基于視頻數(shù)據(jù)的魚群動態(tài)行為建模與異常檢測研究.pdf

1、魚類集群行為是魚類的重要行為之一。探索魚群動態(tài)行為是魚類行為學(xué)的基本內(nèi)容，對于理解群體運動機(jī)制及合理利用和保護(hù)漁業(yè)資源具有重要意義。本文利用計算機(jī)視覺、機(jī)器學(xué)習(xí)、網(wǎng)絡(luò)分析、計算機(jī)仿真等技術(shù)，在處理分析魚群視頻數(shù)據(jù)的基礎(chǔ)上，研究了魚群運動跟蹤方法、魚群信息傳遞網(wǎng)絡(luò)建模、異常行為檢測、大規(guī)模魚群行為建模等問題。具體內(nèi)容包括:
　　1.基于最優(yōu)匹配的魚群運動視頻跟蹤方法研究。首先通過預(yù)處理方法去除魚群視頻數(shù)據(jù)中的陰影，用每幀圖像減去背景

2、圖像并得到魚的灰度圖，然后利用帶標(biāo)記的分水嶺算法處理粘連，結(jié)合實驗池尺寸約束、魚群數(shù)目等先驗知識，獲取魚群中每個個體的坐標(biāo)，最后，用魚群運動模型預(yù)測每個個體下一幀可能出現(xiàn)的位置，并用預(yù)測點和觀測點建立運動匹配函數(shù)，把用匹配函數(shù)計算的值作為二分圖最優(yōu)匹配問題中的權(quán)值，通過Kuhn-munkres算法求解最優(yōu)問題，從而得到前后兩幀間的匹配關(guān)系。結(jié)果表明，提出的方法在小規(guī)模的實驗魚群（最大條數(shù)為50）視頻中具有較好的跟蹤效果，尤其在對個別識別

3、錯誤進(jìn)行修正后，跟蹤精度可以達(dá)到90％以上。
　　2.基于傳遞熵的魚群信息傳遞網(wǎng)絡(luò)建模研究。用魚群運動視頻跟蹤的方法獲取魚群中每個個體的位置和運動速度，利用傳遞熵計算個體兩兩之間的信息傳遞關(guān)系，在此基礎(chǔ)上構(gòu)建了魚群信息傳遞網(wǎng)絡(luò)。進(jìn)一步通過網(wǎng)絡(luò)分析，揭示了魚群中個體間的信息交互個數(shù)與信息傳播速度之間的關(guān)系及魚群信息傳遞網(wǎng)絡(luò)中的頻繁子結(jié)構(gòu)。
　　3.大規(guī)模魚群異常行為檢測研究。針對擁擠環(huán)境下大規(guī)模魚群難以進(jìn)行視頻跟蹤的難點，以社

4、會力作為魚群異常行為檢測的整體運動特征，并利用平均社會力(MSF)和主成分分析(PCA)兩種方法得到降維后的群體運動特征，結(jié)合兩種概率主題模型（LDA和MGMM），得到四種不同的魚群異常行為檢測方法:MSF-LDA，MSF-MGMM，PCA-LDA和PCA-MGMM。比較四種方法在兩個測試數(shù)據(jù)集上的檢測性能，結(jié)果表明，MSF-LDA具有最好的檢測性能，該方法的平均接收者操作特征曲線下的面積值(AUC)可以達(dá)到0.98。
　　4.具