基于計算機視覺的魚類運動監(jiān)測系統(tǒng)研究.pdf

1、水質(zhì)的生物監(jiān)測方法被廣泛地應(yīng)用于水環(huán)境的質(zhì)量監(jiān)測和水質(zhì)安全預(yù)警中，其基本原理是利用水生生物個體、種群和群落的數(shù)量、性質(zhì)、健康狀況、生理特征和運動行為特征等的變化來指示水體環(huán)境質(zhì)量的變化，表征環(huán)境污染狀況，從生物學(xué)角度為水體環(huán)境質(zhì)量監(jiān)測和評價提供依據(jù)。其中水生生物的運動行為特征的變化能比較直觀、實時的反映水體質(zhì)量的變化，因此，水生生物的運動行為特征在生物水質(zhì)監(jiān)測和預(yù)警中是重要的指標(biāo)。對這些特征的快速準(zhǔn)確的獲取也成了生物水質(zhì)監(jiān)測和預(yù)警系統(tǒng)研

2、究中的重要內(nèi)容。 本研究以魚類作為水質(zhì)監(jiān)測的指示生物，主要研究計算機視覺技術(shù)在魚類運動行為監(jiān)測中的應(yīng)用。研究目標(biāo)是獲取與水質(zhì)監(jiān)測有關(guān)的魚類運動行為特征，包括魚體運動速度、加速度等。具體研究內(nèi)容包括：魚類運動目標(biāo)實時檢測與跟蹤、魚類運動監(jiān)測平臺設(shè)計。研究工作歸納如下： 1.研究了魚類運動目標(biāo)實時檢測方法 針對傳統(tǒng)的平均背景模型在基于背景差分的運動目標(biāo)檢測中背景幀更新不夠精確的問題，提出了結(jié)合幀間差分的自適應(yīng)背景更新

3、模型，將背景圖像劃分為四個不同的區(qū)域，分別使用不同的更新因子進行更新，提高了背景更新的速度和精度。同時，提出了在線自動閾值分割方法，利用視頻序列中相鄰幀差分圖像間的二值化分割閾值差別不大的特點，將Otsu方法對閾值的求解縮小到局部灰度值區(qū)域，加快算法的速度，提高谷底增強Otsu方法在視頻序列的差分圖像二值化分割中的效率。 2.研究了基于粒子濾波的多個魚類運動目標(biāo)跟蹤方法 針對魚類目標(biāo)在水中運動的隨意性較大的特點，提出了單

4、個魚類目標(biāo)的運動狀態(tài)轉(zhuǎn)移模型，并定義了多個魚類目標(biāo)間的運動交互作用，提出了檢測多個目標(biāo)間是否發(fā)生交互作用的方法。針對獨立粒子濾波在多個目標(biāo)跟蹤中由于目標(biāo)之間的交互作用而失敗，并導(dǎo)致目標(biāo)跟蹤丟失的問題，提出了多目標(biāo)交互觀測模型，對發(fā)生交互作用的目標(biāo)進行觀測時，考慮周圍目標(biāo)對其的影響，盡量排除對目標(biāo)狀態(tài)粒子的錯誤觀測，提高多目標(biāo)跟蹤的準(zhǔn)確性。 3.研究了基于計算機視覺的魚類運動監(jiān)測系統(tǒng)平臺 提出了基于計算機視覺的魚類運動監(jiān)測