布和同側(cè)負重差異率(對稱性指數(shù));分析各肢體支撐相持續(xù)時間等時間參數(shù)；綜合負重、對稱性和支撐時間數(shù)據(jù)識別異常的負重轉(zhuǎn)移模式(例如避讓式);根據(jù)步態(tài)偏差指數(shù)矩陣評估各關(guān)節(jié)的活動度并給出評分；將負重分布、對稱性、支撐時間、負重轉(zhuǎn)移模式等特征與預(yù)設(shè)的疼痛行為特征庫進行匹配，識別疼痛相關(guān)特征組合，進行疼痛部位定位，區(qū)分急慢性疼痛類型，并計算疼痛強度評分；最終整合疼痛強度評分、疼痛部位定位、以及基于負重、對稱性、支撐時間和關(guān)節(jié)活動度計算出的肢體功能狀態(tài)評分，生成反映各肢體健康水平的肢體功能健康指數(shù)。[0029]步驟S4:根據(jù)肢體功能健康指數(shù)進行行為模式時序監(jiān)測，得到牲畜健康趨勢圖譜。[0030]本發(fā)明實施例中，將前述步驟得到的肢體功能健康指數(shù)集成到時序監(jiān)測系統(tǒng)中，并結(jié)合環(huán)境和管理數(shù)據(jù)進行綜合分析，以實現(xiàn)疾病風(fēng)險預(yù)警和健康趨勢預(yù)測。重點在于構(gòu)建一個以牲畜個體和時間為維度的健康指數(shù)時序數(shù)據(jù)庫；獲取并根據(jù)時間戳將環(huán)境監(jiān)測數(shù)據(jù)和牧場管理記錄與健康指數(shù)數(shù)據(jù)進行關(guān)聯(lián)，形成健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集；分析健康指數(shù)時序數(shù)據(jù)庫中的歷史數(shù)據(jù)，計算健康波動的基線(均值、標(biāo)準差、平滑曲線、預(yù)測范圍);利用健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集，應(yīng)用機器學(xué)習(xí)模型識別健康異常與環(huán)境/管理因素之間的關(guān)聯(lián)模式，進行疾病風(fēng)險預(yù)測；最終生成可視化牲畜健康趨勢圖譜，展示歷史健康曲線、[0032]根據(jù)肢體功能健康指數(shù)和牲畜個體識別信息構(gòu)建健康指數(shù)時序數(shù)據(jù)庫；[0033]獲取環(huán)境監(jiān)測數(shù)據(jù)和牧場管理記錄并根據(jù)健康指數(shù)時序數(shù)據(jù)庫進行環(huán)境與管理數(shù)據(jù)關(guān)聯(lián)，得到健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集；[0034]計算健康指數(shù)時序數(shù)據(jù)庫的健康波動基線圖；[0035]根據(jù)健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集進行疾病風(fēng)險預(yù)警與趨勢圖譜生成，得到牲畜健康趨勢圖譜；[0036]本發(fā)明實施例中，根據(jù)肢體功能健康指數(shù)和牲畜個體識別信息構(gòu)建健康指數(shù)時序數(shù)據(jù)庫的操作是：接收步驟S38輸出的每個肢體(左前、右前、左后、右后)的肢體功能健康指數(shù)(例如，左后肢健康指數(shù)為75,右后肢為90等),以及步驟S2中獲取的牲畜個體識別信息據(jù)庫采用時序數(shù)據(jù)庫(例如InfluxDB或TimescaleDB)結(jié)構(gòu)，該結(jié)構(gòu)專用于高效存儲和查詢帶時間戳的數(shù)據(jù)序列。數(shù)據(jù)庫中為每頭牲畜創(chuàng)建一個記錄條目，該條目包含牲畜的唯一標(biāo)識符(耳標(biāo)號)以及按時間順序排列的健康指數(shù)數(shù)據(jù)點。每個數(shù)據(jù)點包含一個精確的時間戳一次步態(tài)監(jiān)測并計算出肢體功能健康指數(shù)后，系統(tǒng)將這些數(shù)據(jù)與當(dāng)前時間戳及牲畜耳標(biāo)號一起，作為一條新的記錄寫入該時序數(shù)據(jù)庫。隨著時間推移和監(jiān)測次數(shù)增加，數(shù)據(jù)庫中將累積該牲畜的健康指數(shù)歷史時間序列數(shù)據(jù)。[0037]獲取環(huán)境監(jiān)測數(shù)據(jù)和牧場管理記錄并根據(jù)健康指數(shù)時序數(shù)據(jù)庫進行環(huán)境與管理數(shù)據(jù)關(guān)聯(lián)，得到健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集的操作是：系統(tǒng)通過接口從不同的數(shù)據(jù)源獲取9信息、分娩日期、擠奶次數(shù)和產(chǎn)量等)。環(huán)境監(jiān)測數(shù)據(jù)通常以時間序列和各項環(huán)境參數(shù)值。牧場管理記錄則包含事件類型、發(fā)生時間、涉及牲畜(通過耳標(biāo)號關(guān)聯(lián))以及相關(guān)描述信息。訪問構(gòu)建好的健康指數(shù)時序數(shù)據(jù)庫，根據(jù)健康指數(shù)數(shù)據(jù)點的時間戳，在環(huán)境監(jiān)測數(shù)據(jù)中查找同一時間段(例如，前后1小時內(nèi))對應(yīng)的環(huán)境參數(shù)值，并將環(huán)境參數(shù)與健康指數(shù)數(shù)據(jù)點關(guān)聯(lián)。同時，在牧場管理記錄中查找在健康指數(shù)采集時間點前后一段時間內(nèi)(例如，前后24小時內(nèi))發(fā)生的與該牲畜相關(guān)的管理事件，并將管理事件信息與健康指數(shù)數(shù)據(jù)點關(guān)聯(lián)。例如，如果左后肢健康指數(shù)在某個時間點顯著下降，系統(tǒng)會查找該時間點畜舍的溫度濕度、是否更換了飼料批次、是否進行了疫苗接種等信息，并將這些信息附加到該健康指數(shù)記錄上。這種關(guān)聯(lián)操作形成一個包含牲畜標(biāo)識、時間戳、肢體健康指數(shù)、環(huán)境參數(shù)和管理事件的綜合數(shù)據(jù)集，即健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集。[0038]計算健康指數(shù)時序數(shù)據(jù)庫的健康波動基線圖的操作是：訪問構(gòu)建好的健康指數(shù)時序數(shù)據(jù)庫。對于每頭牲畜，提取其歷史健康指數(shù)時間序列數(shù)據(jù)(至少需要一定長度的歷史數(shù)據(jù)，例如過去30天的記錄)。分析每個肢體(左前、右前、左后、右后)化規(guī)律。計算每個肢體健康指數(shù)在歷史記錄中的平均值和標(biāo)準差，作為該肢體的健康基線值和正常波動范圍。同時，識別健康指數(shù)的日內(nèi)波動模式(例如，活動高峰期健康指數(shù)是否規(guī)律性下降)和周度/月度趨勢(例如，隨著泌乳周期的推進健康指數(shù)是否呈現(xiàn)特定變化)。使用平滑算法(例如，移動平均或指數(shù)平滑)去除短期噪聲，生成平滑的健康指數(shù)歷史曲線?；跉v史數(shù)據(jù)，預(yù)測未來一段時間(例如，未來7天)的健康指數(shù)正常波動范圍，例如使用時間序列預(yù)測模型(例如，ARIMA模型或LSTM網(wǎng)絡(luò))預(yù)測均值和置信區(qū)間。將每個肢體健康指數(shù)的歷史平均值、標(biāo)準差、平滑曲線以及預(yù)測的正常波動范圍可視化，形成該牲畜的健康波動基線圖。該基線圖是評估當(dāng)前健康狀態(tài)是否異常的重要參考。[0039]根據(jù)健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集進行疾病風(fēng)險預(yù)警與趨勢圖譜生成，得到牲畜健康趨勢圖譜的操作是：利用健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集，分析健康指數(shù)的異常波動與環(huán)境因素和管理事件之間的統(tǒng)計學(xué)關(guān)聯(lián)。例如，如果多頭牲畜在更換某一飼料批次后，其后肢健并將其標(biāo)記為潛在的風(fēng)險因素。如果畜舍溫度持續(xù)高于30℃,多頭牲畜的健康指數(shù)(尤其是總健康指數(shù)或活動度相關(guān)指數(shù))普遍下降，則將“高溫預(yù)測模型，該模型輸入當(dāng)前牲畜的健康指數(shù)(與基線對比的偏離程度)、識別到的異常步態(tài)模式、以及當(dāng)前的環(huán)境參數(shù)和近期管理事件。模型可以使用機器學(xué)習(xí)算機森林或神經(jīng)網(wǎng)絡(luò)),這些模型在歷史健康-環(huán)境-管理關(guān)聯(lián)數(shù)據(jù)集上進行訓(xùn)練，學(xué)習(xí)識別與肢健康指數(shù)低于60”且“后肢負重差異率大于20%”且“近期發(fā)生轉(zhuǎn)險高度相關(guān)。模型輸出該牲畜當(dāng)前發(fā)生各種潛在疾病的風(fēng)險概率。同時，結(jié)合健康指數(shù)時序數(shù)據(jù)庫中的歷史趨勢、健康波動基線圖以及預(yù)測模型輸出的風(fēng)險概率，生成牲畜健康趨勢圖譜。趨勢圖譜可視化展示每個肢體健康指數(shù)的歷史變化曲線、當(dāng)前健康狀態(tài)相對于基線的偏離程度、未來健康指數(shù)的預(yù)測趨勢(包括正常波動范圍和風(fēng)險區(qū)間),以及與健康指數(shù)異常波動相關(guān)聯(lián)的環(huán)境風(fēng)險因子和管理事件。例如，圖譜可以顯示左后肢健康指數(shù)在過去3天持續(xù)下降，當(dāng)前值已低于基線正常范圍，預(yù)測未來7天將進一步下降，同時標(biāo)記出該下降與近期的高溫環(huán)境或飼料調(diào)整有關(guān)，并給出跛行風(fēng)險的預(yù)警等級(例如，高風(fēng)險)。這個趨勢圖譜為牧場管理者提供了牲畜個體和群體的健康狀況概覽、潛在風(fēng)險提示和決策支持。[0041]步驟S11:將壓力感應(yīng)墊按照牲畜蹄部受力特點劃分為前區(qū)、中區(qū)和后區(qū)三個功能區(qū)域，每個區(qū)域配置獨立的壓力傳感器陣列，通過壓力傳感器陣列采集三區(qū)域壓力矩陣；[0042]步驟S12:在壓力感應(yīng)墊周圍設(shè)置6個高速攝像機，通過標(biāo)定板對攝像系統(tǒng)進行空間坐標(biāo)校準，得到空間坐標(biāo)映射數(shù)據(jù)集；[0043]步驟S13:對待測牲畜進行牲畜關(guān)節(jié)標(biāo)記點設(shè)置，得到關(guān)節(jié)標(biāo)記位置數(shù)據(jù)；[0044]步驟S14:根據(jù)三區(qū)域壓力矩陣、空間坐標(biāo)映射數(shù)據(jù)集和關(guān)節(jié)標(biāo)記位置數(shù)據(jù)進行同步數(shù)據(jù)采集觸發(fā)，得到同步觸發(fā)時間序列；[0045]步驟S15:根據(jù)三區(qū)域壓力矩陣和同步觸發(fā)時間序列進行動態(tài)路徑識別與攝像機[0046]步驟S16:根據(jù)同步觸發(fā)時間序列和動態(tài)路徑跟蹤數(shù)據(jù)對三區(qū)域壓力矩陣進行地面反作用力數(shù)據(jù)提取，得到力學(xué)分布時序數(shù)據(jù)；[0047]步驟S17:根據(jù)空間坐標(biāo)映射數(shù)據(jù)集、關(guān)節(jié)標(biāo)記位置數(shù)據(jù)和同步觸發(fā)時間序列計算關(guān)節(jié)運動參數(shù)集；[0048]步驟S18:根據(jù)力學(xué)分布時序數(shù)據(jù)和關(guān)節(jié)運動參數(shù)集進行步態(tài)周期劃分，得到步態(tài)周期分段數(shù)據(jù)；[0049]步驟S19:根據(jù)力學(xué)分布時序數(shù)據(jù)、關(guān)節(jié)運動參數(shù)集、步態(tài)周期分段數(shù)據(jù)和動態(tài)路徑跟蹤數(shù)據(jù)生成步態(tài)力學(xué)特征圖譜。[0050]本發(fā)明實施例中，將壓力感應(yīng)墊按照牲畜蹄部受力特點劃分為前區(qū)、中區(qū)和后區(qū)三個功能區(qū)域。例如，使用一塊尺寸為2米×1米、傳感器密度為每平方厘米4個的電阻式壓力感應(yīng)墊，沿其長度方向?qū)⑶?.5米劃分為前區(qū)，中間1米劃分為中區(qū)，后0.5米劃分為后區(qū)。每個區(qū)域內(nèi)部包含一個獨立的壓力傳感器陣列，例如由200×100個獨立壓力傳感器組成的網(wǎng)格，每個傳感器單元尺寸為0.5厘米×0.5厘米，傳感器采樣頻率設(shè)定為200Hz。通過這些傳感器陣列同時并獨立地采集三個區(qū)域在牲畜行走過程中施加的瞬時壓力分布數(shù)據(jù)，形成[0051]在壓力感應(yīng)墊周圍設(shè)置6個高速攝像機。例如，使用型號BasleracA2040-90uc、分辨率2048×1536像素、幀率120幀/秒的高速攝像機，將其布置在壓力墊四周，例如每側(cè)(長邊)布置2臺，兩端(短邊)各布置1臺，攝像機架設(shè)高度為2米，距離壓力覆蓋壓力墊上方360°視野范圍。使用一個標(biāo)準棋盤格標(biāo)定板，在壓力墊上方及周圍不同位置和角度拍攝多張圖像，應(yīng)用張正友標(biāo)定法計算每臺攝像機的內(nèi)參和外參?；谶@些參數(shù)，建立一個全局坐標(biāo)系(例如以壓力墊中心為原點)與每臺攝像機坐標(biāo)系之間的空間坐標(biāo)映射關(guān)系，形成空間坐標(biāo)映射數(shù)據(jù)集，該數(shù)據(jù)集包括每臺攝像機的畸變系數(shù)、內(nèi)參矩陣以及從全局坐標(biāo)系到每臺攝像機坐標(biāo)系的旋轉(zhuǎn)和平移矩陣。[0052]對待測牲畜的關(guān)鍵關(guān)節(jié)點進行標(biāo)記點設(shè)置。例如，對于一頭牛，在其肩關(guān)節(jié)(肩胛骨最高點)、肘關(guān)節(jié)(尺骨鷹嘴)、腕關(guān)節(jié)(橈腕關(guān)節(jié)外側(cè))、髖關(guān)節(jié)(股骨大轉(zhuǎn)子)、膝關(guān)節(jié)(股骨外側(cè)髁)和踝關(guān)節(jié)(腓骨外側(cè)踝)等位置，使用直徑15毫米的被動式反光標(biāo)記點，通過無刺11激性粘貼劑或彈性綁帶牢固附著。確保標(biāo)記點在牲畜行走過程中不會脫落或移位，并且從不同角度都能被至少兩臺攝像機清晰捕捉到。這些預(yù)設(shè)的關(guān)節(jié)點位置及其對應(yīng)的標(biāo)記點編號構(gòu)成關(guān)節(jié)標(biāo)記位置數(shù)據(jù)。[0053]設(shè)置壓力閾值觸發(fā)機制以實現(xiàn)同步數(shù)據(jù)采集。例如，通過一個中央控制單元監(jiān)測來自三區(qū)域壓力矩陣的前區(qū)壓力數(shù)據(jù)。當(dāng)檢測到前區(qū)任一傳感器或傳感器組的總壓力超過預(yù)設(shè)閾值(設(shè)定為50N)時，中央控制單元立即向壓力數(shù)據(jù)采集系統(tǒng)和高速攝像系統(tǒng)發(fā)送同步觸發(fā)信號。壓力數(shù)據(jù)采集系統(tǒng)(工作在200Hz)和攝像系統(tǒng)(工作在120Hz)接收到觸發(fā)信號后，開始同步記錄數(shù)據(jù)流，并在每條數(shù)據(jù)記錄中附加一個高精度時間戳，例如納秒級時間戳，確保壓力數(shù)據(jù)和攝像數(shù)據(jù)在時間上嚴格對齊，形成同步觸發(fā)時間序列。[0054]根據(jù)三區(qū)域壓力矩陣和同步觸發(fā)時間序列進行動態(tài)路徑識別與攝像機調(diào)整。例如，在同步采集期間，實時處理來自三區(qū)域壓力矩陣的壓力數(shù)據(jù)，識別壓力值大于50N的區(qū)域作為蹄印點。計算檢測到的每個蹄印點的質(zhì)心坐標(biāo)，并記錄其時間戳，形成蹄印時空序列數(shù)據(jù)。取最近的連續(xù)3個蹄印點，計算其質(zhì)心連線向量，通過向量平均計算當(dāng)前蹄印點序列的瞬時行走方向向量。基于最近5秒內(nèi)的蹄印點位置，使用二階多項式擬合方法構(gòu)建牲畜短期行走軌跡預(yù)測模型，預(yù)測未來0.5秒內(nèi)牲畜可能達到的位置。根據(jù)預(yù)測的未來位置和行走方向，計算能夠最大化捕捉牲畜側(cè)面和背面關(guān)節(jié)點標(biāo)記的最佳攝像機角度。通過向連接攝像機的伺服電機發(fā)送控制指令，實時調(diào)整攝像機的水平(Pan)和垂直(Tilt)角度，使牲畜始終處于攝像機視野中心并保持最佳觀測視角，生成動態(tài)路徑跟蹤數(shù)據(jù)。[0055]根據(jù)同步觸發(fā)時間序列和動態(tài)路徑跟蹤數(shù)據(jù)，對三區(qū)域壓力矩陣進行地面反作用力數(shù)據(jù)提取。例如，對于同步采集到的三區(qū)域壓力矩陣數(shù)據(jù)流，根據(jù)動態(tài)路徑跟蹤數(shù)據(jù)中識別出的蹄印位置和時間戳，將壓力數(shù)據(jù)分配給對應(yīng)的肢體。對于每次蹄部著地事件，從壓力墊傳感器數(shù)據(jù)中提取垂直方向的總力(Fz,通過對蹄印區(qū)域所有傳感器的壓力求和并乘以傳感器面積獲得)以及估計的前后方向(Fy)和側(cè)向(Fx)剪切力(如果壓力墊傳感器陣列包含剪切力測量功能或可通過相鄰傳感器壓力梯度估算)。計算每個肢體在支撐相期間的Fz、Fx、Fy隨時間變化的曲線，并計算這些力曲線的時間積分(沖量)和峰值。這些提取出的數(shù)據(jù)構(gòu)成力學(xué)分布時序數(shù)據(jù)。[0056]根據(jù)空間坐標(biāo)映射數(shù)據(jù)集、關(guān)節(jié)標(biāo)記位置數(shù)據(jù)和同步觸發(fā)時間序列計算關(guān)節(jié)運動參數(shù)集。例如，利用同步觸發(fā)時間序列，從高速攝像機捕捉到的圖像序列中，使用基于深度學(xué)習(xí)或傳統(tǒng)圖像處理的標(biāo)記點跟蹤算法，識別并提取牲畜關(guān)節(jié)點標(biāo)記點在每臺攝像機圖像平面上的二維坐標(biāo)。利用空間坐標(biāo)映射數(shù)據(jù)集中的攝像機內(nèi)外參，通過多視角三維重建算法(例如直接線性變換DLT或捆綁調(diào)整BundleAdjustment),將二維圖像坐標(biāo)重建為標(biāo)記點在全局坐標(biāo)系下的三維空間坐標(biāo)。對重建出的三維軌跡數(shù)據(jù)應(yīng)用一個截止頻率為8Hz的四階Butterworth低通濾波器進行平滑處理，消除噪聲?；谄交蟮臉?biāo)記點三維坐標(biāo)，定義牲畜體節(jié)(如前臂、后腿等),計算各體節(jié)的姿態(tài)(方位)。計算相鄰體節(jié)之間的相對角度作為關(guān)節(jié)角度(例如肘關(guān)節(jié)、膝關(guān)節(jié)的屈伸角、內(nèi)外展角、內(nèi)外旋角)。對關(guān)節(jié)角度時間序列進行數(shù)值微分，計算關(guān)節(jié)角速度。這些三維坐標(biāo)、體節(jié)姿態(tài)、關(guān)節(jié)角度和角速度數(shù)據(jù)構(gòu)成關(guān)節(jié)運動參數(shù)集。[0057]根據(jù)力學(xué)分布時序數(shù)據(jù)和關(guān)節(jié)運動參數(shù)集進行步態(tài)周期劃分。例如，利用力學(xué)分布時序數(shù)據(jù)中垂直地面反作用力(Fz)的變化來識別肢體的著地和離地時刻。將Fz超過50N的時刻標(biāo)記為著地(InitialContact,IC),將Fz持續(xù)低于10N的時刻標(biāo)記為離地(ToeOff,TO)。一個完整的步態(tài)周期(GaitCycle,GC)定義為從某一肢體著地到該同一肢體下一次著地之間的時間段。支撐相(StancePhase,SP)定義為從IC到TO的時間段，擺動相(SwingPhase,SwP)定義為從TO到下一IC的時間段。計算每個步態(tài)周期、支撐相和擺動相的持續(xù)時間，并計算支撐相和擺動相占整個步態(tài)周期的比例。這些時間戳、持續(xù)時間和比例數(shù)據(jù)構(gòu)成步態(tài)周期分段數(shù)據(jù)。[0058]根據(jù)力學(xué)分布時序數(shù)據(jù)、關(guān)節(jié)運動參數(shù)集、步態(tài)周期分段數(shù)據(jù)和動態(tài)路徑跟蹤數(shù)據(jù)生成步態(tài)力學(xué)特征圖譜。例如，對于每個識別出的步態(tài)周期，將該周期內(nèi)的力學(xué)分布時序數(shù)據(jù)(Fz,Fx,Fy時間序列)、關(guān)節(jié)運動參數(shù)集(關(guān)節(jié)角度、角速度時間序列)進行時間歸一化處理，例如重采樣至100個數(shù)據(jù)點，表示步態(tài)周期的0%到100分量的峰值、沖量、支撐相持續(xù)時間、擺動相持續(xù)時間、步步寬(連續(xù)兩個對側(cè)腳印質(zhì)心垂直于前進方向的距離)、步頻(每分鐘步數(shù))等。將這些歸一化的時間序列數(shù)據(jù)和標(biāo)量參數(shù)整合到一個結(jié)構(gòu)化的數(shù)據(jù)集中，例如使用HDF5格式存儲。該數(shù)據(jù)集包含每個肢體、每個步態(tài)周期的所有相關(guān)力學(xué)、運動學(xué)、時間和空間參數(shù)，形成步態(tài)力學(xué)特征圖譜。[0060]根據(jù)同步觸發(fā)時間序列提取三區(qū)域壓力矩陣中的蹄印時空序列數(shù)據(jù)；[0061]根據(jù)蹄印時空序列數(shù)據(jù)進行路徑方向向量計算，得到牲畜運動向量數(shù)據(jù)；[0062]根據(jù)牲畜運動向量數(shù)據(jù)和蹄印時空序列數(shù)據(jù)計算路徑預(yù)測曲線數(shù)據(jù)；[0063]根據(jù)牲畜運動向量數(shù)據(jù)和蹄印時空序列數(shù)據(jù)進行轉(zhuǎn)向點識別，得到行為突變標(biāo)記數(shù)據(jù)；[0064]根據(jù)路徑預(yù)測曲線數(shù)據(jù)和行為突變標(biāo)記數(shù)據(jù)進行最佳觀測角度計算，得到攝像機角度優(yōu)化參數(shù)；[0065]根據(jù)攝像機角度優(yōu)化參數(shù)采集動態(tài)路徑跟蹤數(shù)據(jù)。[0066]本發(fā)明實施例中，根據(jù)同步觸發(fā)時間序列提取三區(qū)域壓力矩陣中的蹄印時空序列數(shù)據(jù)。在中央控制單元接收到同步觸發(fā)信號后，系統(tǒng)開始以200Hz的頻率采集壓力感應(yīng)墊的三區(qū)域壓力矩陣數(shù)據(jù)。對于每一幀壓力數(shù)據(jù)，遍歷傳感器陣列，識別壓力值大于50N的傳感器單元。將相鄰的、壓力值超過閾值的傳感器單元聚類，形成識別到的蹄印區(qū)域。計算每個蹄印區(qū)域的壓力加權(quán)質(zhì)心坐標(biāo)(x,y),即質(zhì)心坐標(biāo)=∑(傳感器壓力×傳感器坐標(biāo))/∑(傳感器壓力)。將每個計算出的蹄印質(zhì)心坐標(biāo)(x,y)與其對應(yīng)的采集時間戳關(guān)聯(lián)，組織成時間順序排列的序列數(shù)據(jù)，形成蹄印時空序列數(shù)據(jù)，例如存儲為一個包含[時間戳，x坐標(biāo)，y坐標(biāo)]元組的列表。[0067]根據(jù)蹄印時空序列數(shù)據(jù)進行路徑方向向量計算。從蹄印時空序列數(shù)據(jù)中，提取最V_avg=(V?+V?)/2。同時，計算最近兩個點的時間差△t=t;-ti-1。瞬時行走速度計算為向量V?的模長除以時間差△t,即速度=((x?-xi-1)2+(y;-yi-1)2)/(t;-ti-1)。將計算出的行走方向向量和瞬時速度以及當(dāng)前時間戳關(guān)聯(lián)，形成牲畜運動向量數(shù)據(jù)。[0068]根據(jù)牲畜運動向量數(shù)據(jù)和蹄印時空序列數(shù)據(jù)計算路徑預(yù)測曲線數(shù)據(jù)。使用最近5秒內(nèi)的蹄印時空序列數(shù)據(jù)，提取其(x,y)坐標(biāo)和對應(yīng)的時間戳。將時間戳相對于當(dāng)前時間進行歸一化處理。使用二階多項式模型擬合牲畜的行走軌跡，即假設(shè)x方向和y方向的位置是時間的二次函數(shù)：x(t)=axt2+bxt+cx,y(t)=ayt2+byt+cy。利用最小二乘法求解出系數(shù)ax,bx,Cx,ay,b,cy,使得擬合曲線與最近5秒內(nèi)的蹄印點數(shù)據(jù)偏差最小。將擬合得到的模型extrapolation到未來0.5秒的時間點，計算預(yù)測的(x,y)坐標(biāo)序列，形成路徑預(yù)測曲線數(shù)曲率K=|x'(t)y''(t)-x''(t)y'(t)|/(x'(t)2+y'(t)2)^(3/2),以及預(yù)測路徑方向的變化[0069]根據(jù)牲畜運動向量數(shù)據(jù)和蹄印時空序列數(shù)據(jù)進行轉(zhuǎn)向點識別。從牲畜運動向量數(shù)據(jù)中提取連續(xù)的行走方向向量序列。計算相鄰方向向量之間的夾角θ。計算該夾角的瞬時變記為潛在轉(zhuǎn)向點。同時，分析蹄印時空序列數(shù)據(jù)，計算連續(xù)檢測到的蹄印點(不區(qū)分肢體)之間的時間間隔。如果某個時間間隔超過該牲畜歷史平均步態(tài)周期時間(例如，取個體步態(tài)基線參數(shù)集中的步態(tài)周期均值)的1.5倍，則判定牲畜發(fā)生了停頓或猶豫，并標(biāo)記為潛在停頓點。將這些標(biāo)記與對應(yīng)的時間戳關(guān)聯(lián)，形成行為突變標(biāo)記數(shù)據(jù)。[0070]根據(jù)路徑預(yù)測曲線數(shù)據(jù)和行為突變標(biāo)記數(shù)據(jù)計算最佳觀測角度。根據(jù)路徑預(yù)測曲線數(shù)據(jù)，確定牲畜在未來0.5秒內(nèi)的預(yù)測位置和前進方向。結(jié)合牲畜體型信息和關(guān)節(jié)標(biāo)記位置數(shù)據(jù)，計算從每個攝像機當(dāng)前位置到預(yù)測牲畜位置的向量，以及該向量與預(yù)測前進方向之間的夾角。目標(biāo)是計算能夠使牲畜側(cè)面或背面(即標(biāo)記點主要分布區(qū)域)最大程度暴露在攝像機視野中的角度。對于標(biāo)記為潛在轉(zhuǎn)向點的區(qū)域，計算能夠同時捕捉到牲畜內(nèi)側(cè)和外側(cè)肢體運動的復(fù)合角度。對于標(biāo)記為潛在停頓點的區(qū)域，計算提供穩(wěn)定、多視角觀測(例如前側(cè)方和后側(cè)方)的角度。綜合考慮所有6臺攝像機，通過優(yōu)化算法計算一組使整體觀測效果最佳的攝像機水平(Pan)和垂直(Tilt)角度，形成攝像機角度優(yōu)化參數(shù)，例如一個包含每臺攝像機目標(biāo)Pan和Tilt角度的列表。[0071]根據(jù)攝像機角度優(yōu)化參數(shù)采集動態(tài)路徑跟蹤數(shù)據(jù)。將計算出的攝像機角度優(yōu)化參數(shù)通過控制接口發(fā)送給連接高速攝像機的伺服電機。伺服電機根據(jù)接收到的參數(shù)實時調(diào)整攝像機的Pan和Tilt角度。攝像系統(tǒng)在角度調(diào)整的同時持續(xù)以120幀/秒的頻率捕捉圖像。通過對捕捉到的圖像進行處理，例如使用標(biāo)記點跟蹤算法，實時提取標(biāo)記點在調(diào)整后攝像機視野中的位置。結(jié)合攝像機實時的內(nèi)外參和姿態(tài)(由伺服電機角度反饋獲得),將標(biāo)記點二維圖像坐標(biāo)重建為全局坐標(biāo)系下的三維坐標(biāo)。這些實時更新的標(biāo)記點三維坐標(biāo)序列即為牲畜在行走過程中的動態(tài)位置和姿態(tài)信息，構(gòu)成了動態(tài)路徑跟蹤數(shù)據(jù)。[0072]優(yōu)選地，步驟S2中個體步態(tài)時序分段包括：[0073]獲取牲畜個體識別信息并根據(jù)步態(tài)力學(xué)特征圖譜進行歷史數(shù)據(jù)庫構(gòu)建與訪問，得到個體歷史步態(tài)記錄集；[0074]計算個體歷史步態(tài)記錄集的個體步態(tài)基線參數(shù)集；[0075]對步態(tài)力學(xué)特征圖譜中的各項參數(shù)進行當(dāng)前步態(tài)參數(shù)標(biāo)準化，得到標(biāo)準化步態(tài)參[0076]對標(biāo)準化步態(tài)參數(shù)和個體步態(tài)基線參數(shù)集進行時間序列分段與對齊，得到分段對齊步態(tài)數(shù)據(jù)。[0077]本發(fā)明實施例中，獲取牲畜個體識別信息并根據(jù)步態(tài)力學(xué)特征圖譜進行歷史數(shù)據(jù)庫構(gòu)建與訪問。系統(tǒng)在采集到步態(tài)力學(xué)特征圖譜后，讀取其中包含的牲畜個體識別信息，例如唯一的耳標(biāo)號。利用該耳標(biāo)號作為檢索鍵，在一個結(jié)構(gòu)化數(shù)據(jù)庫(例如使用PostgreSQL數(shù)據(jù)庫)中查找該牲畜的歷史步態(tài)記錄。如果數(shù)據(jù)庫中已存在該牲畜的記錄，則提取其過去30天內(nèi)的所有步態(tài)力學(xué)特征圖譜數(shù)據(jù)，形成個體歷史步態(tài)記錄集。如果數(shù)據(jù)庫中沒有該牲畜的記錄，則將當(dāng)前采集的步態(tài)力學(xué)特征圖譜作為該牲畜的第一條記錄存入數(shù)據(jù)庫，并標(biāo)記為基礎(chǔ)記錄。數(shù)據(jù)庫設(shè)計為一個關(guān)系型數(shù)據(jù)庫，包含牲畜信息表等)和步態(tài)記錄表(耳標(biāo)號、采集時間戳、步態(tài)力學(xué)特征圖譜數(shù)據(jù)存儲路徑或序列化數(shù)據(jù))。每個牲畜在累積至少5次有效的步態(tài)記錄(例如在不同日期和時間段采集)后，其歷史記錄集才被用于后續(xù)的基線計算。[0078]計算個體歷史步態(tài)記錄集的個體步態(tài)基線參數(shù)集。對從歷史數(shù)據(jù)庫訪問獲得的個體歷史步態(tài)記錄集中的所有步態(tài)力學(xué)特征圖譜數(shù)據(jù)進行統(tǒng)計分析。例如，對于步態(tài)周期時間、各關(guān)節(jié)最大屈伸角度、垂直地面反作用力峰值等關(guān)鍵參數(shù)，計算其在歷史記錄中的均值值超過3個標(biāo)準差的數(shù)據(jù)點，以排除異常值對基線計算的影響。將計算得到的各項步態(tài)參數(shù)的歷史均值和標(biāo)準差以及變異系數(shù)(CV=σ/μ×100%)存儲起來，形成該牲畜的正常步態(tài)參考范圍，即個體步態(tài)基線參數(shù)集。這個基線參數(shù)集以結(jié)構(gòu)化數(shù)據(jù)格式(例如JSON或XML)存儲，并與牲畜個體識別信息關(guān)聯(lián)。[0079]對步態(tài)力學(xué)特征圖譜中的各項參數(shù)進行當(dāng)前步態(tài)參數(shù)標(biāo)準化。將當(dāng)前采集的步態(tài)力學(xué)特征圖譜中的各項標(biāo)量參數(shù)(如步態(tài)周期時間、關(guān)節(jié)角度峰值、力峰值等)與該牲畜的個體步態(tài)基線參數(shù)集進行比較。對于每個參數(shù)，使用Z-score標(biāo)準化方法計算其標(biāo)準化分數(shù)，即：標(biāo)準化分數(shù)=(當(dāng)前參數(shù)值-基線均值)/基線標(biāo)準差。如果基線標(biāo)準差接近零(表示歷史波動極小),則使用該參數(shù)的歷史絕對偏差均值作為分母。對于時間序列參數(shù)(如歸一化的關(guān)節(jié)角度曲線、力曲線),計算其與基線對應(yīng)時間點的曲線均值之間的均方根誤差(RMSE)或相關(guān)系數(shù)作為標(biāo)準化指標(biāo)。這些計算得到的標(biāo)準化數(shù)值或指標(biāo)構(gòu)成標(biāo)準化步態(tài)參數(shù)。[0080]對標(biāo)準化步態(tài)參數(shù)和個體步態(tài)基線參數(shù)集進行時間序列分段與對齊。根據(jù)個體步態(tài)基線參數(shù)集中記錄的該牲畜歷史平均步態(tài)周期信息，將當(dāng)前標(biāo)準化步態(tài)參數(shù)中的時間序列數(shù)據(jù)(如關(guān)節(jié)角度變化曲線、力曲線)按照步態(tài)周期進行劃分。一個步態(tài)周期劃分為四個階段：著地期(InitialContact到LoadingResponse)、支撐期(LoadingResponse到MidStance)、蹬地期(MidStance到TerminalStance)和擺動期(TerminalStance到InitialContact)。這些階段的劃分點基于步態(tài)周期分段數(shù)據(jù)中的關(guān)鍵事件(如著地、離地)。為了消除當(dāng)前步態(tài)速度與歷史基線速度的差異，對當(dāng)前步態(tài)各階段的時間序列數(shù)據(jù)進行動態(tài)時間規(guī)整(DynamicTimeWarping,DTW)算法處理，使其時間軸與基線步態(tài)的時間軸對齊。DTW算法通過尋找兩個時間序列之間的最佳匹配路徑來實現(xiàn)非線性時間對齊。對齊后，將當(dāng)前步態(tài)的各階段標(biāo)準化參數(shù)與基線對應(yīng)階段的參數(shù)進行逐點比較，形成分段對齊步態(tài)數(shù)據(jù)。這些數(shù)據(jù)以結(jié)構(gòu)化格式存儲，包含每個階段、每個參數(shù)在對齊后的時間點上的標(biāo)準化數(shù)值。[0082]根據(jù)牲畜基礎(chǔ)信息和個體步態(tài)基線參數(shù)集提取牲畜特征標(biāo)準化參數(shù)；[0083]根據(jù)分段對齊步態(tài)數(shù)據(jù)進行步態(tài)穩(wěn)定性指數(shù)計算，得到步態(tài)波動特征譜；[0084]根據(jù)步態(tài)波動特征譜和牲畜特征標(biāo)準化參數(shù)進行參數(shù)重要性權(quán)重分配，得到參數(shù)重要性權(quán)重表；[0085]根據(jù)步態(tài)波動特征譜識別個體特有步態(tài)特征；[0086]根據(jù)個體特有步態(tài)特征計算關(guān)節(jié)角度異常閾值；[0087]根據(jù)個體特有步態(tài)特征計算力學(xué)參數(shù)異常閾值；[0088]根據(jù)步態(tài)波動特征譜計算時間參數(shù)異常閾值；[0089]整合關(guān)節(jié)角度異常閾值、力學(xué)參數(shù)異常閾值和時間參數(shù)異常閾值，得到個體化異常閾值集。[0090]本發(fā)明實施例中，根據(jù)牲畜基礎(chǔ)信息和個體步態(tài)基線參數(shù)集提取牲畜特征標(biāo)準化和預(yù)期壽命數(shù)據(jù)。計算體重指數(shù)，即體重指數(shù)=實際體重/品種標(biāo)準體重。計算年齡系數(shù)，即年齡系數(shù)=實際年齡/品種預(yù)期壽命。這些計算得到的數(shù)值，例如體重指數(shù)為1.05(表示比標(biāo)準體重重5%)、年齡系數(shù)為0.6(表示處于預(yù)期壽命的60%),構(gòu)成了牲畜特征標(biāo)準化參數(shù)，用于后續(xù)閾值計算的調(diào)整因子。[0091]根據(jù)分段對齊步態(tài)數(shù)據(jù)進行步態(tài)穩(wěn)定性指數(shù)計算。利用歷史數(shù)據(jù)庫中的個體歷史步態(tài)記錄集(至少5次記錄)以及當(dāng)前采集并與基線對齊后的分段對齊步態(tài)數(shù)據(jù)，計算各項步態(tài)參數(shù)的變異性指標(biāo)。對于步態(tài)周期時間、支撐相持續(xù)時間、擺動相持續(xù)時間、各關(guān)節(jié)在支撐期和擺動期的最大/最小角度、垂直地面反作用力峰值、前后剪切力峰值等參數(shù)，計算其在所有歷史記錄中的變異系數(shù)(CV)。變異系數(shù)計算公式為：CV=(標(biāo)準差/均值)×100%,μ為參數(shù)的歷史均值，σ為參數(shù)的歷史標(biāo)準差。變異系數(shù)低的參數(shù)表示該牲畜該參數(shù)的歷史波動小，步態(tài)穩(wěn)定；變異系數(shù)高的參數(shù)表示波動大，穩(wěn)定性差。將各項參數(shù)的變異系數(shù)集合起[0092]根據(jù)步態(tài)波動特征譜和牲畜特征標(biāo)準化參數(shù)進行參數(shù)重要性權(quán)重分配?；谏蟮钠贩N類型(從牲畜特征標(biāo)準化參數(shù)中獲取),查閱一個預(yù)設(shè)的參數(shù)重要性權(quán)重表。例如，對于奶牛品種，后肢的負重參數(shù)(如垂直力峰值、負重時間)和后肢關(guān)節(jié)(如膝關(guān)節(jié)、踝關(guān)節(jié))的活動度參數(shù)被賦予較高的重要性權(quán)重(例如0.8-1.0),而前肢某些參數(shù)的權(quán)重稍低(例如0.6-0.8)。對于肉牛品種，則更關(guān)注整體的運動協(xié)調(diào)性和四肢的均衡負重。根據(jù)步態(tài)波動特征譜中各參數(shù)的CV值，對預(yù)設(shè)權(quán)重進行微調(diào)：對于CV值較低(穩(wěn)定性高)的關(guān)鍵參數(shù)，其權(quán)重進一步提升，以強調(diào)其作為穩(wěn)定基線的價值；對于CV值異常高(穩(wěn)定性差)的參數(shù)，其權(quán)重略微降低，表示該參數(shù)本身就不穩(wěn)定，其變化不完全代表異常。這些權(quán)重值構(gòu)成參數(shù)重要性權(quán)重表，例如一個包含[參數(shù)名稱，重要性權(quán)重][0093]根據(jù)步態(tài)波動特征譜識別個體特有步態(tài)特征。分析步態(tài)波動特征譜中CV值較低(例如CV<10%)的參數(shù)。同時，將這進行比較。如果某個參數(shù)的歷史均值與群體平均值存在顯著差異(例如差異超過群體標(biāo)準差的1.5倍),但該參數(shù)在該個體牲畜的歷史記錄中表現(xiàn)出較低的變異性，即穩(wěn)定地偏離群體均值，則判定該偏離是該個體牲畜特有的步態(tài)節(jié)律特性，而非異常。例如，某頭牛的左后肢垂直力峰值始終比群體平均值低10%,但其CV值僅為5%,則將其標(biāo)記為個體特有的左后肢負重偏低特征。這些被識別出的個體特有步態(tài)特征及其偏離程度被記錄下來，形成個體特有步態(tài)特征記錄。[0094]根據(jù)步態(tài)波動特征譜、參數(shù)重要性權(quán)重表和個體特有步態(tài)特征記錄計算關(guān)節(jié)角度異常閾值。對于分段對齊步態(tài)數(shù)據(jù)中的每個關(guān)節(jié)角度參數(shù)(如膝關(guān)節(jié)屈伸角在支撐期的最大角度),根據(jù)其在步態(tài)波動特征譜中的變異系數(shù)(σ)和個體步態(tài)基線參數(shù)集中的歷史均值σ。系數(shù)k根據(jù)該參數(shù)的CV值和其在參數(shù)重要性權(quán)重表中的權(quán)重動態(tài)設(shè)定，例如k=f(CV,ImportanceWeight),其中f是一個遞減函數(shù)(CV越高k越大，權(quán)重越高k越小)。然后，根據(jù)個體特有步態(tài)特征記錄對閾值進行調(diào)整：如果某個關(guān)節(jié)角度參數(shù)被識別為個體特有特征，則將其基線均值調(diào)整為個體歷史均值，并根據(jù)其個體穩(wěn)定性(低CV)適當(dāng)收緊閾值范圍(減小k值)。這些計算得到的上下限數(shù)值構(gòu)成關(guān)節(jié)角度異常閾值，例如一個包含[關(guān)節(jié)名稱，步態(tài)階[0095]根據(jù)步態(tài)波動特征譜、參數(shù)重要性權(quán)重表和個體特有步態(tài)特征記錄計算力學(xué)參數(shù)異常閾值。對于地面反作用力等力學(xué)參數(shù)(如垂直力峰值、前后剪切力沖量),同樣基于其在步態(tài)波動特征譜中的歷史分布特性(均值μ,標(biāo)準差σ)和參數(shù)重要性權(quán)重表中的權(quán)重設(shè)定初始閾值。可以使用基于百分位數(shù)的方法：閾值下限設(shè)定為歷史數(shù)據(jù)的第5百分位數(shù)，閾值上限設(shè)定為歷史數(shù)據(jù)的第95百分位數(shù)。根據(jù)該參數(shù)的CV值和重要性權(quán)重，調(diào)整百分位數(shù)范圍，例如重要性高且穩(wěn)定性好的參數(shù)，閾值范圍收緊至第2.5百分位數(shù)到第97.5百分位數(shù)。如果某個力學(xué)參數(shù)被識別為個體特有步態(tài)特征，例如持續(xù)偏低的負重，則以其個體歷史均值和標(biāo)準差為基礎(chǔ)計算閾值，而非群體均值，并根據(jù)其個體穩(wěn)定性調(diào)整閾值范圍。這些計算得到的數(shù)值構(gòu)成力學(xué)參數(shù)異常閾值。[0096]根據(jù)步態(tài)波動特征譜和牲畜特征標(biāo)準化參數(shù)計算時間參數(shù)異常閾值。對于步態(tài)周期、支撐相持續(xù)時間、擺動相持續(xù)時間等時間參數(shù)，基于其在步態(tài)波動特征譜中的歷史分布放寬時間參數(shù)的閾值上限和波動范圍。體重顯著偏離標(biāo)準體重的牲畜，其步態(tài)節(jié)律也有所不同。例如，閾值上限=μ+k?×0+k?×年齡系數(shù)+k?×體重指數(shù)，閾值下限=μ-k?×0-k?×年齡系數(shù)-k?×體重指數(shù)，其中k?,k?,k?,k4,ks,k?是根據(jù)經(jīng)驗或歷史群體數(shù)據(jù)設(shè)定的調(diào)整系數(shù)。這些計算得到的數(shù)值構(gòu)成時間參數(shù)異常閾值。[0097]整合關(guān)節(jié)角度異常閾值、力學(xué)參數(shù)異常閾值和時間參數(shù)異常閾值。將計算得到的關(guān)節(jié)角度異常閾值、力學(xué)參數(shù)異常閾值、時間參數(shù)異常閾值以及側(cè)向移動幅度異常閾值(如果已計算)匯集在一起。對所有閾值進行結(jié)構(gòu)化組織，例如行分類。將這些數(shù)值存儲為一個完整的個體化異常閾值集，例如一個包含所有參數(shù)名稱及其對應(yīng)上下限閾值的字典或列表。這個集合是該特定牲畜在當(dāng)前狀態(tài)下用于判定步態(tài)是否異常的個性化標(biāo)準。[0098]優(yōu)選地，步驟S2中異常步態(tài)模式識別包括：[0099]根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行關(guān)節(jié)角度變化異常檢測，得到關(guān)節(jié)角度異常標(biāo)記數(shù)據(jù)；[0100]根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行地面反作用力異常檢測，得到力學(xué)參數(shù)異常標(biāo)記數(shù)據(jù)；[0101]根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行側(cè)向移動幅度分析，得到側(cè)向移動異常標(biāo)記數(shù)據(jù)；[0102]對關(guān)節(jié)角度異常標(biāo)記數(shù)據(jù)、力學(xué)參數(shù)異常標(biāo)記數(shù)據(jù)和側(cè)向移動異常標(biāo)記數(shù)據(jù)進行時間關(guān)聯(lián)性分析，得到異常模式時序關(guān)聯(lián)數(shù)據(jù)；[0103]根據(jù)關(guān)節(jié)角度異常標(biāo)記數(shù)據(jù)、力學(xué)參數(shù)異常標(biāo)記數(shù)據(jù)、側(cè)向移動異常標(biāo)記數(shù)據(jù)和異常模式時序關(guān)聯(lián)數(shù)據(jù)生成步態(tài)偏差指數(shù)矩陣。[0104]本發(fā)明實施例中，根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行關(guān)節(jié)角度變化異常檢測。對于分段對齊步態(tài)數(shù)據(jù)中每個關(guān)節(jié)(例如膝關(guān)節(jié))在特定步態(tài)階段(例如支撐期)的標(biāo)準化角度變化率時間序列，將其與個體化異常閾值集中該參數(shù)對應(yīng)的上下限閾值進行比較。例如，如果膝關(guān)節(jié)在支撐期某個時間點的標(biāo)準化屈伸角變化率高于其個體化異常閾值上限或低于其下限，則在該時間點標(biāo)記為異常。對所有關(guān)節(jié)、所有步態(tài)階段的關(guān)節(jié)角度變化率參數(shù)重復(fù)此過程。將所有超出閾值范圍的時間點及對應(yīng)的異常參數(shù)和偏離程度記錄下[0105]根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行地面反作用力異常檢測。對于分段對齊步態(tài)數(shù)據(jù)中每個肢體在支撐期內(nèi)的標(biāo)準化垂直地面反作用力、前后剪切力和側(cè)向剪切力時間序列，以及這些力的峰值和沖量等標(biāo)量參數(shù)，將其與個體化異常閾值集中對應(yīng)的閾值進行比較。例如，如果某個肢體在支撐相的垂直力峰值低于其個體化異常閾值下限(指示減負),或前后剪切力沖量超出其上限(指示蹬地異常),則標(biāo)記為異常。對所有肢體的力學(xué)參數(shù)重復(fù)此過程。將所有超出閾值范圍的參數(shù)及偏離程度記錄下來，形成力學(xué)參數(shù)異常等級可以根據(jù)偏離閾值的程度劃分，例如輕微(偏離1-2個標(biāo)準差)、中度(偏離2-3個標(biāo)準差)、嚴重(偏離3個標(biāo)準差以上)。[0106]根據(jù)個體化異常閾值集對分段對齊步態(tài)數(shù)據(jù)進行側(cè)向移動幅度分析。在分段對齊步態(tài)數(shù)據(jù)中，包含牲畜身體重心在步態(tài)周期中的三維位置信息。提取重心在側(cè)向(垂直于前進方向)的位移時間序列。計算重心在步態(tài)周期中的最大側(cè)向擺動幅度。將該幅度與個體化異常閾值集中該參數(shù)對應(yīng)的上下限閾值進行比較。例如，如果側(cè)向擺動幅度超出閾值上限(指示步態(tài)不穩(wěn)或疼痛代償),則標(biāo)記為側(cè)向移動異常。同時，分析重心側(cè)向移動的對稱性，計算左右擺動幅度的差異率，如果差異率超出閾值，也標(biāo)記為異常。將這些側(cè)向移動異常情況記錄下來，形成側(cè)向移動異常標(biāo)記數(shù)據(jù)，例如一個包含[參數(shù)名稱(如側(cè)向擺動幅度、左右對稱性),偏離值，異常等級]元組的列表。[0107]對關(guān)節(jié)角度異常標(biāo)記數(shù)據(jù)、力學(xué)參數(shù)異常標(biāo)記數(shù)據(jù)和側(cè)向移動異常標(biāo)記數(shù)據(jù)進行時間關(guān)聯(lián)性分析。分析已標(biāo)記的關(guān)節(jié)角度異常、力學(xué)參數(shù)異常和側(cè)向移動異常在步態(tài)周期內(nèi)的出現(xiàn)時間點和持續(xù)時間。例如，如果某個肢體的垂直力峰值異常降低與該肢體膝關(guān)節(jié)在支撐期的屈曲角度異常增大同時發(fā)生或在極短的時間間隔內(nèi)出現(xiàn)，則認為它們之間存在時間關(guān)聯(lián)。識別不同異常標(biāo)記數(shù)據(jù)之間是否存在頻繁共現(xiàn)的模式，例如“某肢體負重降低”常常伴隨“同側(cè)腕關(guān)節(jié)過度屈曲”。構(gòu)建一個異常模式時序關(guān)聯(lián)圖，節(jié)點代表不同的異常參數(shù)，邊代表它們在步態(tài)周期內(nèi)的共現(xiàn)或順序關(guān)系，邊的權(quán)重表示關(guān)聯(lián)的強度或頻率。這些關(guān)聯(lián)信息被記錄下來，形成異常模式時序關(guān)聯(lián)數(shù)據(jù)。[0108]根據(jù)關(guān)節(jié)角度異常標(biāo)記數(shù)據(jù)、力學(xué)參數(shù)異常標(biāo)記數(shù)據(jù)、側(cè)向移動異常標(biāo)記數(shù)據(jù)和異常模式時序關(guān)聯(lián)數(shù)據(jù)生成步態(tài)偏差指數(shù)矩陣。整合所有異常標(biāo)記數(shù)據(jù)，為每個關(guān)鍵步態(tài)參數(shù)(例如，左前肢垂直力峰值、右后肢膝關(guān)節(jié)最大屈曲角、整體側(cè)向擺動幅度)計算一個量化的步態(tài)偏差指數(shù)。偏差指數(shù)的計算基于該參數(shù)的偏離閾值的程度(例如，偏離閾值上限/下限的百分比)以及其異常等級。例如，偏離閾值越的取值范圍設(shè)定為0-10分，其中0表示該參數(shù)在正常閾值范圍內(nèi)或僅有極輕微偏離，10表示該參數(shù)嚴重超出閾值且異常等級高。同時，考慮異常模式時序關(guān)聯(lián)數(shù)據(jù)：如果某個參數(shù)的異常與其他多個重要參數(shù)異常存在強關(guān)聯(lián)，則其偏差指數(shù)被適當(dāng)調(diào)高。將所有關(guān)鍵步態(tài)參數(shù)的偏差指數(shù)匯總為一個矩陣，例如一個行表示參數(shù)(如左前肢垂直力峰值),列表示不同類型的偏差指數(shù)(如偏離閾值程度、異常等級、最終偏差指數(shù))的二維矩陣，形成步態(tài)偏差指數(shù)矩陣。該矩陣清晰地量化了每項步態(tài)參數(shù)相對于個體正常基線的偏離程度。[0110]步驟S31:對步態(tài)偏差指數(shù)矩陣和步態(tài)力學(xué)特征圖譜進行肢體負重數(shù)據(jù)提取，得到肢體負重原始數(shù)據(jù)；[0111]步驟S32:根據(jù)肢體負重原始數(shù)據(jù)和牲畜基礎(chǔ)信息中的體重數(shù)據(jù)計算出負重比例分布圖；[0112]步驟S33:根據(jù)負重比例分布圖計算左前肢與右前肢、左后肢與右后肢之間的負重差異率，將超過15%的負重差異率標(biāo)記為不對稱負重，再計算不對稱程度指數(shù)，最后得到肢體負重對稱性指數(shù)；[0113]步驟S34:根據(jù)步態(tài)力學(xué)特征圖譜和肢體負重對稱性指數(shù)進行負重時間分析，得到支撐時間特征數(shù)據(jù)；[0114]步驟S35:根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)和支撐時間特征數(shù)據(jù)識別負重轉(zhuǎn)移模式特征；[0115]步驟S36:根據(jù)步態(tài)偏差指數(shù)矩陣對步態(tài)力學(xué)特征圖譜進行關(guān)節(jié)活動度評估，得到關(guān)節(jié)活動度評分；[0116]步驟S37:根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)、支撐時間特征數(shù)據(jù)和負重轉(zhuǎn)移模式特征進行疼痛行為特征識別，得到疼痛特征關(guān)聯(lián)數(shù)據(jù)；[0117]步驟S38:根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)進行肢體健康評估，得到肢體功能健康指數(shù)。[0118]本發(fā)明實施例中，對步態(tài)偏差指數(shù)矩陣和步態(tài)力學(xué)特征圖譜進行肢體負重數(shù)據(jù)提取。從步態(tài)力學(xué)特征圖譜中，針對每個已識別的步態(tài)周期和每個后),提取其在支撐相期間的垂直地面反作用力(Fz)時間序列數(shù)據(jù)。計算每個肢體在支撐相期間的Fz最大值(峰值負重)和Fz時間積分(沖量，代表總負重時間內(nèi)的力作用效果)。同時，查閱步態(tài)偏差指數(shù)矩陣，獲取每個肢體垂直地面反作用力參數(shù)(峰值、沖量、曲線形態(tài))的偏差指數(shù)。將這些提取出的數(shù)值和偏差指數(shù)關(guān)聯(lián)起來，形成肢體負重原始數(shù)據(jù)，例如一個包含等字段的結(jié)構(gòu)化數(shù)據(jù)。[0119]根據(jù)肢體負重原始數(shù)據(jù)和牲畜基礎(chǔ)信息中的體重數(shù)據(jù)計算出負重比例分布圖。從牲畜基礎(chǔ)信息數(shù)據(jù)庫中獲取當(dāng)前牲畜的體重數(shù)據(jù)(例如：600千克)。對于肢體負重原始數(shù)據(jù)中的每個步態(tài)周期，計算四肢垂直力峰值的總和，這代表該步態(tài)周期中的總瞬時負重。將每個肢體的垂直力峰值除以牲畜體重，計算該肢體的相對負重比例。例如，左前肢垂直力峰值為3500N,牲畜體重600千克(約5880N),則左前肢相對負重比例為3500/5880≈0.595,即約59.5%體重。計算每個肢體在多個步態(tài)周期中的平均負重比例。將這些平均負重比例可視化，例如使用一個四象限圖，每個象限代表一個肢體，顏色深淺或數(shù)值大小表示負重比例，形成負重比例分布圖。[0120]根據(jù)負重比例分布圖計算左前肢與右前肢、左后肢與右后肢之間的負重差異率。從負重比例分布圖中提取左前肢、右前肢、左后肢和右后肢的平均負重比例。計算同側(cè)肢體(左右前肢、左右后肢)之間的負重差異率。例如，左前肢負重比例為P_LF,右前肢負重比例為P_RF,則前肢負重差異率=|P_LF-P_RF|/((P_LF+P_RF)/2)×100%。計算后肢負重差異率=|P_LH-P_RH|/((P_LH+P_RH)/2)×100%。如果前肢或后肢的負重差異率超過15%,則標(biāo)記為不對稱負重。計算不對稱程度指數(shù)，例如將差異率映射到0-10的評分，差異率15%對應(yīng)評分0,差異率達到50%對應(yīng)評分10。這些計算得到的差異率和不對稱程度指數(shù)構(gòu)成了肢體負重對稱性指數(shù)。[0121]根據(jù)步態(tài)力學(xué)特征圖譜和肢體負重對稱性指數(shù)進行負重時間分析。從步態(tài)力學(xué)特征圖譜中，提取每個肢體在每個步態(tài)周期中的支撐相持續(xù)時間。計算每個肢體的支撐相持續(xù)時間占該步態(tài)周期總時間的比例。計算每個肢體在多個步態(tài)周期中的平均支撐相持續(xù)時間及其比例。如果某個肢體的支撐相持續(xù)時間顯著縮短(例如比個體基線平均值縮短超過20%)且肢體負重對稱性指數(shù)顯示同側(cè)肢體存在不對稱負重，則指示該肢體存在疼痛減負，通過縮短支撐時間來減少負重。將這些支撐相持續(xù)時間、比例以及與基線的偏離程度記錄[0122]根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)和支撐時間特征數(shù)據(jù)識別負重轉(zhuǎn)移模式特征。分析牲畜在步態(tài)周期內(nèi)四肢負重比例隨時間變化的動態(tài)過程。正常情況下，負重在四肢之間是循序漸進、平穩(wěn)轉(zhuǎn)移的。識別異常的負重轉(zhuǎn)移序列，例如：如果后肢)在著地后，其垂直力曲線迅速達到峰值并快速下降，同時對側(cè)肢體(右后肢或左前肢)的負重迅速增加，這是一種避讓式負重轉(zhuǎn)移，指示左后肢疼痛。如果牲畜在行走過程中出現(xiàn)指示急性疼痛?；谪撝乇壤ΨQ性和支撐時間數(shù)據(jù)，通過模式匹配算法識別這些異常負重轉(zhuǎn)移模式，形成負重轉(zhuǎn)移模式特征，例如一個包含[模式類型(如避讓式、跳躍式),涉及肢[0123]根據(jù)步態(tài)偏差指數(shù)矩陣對步態(tài)力學(xué)特征圖譜進行關(guān)節(jié)活動度評估。從步態(tài)力學(xué)特內(nèi)外展角、內(nèi)外旋角等活動范圍參數(shù)。查閱步態(tài)偏差指數(shù)矩陣，獲取這些關(guān)節(jié)活動度參數(shù)的偏差指數(shù)。例如，如果左后肢膝關(guān)節(jié)在擺動期的最大屈曲角比個體基線顯著減小(偏差指數(shù)高),指示關(guān)節(jié)活動受限。根據(jù)每個關(guān)節(jié)活動度參數(shù)的偏差指數(shù)，計算一個0-100分制的關(guān)節(jié)活動度評分，其中100表示活動度完全正常(偏差指數(shù)接近0),0表示活動度嚴重受限(偏差指數(shù)接近10)。將四肢主要關(guān)節(jié)的活動度評分匯總，形成關(guān)節(jié)活動度評分數(shù)據(jù)。[0124]根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)、支撐時間特征數(shù)據(jù)和負重轉(zhuǎn)移模式特征進行疼痛行為特征識別?；谝阎膭游锾弁葱袨閷W(xué)特征庫，該庫包含如“跛行評分標(biāo)點頭、背部弓起等。將前面步驟中計算得到的負重比例分布圖、肢體負重對稱性指數(shù)、支撐時間特征數(shù)據(jù)和負重轉(zhuǎn)移模式特征與疼痛行為特征庫進行匹配。例如，如果肢體負重對稱性指數(shù)顯示左后肢負重差異率超過25%,支撐時間特征數(shù)據(jù)顯示左后肢支撐相持續(xù)時間縮短超過30%,并且識別到避讓式負重轉(zhuǎn)移模式涉及左后肢，則這些特征組合高度關(guān)聯(lián)左后肢疼痛。為每個識別到的疼痛相關(guān)特征計算一個疼痛關(guān)聯(lián)度分數(shù)，分數(shù)高表示該特征與疼痛關(guān)聯(lián)性強。將這些特征、涉及的肢體和疼痛關(guān)聯(lián)度分數(shù)記錄下來，形成疼痛特[0125]根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)和關(guān)節(jié)活動度評分進行肢體健康評估。綜合疼痛特征關(guān)聯(lián)數(shù)據(jù)和關(guān)節(jié)活動度評分來評估各肢體(以及整體)的健康狀態(tài)。例如，對于左后肢，如果疼痛特征關(guān)聯(lián)數(shù)據(jù)顯示其負重不對稱、支撐時間縮短、存在避讓式負重轉(zhuǎn)移等多個強關(guān)聯(lián)疼痛特征，且關(guān)節(jié)活動度評分顯示膝關(guān)節(jié)和踝關(guān)節(jié)活動受限嚴重，則判定左后肢存在較高程度的疼痛和功能障礙。計算一個綜合性的0-100分制的肢體功能狀態(tài)評分，其中100表示功能完全正常，分數(shù)降低反映功能障礙程度。同時，根據(jù)疼痛特征關(guān)聯(lián)數(shù)據(jù)的強度和數(shù)量，以及關(guān)節(jié)活動度受限程度，計算一個0-10分制的疼痛可能性評級，例如0表示無疼痛跡象，10表示極度疼痛。將四肢的負重比例值、功能狀態(tài)評分和疼痛可能性評級整合，形成肢體功能健康指數(shù)，并明確標(biāo)記出存在問題的肢體及其病理表現(xiàn)(例如：左后肢功能評分60,疼痛評級[0127]根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)、支撐時間特征數(shù)據(jù)和負重轉(zhuǎn)移模式特征提取標(biāo)準化疼痛特征向量；[0128]獲取牲畜品種參考數(shù)據(jù)并根據(jù)標(biāo)準化疼痛特征向量進行特征閾值判定得到疼痛特征活躍狀態(tài)表；[0129]根據(jù)疼痛特征活躍狀態(tài)表進行特征共現(xiàn)模式分析，得到特征共現(xiàn)模式數(shù)據(jù)；[0130]根據(jù)特征共現(xiàn)模式數(shù)據(jù)進行疼痛部位定位分析，得到疼痛部位定位圖；[0131]根據(jù)特征共現(xiàn)模式數(shù)據(jù)進行代償行為識別，得到代償行為模式數(shù)據(jù)；[0132]根據(jù)特征共現(xiàn)模式數(shù)據(jù)和代償行為模式數(shù)據(jù)進行急慢性疼痛模式區(qū)分，得到疼痛類型判定數(shù)據(jù)；[0133]根據(jù)特征共現(xiàn)模式數(shù)據(jù)和疼痛部位定位計算疼痛強度評分數(shù)據(jù)；[0134]根據(jù)疼痛強度評分數(shù)據(jù)和疼痛類型判定數(shù)據(jù)計算疼痛特征關(guān)聯(lián)數(shù)據(jù)。[0135]本發(fā)明實施例中，根據(jù)負重比例分布圖、肢體負重對稱性指數(shù)、支撐時間特征數(shù)據(jù)和負重轉(zhuǎn)移模式特征提取標(biāo)準化疼痛特征向量的操作是：從負重比例分布圖獲取每個肢體的平均負重比例(例如，左后肢負重比例為40%),計算其與該品種牲畜標(biāo)準平均負重比例(例如，標(biāo)準后肢平均負重比例為55%)的偏差(40%-55%=-15%)。從肢體負重對稱性指數(shù)獲取同側(cè)肢體間的負重差異率(例如，后肢負重差異率為25%)和不對稱程度指數(shù)(例如，對應(yīng)評分為7)。從支撐時間特征數(shù)據(jù)獲取每個肢體的平均支撐相持續(xù)時間占步態(tài)周期的比例(例如，左后肢支撐比例為30%),計算其與個體步態(tài)基線平均支撐比例(例如，個體基線左后肢平均支撐比例為45%)的偏差(30%-45%=-15%)。從負重轉(zhuǎn)移模式特征獲取識別到的負重轉(zhuǎn)移模式類型(例如，避讓式)及其強度(例如，強度評分為8)。對這些原始數(shù)值進行標(biāo)準化處理，例如使用Min-Max標(biāo)準化方法，將負重比例偏差、支撐比例偏差標(biāo)準化到[-1,1]區(qū)間，將差異率、不對稱指數(shù)、轉(zhuǎn)移模式強度標(biāo)準化到[0,1]區(qū)間，標(biāo)準化公式為(原始值-最小值)/(最大值-最小值)。將所有肢體的標(biāo)準化負重比例偏差、標(biāo)準化支撐比例偏差、標(biāo)準化負重差異率、標(biāo)準化不對稱指數(shù)以及標(biāo)準化負重轉(zhuǎn)移模式強度值組合成一個多維向量，形成標(biāo)準化疼痛特征向量。例如，向量包含[左前負重偏差，右前負重偏差，左后負重偏差，右后負重偏轉(zhuǎn)移模式強度]等維度。[0136]獲取牲畜品種參考數(shù)據(jù)并根據(jù)標(biāo)準化疼痛特征向量進行特征閾值判定得到疼痛特征活躍狀態(tài)表的操作是：訪問預(yù)先建立的疼痛特征閾值數(shù)據(jù)庫，該數(shù)據(jù)庫存儲了不同牲畜品種(例如，荷斯坦奶牛、西門塔爾牛)針對標(biāo)準化疼痛特征向量中各個維度參數(shù)的參考閾值。這些閾值是基于大量健康牲畜的群體步態(tài)數(shù)據(jù)統(tǒng)計分析得到的，例如，荷斯坦奶牛后肢負重差異率的正常上限閾值對應(yīng)的標(biāo)準化值為0.2,左后肢支撐比例偏差的正常下限閾值對應(yīng)的標(biāo)準化值為-0.3.將當(dāng)前采集到的標(biāo)準化疼痛特征向量中的每個參數(shù)值與該牲畜品種對應(yīng)的參考閾值進行比較。如果某個參數(shù)值超出其正常范圍閾值(例如，左后肢負重偏差的標(biāo)準化值為-0.5,小于其品種參考下限閾值-0.3),則判定該特征為“活躍”狀態(tài)，表示陣或列表，矩陣的行表示不同的疼痛特征，列表示其活躍狀態(tài)(1為活躍，0為非活躍),形成疼痛特征活躍狀態(tài)表。[0137]根據(jù)疼痛特征活躍狀態(tài)表進行特征共現(xiàn)模式分析得到特征共現(xiàn)模式數(shù)據(jù)的操作是：分析疼痛特征活躍狀態(tài)表中哪些特征同時處于“活躍”狀態(tài)。使用關(guān)聯(lián)規(guī)則挖掘算法(例如Apriori算法)或預(yù)定義的模式匹配規(guī)則庫。預(yù)定義的模式匹配規(guī)則庫包含已知的與特定且為負值(表示負重降低),同時“左后肢支撐比例偏差”活躍且為負值(表示支撐時間縮短),并且“后肢負重差異率”活躍且值為正(表示左后肢負重低于右后肢),則判定存在一個“左后肢減負模式”。遍歷疼痛特征活躍狀態(tài)表，識別當(dāng)前觀察中哪些預(yù)定義模式的特征組合是活躍的，或者識別哪些特征集合頻繁地一起活躍。將識別到的特征共現(xiàn)模式及其匹配程度(例如，模式中所有特征都活躍為完全匹配，部分特征活躍為部分匹配)記錄下來，形成特征共現(xiàn)模式數(shù)據(jù)，例如一個包含[模式名稱，涉及肢體，匹配程度，活躍特征列表