CN102037354A - 监测水质的系统和方法 - Google Patents

Abstract

一种系统及监测水质的系统。该系统包括：用于接收待监测的水流的容器，该容器包含多条鱼并被配置使得容纳鱼的基本上三维群行为；布置在容器上方的第一成像装置，用于获得鱼的俯视视频数据；以及用于根据前景对象检测来识别单独的鱼的装置。

Description

监测水质的系统和方法

技术领域

本发明一般地涉及监测水质的系统和方法。

背景技术

在水处理和供应过程中，例如，因安全原因，可能希望定期监测水的污染。在这种饮用水安全应用中快速获得突出的一种方法包括使用活的有机体或者酶促反应作为毒性指标。通过监测对测试有机体的有害生物影响，有可能在执行进一步分析以确定威胁的确切本质之前确认在供水系统中存在毒素。使用生物监测的关键优势是它的快速反应，以及它可以在废水处理厂的生化处理之前被用于关键位置，如配水系统的下游。存在可以用于监测毒性的几种不同的有机体，包括例如，细菌、无脊椎动物以及鱼。

在早期的系统中，通过人类监督员执行测试有机体的这种状态监测。已经注意到，人工全天候监测是乏味的且容易出错，因为在长时间后人的警觉性可能下降，而定期的监测不能提供用于适当响应的实时信息。计算机视觉系统可能更适合于这种情况，因为机器能够在长时间内以相同的性能水平提供持续的监测。

在一种现有技术方法中，使用摄像机来对鱼的运动进行视频监测。以一组预选择的运动参数的统计分布为基础的行为模型被计算作为时间函数。该方法进一步包括将所观察的运动统计分布与一组预测参数相比较，并在所观察的鱼的运动不符合预测参数时产生报警信息。然而，因为预测参数依赖于前面所观察的行为，该方法可能不对下面的情况做出响应，这些情况经历了尚未被观察并被记录在历史数据库中的不同种类的鱼和不同的污染物暴露。

在另一种现有技术方法中，监测区域按行和列被分为多个小块(即，感应点)，对每个块的亮度值进行检查，以确定该块是否被鱼所占有。标记鱼所占有的块，以便通过计算被标记的块的数量、移动速度等可以执行鱼行动模式的分析。在该方法中，需要将鱼缸分为多个隔离结构，每个隔离结构包含一条鱼。结果，相比于多条鱼可能成群游动的自然环境，该行动模式可能不准确。

在一个现有系统中，使水通过透明水箱，该透明水箱具有非常窄的宽度，并且包含多条鱼。使摄像机对准水箱正面，即由水箱的长度和高度限定的较大面。该系统测量行为参数，如活动的鱼的速度、行为(例如，就水箱中的高度、转弯和绕圈运动而言)、尺寸和数量。毒性被测量为这些行为参数的全局统计。然而，该系统不能解决闭塞，即一条鱼被更接近摄像机的一条或多条鱼部分地或完全地阻碍的情况。因为鱼的行动性的分析基于全局运动统计，所以在只有一条或两条死鱼的情况下分析可能是不确定的。另外，由于很窄的宽度，所以它不是饲养鱼的自然环境。这可能导致鱼不能足够快地移动，因此可能被检测为死鱼，导致假警报。

另一个现有水质监测系统包括接收箱和监测箱，其可能具有多达两个部分，每部分包含一条鱼。来自于放置在监测水箱一侧的摄像机的图像信号被输入到鱼检测传感器中，对在鱼检测传感器中图像信号进行处理，以连续地检测鱼的位置。将位置信号馈送到计算机中，以确定鱼的行动模式，然后将鱼的行动模式与预先存储的鱼的异常行动模式相比较，以检查所观察的行动模式是否异常。然而，与上述方法一样，被监测的鱼的数量是有限的，并且相比于多条鱼可能成群游动的自然环境，该行动模式可能不准确。

因此，存在提供用于监测水质的系统和方法的需要，该监测水质的系统和方法试图解决上述问题中至少之一。

发明内容

根据本发明的第一方面，提供了监测水质的系统，所述系统包括：用于接收待监测水流的容器，所述容器包含多条鱼并且被配置使得容纳鱼的基本上三维群行为；布置在所述容器上方的第一成像装置，用于获得鱼的俯视视频数据；以及用于根据前景对象检测来识别单独的鱼的装置。

所述系统可以进一步包括布置在所述容器侧面的第二成像装置，用于获得鱼的侧视视频数据。

所述系统可以进一步包括布置在所述容器内的隔离结构，所述隔离结构包括用于在内部容纳鱼的基本上连续的围墙，其中所述隔离结构的尺寸被确定以容纳鱼的基本上三维群行为。

可以对所述围墙进行配置使得它接近所述第一成像装置的视野。

所述围墙可以是基本上半透明的。

面对所述第二成像装置的所述围墙的一部分可以是基本上透明的，而所述围墙的其余部分是基本上半透明的。

所述隔离结构可以进一步包括基本上不透明的覆盖构件，所述覆盖构件被布置以覆盖所述围墙的基本上透明部分，用于减少在所述俯视视频数据中鱼的反射。

所述系统可以进一步包括照明设备，所述照明设备被配置以向所述第一成像装置提供基本上均匀的背景光。

所述照明设备可以进一步包括：布置在所述容器下面的光源，以及布置在所述光源和所述容器之间的用于漫射来自所述光源的光的装置。

所述系统可以被配置以使外部光最小化，防止外部光在操作期间进入所述系统。

用于识别单独的鱼的装置可以被设置以分辨聚集的前景对象。

分辨聚集的前景对象可以包括：执行分层的k均值聚类，以在所述俯视图像数据的轮廓图中将k个椭圆拟合为每个相连的斑点，k＝1，2，3，...；根据将k个椭圆拟合为每个斑点的最小有效性评分确定最佳k。

所述系统可以进一步包括用于确定不活动鱼的数量的装置。

所述系统可以进一步包括用于如果不活动鱼的数量超过第一阈值则对鱼施加刺激以减少假警报的装置。

所述系统可以进一步包括用于发送警报信号的通信装置，如果在施加所述刺激以后不活动鱼的数量超过第二阈值，那么产生所述警报信号。

所述刺激可以包括声音。

所述系统可以进一步包括将多条鱼的活跃程度确定为群行为的装置，活跃程度根据总体群速度、运动轨迹以及随机测量中的一个或多个来确定。

所述系统可以进一步包括将鱼的群分布确定为群行为的装置。

所述系统可以进一步包括将鱼的社群相互影响确定为群行为的装置，社群相互影响根据鱼游向彼此的接近程度、鱼形成的群集的数量以及这些群集的主导中的一个或多个来确定。

根据本发明的第二方面，提供了监测水质的方法，所述方法包括以下步骤：在容器中接收待监测的水流，所述容器包含多条鱼并被配置使得容纳鱼的基本上三维群行为；获得鱼的俯视视频数据；以及根据前景对象检测来识别单独的鱼。

所述方法可以进一步包括：执行分层的k均值聚类，以在所述俯视图像数据的轮廓图中将k个椭圆拟合为每个相连的斑点，k＝1，2，3，...；根据将k个椭圆拟合为每个斑点的最小有效性评分确定最佳k。

所述方法可以进一步包括：如果不活动鱼的数量超过第一阈值则对鱼施加刺激以减少假警报。

所述方法可以进一步包括：将多条鱼的活跃程度确定为群行为，活跃程度根据总体群速度、运动轨迹以及随机测量中的一个或多个来确定。

所述方法可以进一步包括将鱼的群分布确定为群行为。

所述方法可以进一步包括将鱼的社群相互影响确定为群行为，社群相互影响根据鱼游向彼此的接近程度、鱼形成的群集的数量以及这些群集的主导中的一个或多个来确定。

附图说明

仅通过实施例并并结合附图，从下面的书面描述中，本发明的实施方式将对本领域普通技术人员来说更容易理解并且显而易见，在附图中：

图1(a)是根据示例实施方式用于监测水质的系统的立体图；

图1(b)是图1(a)的系统的俯视图；

图1(c)是图1(a)的系统的侧视图；

图1(d)是图1(a)的系统的正视图；

图2(a)至图2(c)示出了在图1(a)的系统中实用的隔离结构的示例实施方式；

图2(d)至图2(f)分别示出了使用图2(a)至图2(c)的隔离结构的监测区域的俯视图；

图3(a)示出了根据示例实施方式使用具有透明侧面的矩形隔离结构的监测区域的俯视图；

图3(b)示出了根据示例实施方式使用具有透明侧面的矩形隔离结构的监测区域的侧视图；

图3(c)是图3(a)的隔离结构的立体图，图3(a)的隔离结构根据示例实施方式已被修改以使反射最小；

图3(d)是使用图3(c)的隔离结构的监测区域的俯视图

图4示出了根据示例实施方式在持续的时间内前景对象检测的结果；

图5(a)至图5(d)示出了根据示例实施方式说明斑点分裂过程中的步骤的图；

图6(a)示出了在多个帧处根据示例实施方式的计数方法的结果；

图6(b)示出了将根据示例实施方式的计数方法的性能与斑点计数的传统方法相比较的图表；

图7示出了框图，其示出了根据示例实施方式分析测试有机体的活动性以向操作员触发警报的方法；

图8是根据示例实施方式的计算机系统的示意图；

图9示出了根据示例实施方式在时间间隔内在不同点处获得的图像、相应的前景检测结果以及计算的不活动有机体的数量；

图10(a)和10(b)示出了根据示例实施方式对于大约20,000帧的比较总体群速度的图表；

图11(a)和图11(b)示出了图10的帧2,001和帧2,250之间的鱼的比较运动轨迹；

图11(c)和图11(d)示出了图10的帧19,751和帧20,000之间的鱼的比较运动轨迹；

图12(a)和图12(b)示出了对于图10的大约20,000帧的比较随机性测量的图表；

图13示出了根据示例实施方式说明了中心监测区域的隔离结构的俯视图；

图14(a)和图14(b)示出了根据示例实施方式在大约20,000帧的时间段内的回避行为的比较概率的图表。

图15(a)示出了根据示例实施方式具有拟合的一个鱼群集的隔离结构的监测区域的俯视图；

图15(b)示出了根据示例实施方式具有拟合的两个鱼群集的与图15(a)相同的俯视图；以及

图16(a)和图16(b)示出了根据示例实施方式在大约20,000帧的时间段内的多数群集数据的尺寸的图表。

具体实施方式

关于对计算机存储器内的数据操作的算法和功能性或象征性表示，明确地或隐含地提出本说明书的下面某些部分。这些算法描述和功能性或象征性表示是数据处理领域的技术人员使用的以将他们工作的内容最有效地传达给本领域的其他技术人员的手段。算法在本文中并且通常地被认为是导致期望结果的步骤的自洽序列。该步骤是对物理量的那些需要的物理操作，如能够被存储、转移、组合、比较以及其他操作的电、磁或光信号。

除非另外具体说明和如从下面显而易见的，应该理解在整个本说明书中，使用如“计算”、“检测”、“确定”、“计数”、“产生”、“初始化”、“输出”等用语的论述涉及计算机系统或类似电子装置的动作和处理，该动作和处理将被表示为计算机系统内的物理量的数据操作并变换成类似地被表示为计算机系统或其他信息存储、传输或显示装置内的物理量的其他数据。

本说明书还公开了用于执行方法的操作的设备。这种设备可以是对于需要的用途专门构造的，或者可以包括由存储在计算机中的计算机程序选择性激活或者重新配置的通用计算机或其他装置。本文所提出的算法和显示没有固有地涉及任何具体的计算机或其他设备。各种通用机器可以与根据本文的指导的程序一起使用。可选地，为执行所需要的方法步骤而构造更专门的设备可能是适合的。常规的通用计算机的结构将从下面的描述中变得明显。

此外，本说明书还隐含地公开了计算机程序，因为对本领域技术人员来说将显而易见的是，本文所描述的方法的单独步骤可以通过计算机代码来实现。计算机程序不是旨在被限制于任何具体的编程语言及编程语言的实现。应该理解，多种编程语言及其编码可以用于实现本文所包含的公开的教导。而且，计算机程序不是旨在被限制于任何具体的控制流。存在能够在不脱离本发明的精神和范围的情况下使用不同控制流的计算机程序的许多其它变形。

而且，可以并行地而不是顺序地执行计算机程序的一个或多个步骤。这种计算机程序可以存储在任何计算机可读介质中。计算机可读介质可以包括存储装置，如磁盘或光盘、存储芯片、或其他适合于与通用计算机连接的存储装置。计算机可读介质还可以包括如互联网系统中所例证的硬线介质，或者如GSM移动电话系统中所例证的无线介质。当计算机程序在这种通用计算机上被加载并被执行时，有效地导致了执行优选方法的步骤的设备。

可以在图8中示意性示出的计算机系统800上执行示例实施方式的方法和系统。它可以被执行为软件，如在计算机系统800内执行的计算机程序，并指示计算机系统800执行示例实施方式的方法。

计算机系统800包括计算机模块802，如键盘804和鼠标806的输入模块以及如显示器808和打印机810的多个输出装置。

计算机模块802通过适合的收发装置814连接至计算机网络812，以能够访问例如因特网或如局域网(LAN)或广域网(WAN)的其他网络。

实施例中的计算机模块802包括处理器818、随机存取存储器(RAM)820以及只读存储器(ROM)822。计算机模块802还包括多个输入/输出(I/O)接口，例如到显示器808的I/O接口824，以及到键盘804的I/O接口826。

计算机模块802的元件通常通过互联总线828并且以相关领域的技术人员所共知的方式通信。

被编码在如CD-ROM或闪存载体的数据存储介质上的并利用数据存储装置830的相应数据存储介质驱动器读取的应用程序通常被提供给计算机系统800的使用者。处理器818在应用程序的执行中读取并控制应用程序。使用RAM 820可以完成程序数据的中间存储。

参照图1(a)至图1(d)，描述了根据示例实施方式用于监测水质的系统1。系统1包括外壳单元2，外壳单元2被分为顶部3、中间部4、较低的中间部5、以及底部6。在操作期间可以覆盖整个系统1，以阻止任何外部光线进入系统1，由此确保不依赖于外部照明条件的一致的背景照明。可以提供通风装置(未示出)以能够消散系统1之中的任何热空气。这种通风装置包括通风口、风扇等，还应该适当地覆盖通风装置以阻止外部光进入系统1。

顶部3容纳例如监控摄像机的顶部成像装置7、自动食物分配器、混合室以及自水源向容器8供水的进水管(未示出)。将可定制的隔离结构9(将在下面详细描述)布置在容器8之中，以便使水生生物与如气泡石、过滤器、恒温器等的附加物件分隔，这些附加物件在养鱼缸中是常见的，但是可能是不相关的并且确实阻碍了示例实施方式的监测系统。在隔离结构9中提供了待监测的多条鱼。隔离结构9包括用于在内部容纳鱼的基本上连续的围墙，其中，围墙的尺寸被确定以容纳鱼的基本上三维群行为。另外，在隔离结构9上提供了多个通风孔(未示出)以允许水通过，但不允许鱼通过。选择自动食物分配器的位置使得任何分配的食物将落在隔离结构9内，水生生物能够以此为食。混合室和进水管可以位于顶部3内的任何位置，只要它们不阻碍顶部成像装置7的视野。还提供了出水管(未示出)，以确保在监测期间持续的水流。为了捕获隔离结构9的顶部视图以观察隔离结构9内的鱼的行为，可以通过物理地移动顶部成像装置7或通过调整顶部成像装置7的镜头来调整顶部成像装置7。

通过分隔器10使中间部4与较低的中间部5分隔。分隔器10作为光线散射器以阻止过量的光线从下面进入隔离结构区域。分隔器10可以由例如大的一块光线散射器制成，或者通过使用两块亚克力板以及夹在它们之间的一张半透明纸构成。将容器8布置在中间部4内并放置在分隔器10上面。扬声器16布置在接近容器8的外表面以提供如声音的刺激，以确认静止的鱼是在休息或是死了(将在下面详细论述)。

侧成像装置11被安装在外壳2的侧面，并且能够捕获隔离结构9内的鱼的侧视图。可以调整侧成像装置11的物理位置和镜头，使得它的视野覆盖隔离结构9的水面以下的区域。较低的中间部5容纳灯箱12，灯箱12可以例如通过使用荧光管来构造。所使用的荧光管的长度依赖于容器8的尺寸，并且所需要的这种管的数量依赖于待照明区域的表面积。对于一英尺乘以两英尺的典型养鱼缸尺寸，可以使用两根两英尺长的荧光管。底部6可以用来容纳各种电源开关，并且用作存储位置。外壳单元2可以安装在轮子、滚轴、或任何类似的易于移位的机械装置上

在示例实施方式中，既可以从顶部成像装置7又可以从侧成像装置11(图1(b))获得视频数据。期望的是顶部成像装置7捕获的图像提供尽可能多的用于区分相关特征的细节，同时允许某种调整，例如调焦。图2(a)至图2(c)示出了隔离结构的示例实施方式。图2(d)至图2(f)分别示出了使用图2(a)至图2(c)的隔离结构的监测区域(如可从顶部成像装置7中观察到的)的俯视图。隔离结构优选地由半透明材料制成，例如哑透明丙烯酸(matt clear acrylic)，使得内表面是无光泽的或者以类似的方法被处理，以减少鱼在内表面上的任何可能的反射。在一个具有矩形隔离结构13(图2(a))的实施方式中，由于是立体图，所以由顶部成像装置7观察的视野受到隔离结构13的顶部处的边界的限制，如图2(d)所示，并且鱼可能显得相对小。

在一些情况下，在较高的详细程度上观察鱼是优选的。图2(b)示出了隔离结构15，其侧面布置为与竖直方向成小的角度，而图2(c)示出了隔离结构14，其侧面布置为与竖直方向成较大的角度。这两个隔离结构都接近成像装置7的视野，隔离结构14与特定静态设置的视野一致。如从图2(e)至图2(f)中可以分别看出的，在两种情况下很大程度上消除了立体效果。顶部成像装置7能够放大并且与图2(d)中的视图相比鱼22显得更大，因此能够观察到更多细节。另外，虽然隔离结构14在提供最高的详细程度方面是理想的，但是它要求镜头的规格、顶部成像装置7的位置、隔离结构侧面的角度等保持不变。就此而论，隔离结构15可能通常是优选的，因为其允许轻微地调整摄像机镜头、摄像机位置，因此是更灵活的设计。

在使用了顶部成像装置7和侧成像装置11的实施方式中，为了侧成像装置11看见鱼，在侧成像装置11正前方的隔离结构的侧面需要是透明的。在这种实施方式中，如图2(a)所示的矩形隔离结构可能是优选的，因为图2(b)至图2(c)示出的隔离结构可能导致侧成像装置11捕获扭曲的图像。

图3(a)示出了根据示例实施方式使用具有透明侧面的矩形隔离结构的监测区域的俯视图。图3(b)示出了根据示例实施方式使用具有透明侧面的矩形隔离结构的监测区域的侧视图。如图3(a)所示，因为侧面18是透明的，所以顶部成像装置7可能看到反射30，这可能误导系统过高估计隔离结构中鱼的数量。另一方面，如图3(b)所示，因为如上所述剩余的侧面是无光泽的，所以侧成像装置11看不到反射。

图3(c)是根据示例实施方式已被修改以使反射最小的图3(a)的隔离结构的立体图。图3(d)是使用图3(c)的隔离结构的监测区域的俯视图。在示例实施方式中，通过只遮盖透明侧面能够使反射最小。如从图3(c)能够看出的，隔离结构19的侧面20被布置为与竖直方向成角度，该角度接近顶部成像装置7的视角的角度。另外，在隔离结构19的顶部可以放置不透明盖子21。从图3(d)中，能够看出几乎完全消除了反射。将理解的是，在优选的实施方式中，不透明盖子21的特征可以用于隔离结构14或15(图2)，以保持接近顶部成像装置7(图1b)视野。

监测水质的系统进一步包括如上所述的计算机系统800。来自顶部成像装置7的输出被馈给计算机系统800做进一步处理。系统1进一步包括通信和/或联网装置，以将报警信号和/或视频输出发送到远程位置，例如到监测室。本领域的技术人员应该理解的是，系统还包括如电源、连接电缆等用于正常工作的各种元件。

在设置并连接系统1的各个元件的情况下，监测可以自动地执行。在监测过程的第一步，根据背景建模和扣除来检测前景对象，例如鱼。如本领域技术人员所理解的，场景中的前景的特征在于与背景统计相对大的偏离。在示例实施方式中，通过关于背景模型比较当前帧，在每一帧处计算场景的背景中的变化。根据具有清澈背景(即没有任何鱼)的完全设置的系统，可以事先单独地校准背景模型。在示例实施方式中使用归一化的马氏(Mahalanobis)距离在输入帧和背景之间计算相似性度量，以在每个像素处提供关于背景的相似性的估计。因此，如果图像的区域充分地不同于背景模型，那么该区域可以被认为是前景对象。然后对当前帧形成二元图，其中对应于前景对象的区域被突出为运动斑点(即，轮廓)。

图4示出了根据示例实施方式在延长的时间段内前景对象检测的结果。在示例实施方式中用于监测的鱼包括约20条鱼。然而，本领域技术人员将理解的是，还可以使用不同数量的鱼。如不同的时间标记所示，在不同帧处的检测结果与图像中存在的鱼的实际数量是一致的。通过将各个斑点的当前质心与根据历史文件确定的投影的质心相关联，执行每个单独对象的追踪。通过例如卡尔曼滤波器或线性投影来执行质心投影。

在监测过程的下一步中，对所检测的前景对象进行计数。为了对象计数，在示例实施方式中施加连接部分标记，以基于像素连通性将检测的前景像素分成部分。来自相同斑点的像素被给予相同标记，并且每个斑点被给予唯一的身份(ID)。对于拥挤的场景，由于闭塞(即靠近的前景对象的轮廓遮罩可能重叠的情况)的原因，可能涉及更高的复杂度，导致形成了一个或多个相连的斑点，使得前景对象可能聚集。

在示例实施方式中，为了解决这种闭塞而应用斑点分裂过程。在示例实施方式中斑点被定义为邻接的一群前景像素。例如，当一条以上的鱼彼此接近时，可能观察到大斑点。根据示例实施方式的处理能够将斑点分裂为单独的椭圆，每个椭圆表示一条鱼。而且，在示例实施方式中，可以应用“大尺寸”阈值来移除由于例如水槽中的手的外部对象引起的很大的斑点。同样地，可以应用“小尺寸”阈值来移除噪声像素。

前景对象轮廓图被视为一群被标记的前景像素，其中使用了聚类和模型拟合的概念。在帧t中的斑点被表示为M^t。设

为表征前景i的椭圆形模型的参数向量。问题包括识别集合

的过程，使得这将斑点分裂成较小的椭圆，其中每个椭圆表示一条鱼。问题可以被表述为使由下面给出的公式给出的后验(posteriori)最大：

${\mathrm{\Γ}}^{t*}=\arg \max P\left({\mathrm{\Γ}}^t\right|{\mathrm{\Γ}}^{t-1},M^t)$

$=\underset{{\mathrm{\Γ}}^t}{\mathrm{arg\; max}}P\left(M^t\right|{\mathrm{\Γ}}^t)P\left({\mathrm{\Γ}}^t\right|{\mathrm{\Γ}}^{t-1})---\left(1\right)$

而且，通过求得在图像栅格空间中的解

可以测量

到M^t的拟合的吻合度，该解

给出了：i)良好的覆盖范围，其包括同样多的考虑的前景像素但是较少的背景像素，以及ii)为了确保每个椭圆的可见度在任意两个椭圆形模型之间最小的重叠。

图5(a)至图5(d)示出的图说明了在示例实施方式的斑点分裂过程中的步骤。在过程的初始步骤中，斑点M^t被分裂为k个较小的斑点。对包含前景像素坐标的数据矩阵执行分层的k均值聚类。设聚类中心的数量为k。因为聚类步骤包括使聚类中心与前景像素之间的空间距离函数最小化，所以步骤可能产生收敛到k个对象各自质心的聚类中心，即对k个椭圆进行拟合，k个椭圆的中心位于获得的聚类中心。在初始步骤中可以使用欧氏(Euclidean)距离，从而给出了具有如图5(a)所示的圆形模型502的初始拟合。

使用获得的初始聚类中心，将前景像素归类并标记到各自最近的聚类中心。通过使用像素到其最近的聚类中心的马氏距离小于阈值的准则，可以改进椭圆模型拟合。在示例实施方式中，已经应用了1.8的阈值；然而，应该理解的是，依赖于例如预计鱼是多狭长，可以使用更高或者更低的值。在图5(b)中示出了呈狭长的椭圆504形式的改进的拟合。

在斑点分裂过程的下一步中，形成了椭圆的最佳组合。步骤开始于增加k的值，k的值给出了待形成的椭圆的数量。在不断调整k个椭圆的参数{γ_i}以提供不同的可能假设的情况下，执行递归过程。然后，为选择最佳解对于每个假设计算基于似然性和等式(1)前面的部分而限定的有效性评分。调整开始于将重叠区域中的椭圆i的像素重标记为紧邻的最接近的椭圆j(j≠i，且j＝1，...，k)。结果，椭圆i可能缩小而其他椭圆j可能扩大，由此产生拟合的新解。似然性和前面的部分可以被计算为：

$P\left(M^t\right|{\mathrm{\Γ}}^t)\∝\underset{i=1}{\overset{k}{\mathrm{\Σ}}}\frac{A_{{\mathrm{\γ}}_i}^{\mathrm{bg}}+A_{{\mathrm{\γ}}_i}^{\mathrm{ov}}}{A_{{\mathrm{\γ}}_i}^{\mathrm{fg}}},$ 以及           (2)

其中，

和分别给出了由

限定的区域内背景像素计数和前景像素计数，给出了椭圆i和其他椭圆的重叠区域内的前景像素计数，k^t表示当前帧中对象的数量，k^t-1表示在与当前帧中的M^t相关联的前一帧中形成的对象的数量。参数

用作经验权重，使得更高的

值用于使方程(3)对方程(2)具有更多加重，反之亦然。

有效性评分被计算为(2)和(3)的乘积。然后对其他i值重复上述递归过程。记录与所计算的有效性评分的最小值对应的{γ_i}的解。

重复进行参数的调整以及计算的有效性评分的记录，以持续地改进拟合。由于递归过程的目的在于得到给出有效性评分最小值的解，所以当下一个有效性评分大于当前有效性评分时终止过程。在图5(c)至图5(d)中示出的最终结果(即对各个单独轮廓紧密地建模的椭圆506)对应于特定k值情况下的最佳性能。

为了选择最好的k值，对一系列的k值重复上述椭圆的最佳组合的初始化和选择的步骤，其中记录了各个k值的有效性评分，且最好的k值是给出最小有效性评分的那个值。

图6(a)示出了根据示例实施方式的计数方法的结果，其中在各个帧处监测20条鱼。图6(b)示出了将根据示例实施方式的计数方法的性能与计算斑点的初始数量的方法(即没有应用斑点分裂)相比较的图表。如从图6(a)可见，成功地分辨了示例闭塞602、604、606，在各个帧处计数保持稳定。而且，根据图6(b)，如线612表示的示例实施方式的计数方法提供了随时间流逝相对一致的结果并示出了在计数上几乎没有波动，而如线614表示的传统方法给出了明显更多的错误计数和较大的波动。在示例实验中已经发现，示例实施方式的计数方法具有0.31的平均误差和0.6093的标准误差，而斑点计数的传统方法的相应值分别是2.48和0.6540。

在监测过程的下一步中，对鱼的活动进行分析以触发警报。图7示出了根据示例实施方式说明对鱼的活动进行分析以向操作员触发警报的方案的框图。在步骤702，一旦成功跟踪到鱼，就提取鱼的有关特征，如质心的空间位置、身体方向和尺寸等。此外，从上面的时域中，还可以获取其它特征，如方向变化率、运动方向以及运动的规律性等。根据分析，在示例实施方式中根据以下一组检测中的一个或多个确定不活动的因而可能死的鱼，该组检测包括：根据不动的质心/椭圆检测不动的鱼、根据椭圆的形状由基本上狭长改变为基本上圆形检测侧向的鱼、以及根据由侧成像装置捕获的图像数据检测浮到顶部的鱼。

在步骤704，对提取的特征进行分析。而且，为了考虑被监测的目标在连续的监测过程中的某一时间段可能在休息或在睡觉的情况，根据示例实施方式的系统能够容忍鱼的一定程度的不活动，以使错误报警率最小。在示例实施方式中，使用了约20条鱼，并且执行了两个阶段的确认方案。一系列事件{E₁，...，E_N}被表示为感兴趣的事件。例如，E₅表示检测到至少5条不活动的鱼的事件。

在第一阶段中，从i＝1开始，在每个观察窗W_Ei内，如果发生事件E_i，那么插入TRUE值作为观察窗W_Ei中最后的元素，并且移除观察窗W_Ei中的首个元素(步骤706a)；否则，插入FALSE值作为观察窗W_Ei中最后的元素，并且移除观察窗W_Ei中的首个元素(步骤706b)。在步骤708，对于观察窗W_Ei计算事件E_i的发生百分率P_Ei。

在示例实施方式中，使用了两个阈值T_Ei，Valid和T_Ei，Alert，其中T_Ei，Valid＜T_Ei，Alert。在步骤710，如果P_Ei＞T_Ei，Valid，即事件E_i的发生百分率超过较低的阈值，那么激活确认方案。否则，过程重启到步骤702。对于确认方案，为了向众所周知对声音敏感的鱼报警，可以从扬声器16(图1(b)至图1(d))中产生声音。应该理解的是，还可以使用其他向鱼报警的方法，如振动。

如果产生声音后不活动的鱼开始移动，那么在接下来的帧中P_Ei的值可能下降使得它小于较低阈值T_Ei，valid并关闭声音。这表明不活动的鱼最初可能在休息或者睡觉，并且监测正常继续。如果产生声音后在接下来的帧中仍然观察到事件E_i，那么P_Ei的值最终可能超过较高阈值T_Ei，Alert。有可能的是不活动的鱼死了，警报被发送给操作者(步骤712)。警报可以以带有文本消息的音频和/或视频的形式发送，以为了采取必要的行动来描述事件和位置。警报可以通过如上所述的使用有线通信或无线通信的通信和/或联网装置被发送到位于远程位置的接收装置。如果没有进一步的事件，则过程对于下一帧在步骤702重启；否则，分析下一事件，例如E_i+1。

本领域技术人员应该理解的是，可以适当地设置上述阈值的值，以优化步骤710和712中的响应。在一个实施方式中，示例范围是大约0.75到0.85。

已经进行了试验来验证示例实施方式的系统和方法。图9示出了在一段时间内在不同点处获得的图像902、相应的前景检测结果904以及从试验其中之一中计数的不活动鱼的数量。在示例实施方式中，监测开始于20条活鱼。随后，每次增加5条死鱼同时移除5条活鱼，直至容器中活鱼的数量和死鱼的数量分别变成5和15。如从图9可以看出的，在整个时间段内，由线906所表示的检测的前景对象的总数保持恒定。由线908所表示的计数的不活动鱼的数量示出了与每次增加死鱼并移除活鱼相对应的逐步增长，这表示系统对变化有响应。

作为如上所述的不活动鱼的计数的替换或者除了如上所述的不活动鱼的计数以外，示例实施方式的系统还能够进行异常鱼行为的早期检测。在下面的描述中，鱼群的行为可以被量化为由以下参数组成的组中一个或多个，该组包括：

-活跃程度，

-群分布，以及

-社群相互影响。

在示例实施方式中，以约每秒六帧捕获图像。然而，应该理解的是，还可以使用每秒不同数量的帧。使用追踪模块来在整个图像序列中关联同一条鱼。使用由每条鱼的身体尺寸和映射在图像上的位置提供的空间信息，每条鱼i可以通过鱼占有的像素一组坐标来表示。

$F_i=\left\{\begin{array}{c}{x}_1,y_1\\ x_k,y_k\\ \·\·\·\\ x_S,y_S\end{array}\right\}---\left(4\right)$

其中，F_i是表示鱼i，(x_k，y_k)是鱼所占有的第k个像素的坐标，S是鱼所占有的像素的总数。

此外，在示例实施方式中，根据上述坐标信息可以计算特征，如分别由图像中每条鱼的质心的一对坐标(P_x，P_y)和图像中每条鱼所占有的像素的总数S表示的位置和尺寸。

活跃程度

通过鱼游动得多快和它们游动路径的复杂度可以确定示例实施方式中鱼群的活跃程度。隔离区域中每条鱼的速度可以通过获得连续帧之间每条鱼的位置的位移来计算。通过下式可以计算总体群速度：

$v=\mathrm{\Σ}\sqrt{{(P_x\left(t\right)-(P_x(t-1))}^2+{(P_y\left(t\right)-P_y(t-1))}^2}---\left(5\right)$

其中P_x(t)和P_y(t)表示帧t处鱼的位置(由鱼的质心表示)的x坐标和y坐标，并且P_x(t-1)和P_y(t-1)表示帧t-1处同一条鱼的位置的x坐标和y坐标。

图10(a)和10(b)分别示出了根据示例实施方式对大约20,000个帧对于控制箱(箱A)和测试箱(箱B)的总体群速度的图表。两个箱的条件是相同的，例如隔离结构的尺寸、照明、使用的鱼数量的类型等，除了测试箱(箱B)中的水受到例如氯的污染。在帧0处鱼被放入水中。能够看出，在大约6000帧处箱A中的鱼安定下来之后，箱A中的鱼的速度变得相对稳定。这与箱B的结果不同，在箱B中鱼在被放入箱中以后表现出相对亢进，过了一会开始游得更加懒散。较低的速度可以表示由水中的化学污染物所施加的游动困难。

通过分析鱼的运动轨迹(即，游动路径)可以验证结果。图11(a)至图11(d)示出的图显示了在两个实例中对于两个箱对于约250个帧的例如20条鱼的游动路径。图11(a)和图11(b)分别示出了根据示例实施方式在帧2,001和帧2,250之间箱A和箱B中鱼的运动轨迹。图11(c)和图11(d)分别示出了根据示例实施方式在帧19,751和帧20,000之间箱A和箱B中鱼的运动轨迹。

如图11(b)中所见，箱B中混乱且复杂的轨迹看上去表示不规则的行为，不规则的行为可能对应于在帧2,001和帧2,250之间速度的提高。当在帧19,751和帧20,000之间鱼开始游得较慢时，在图11(d)中可以看到较不稠密的轨迹，该轨迹主要占有了箱的边侧。另一方面，如图11(a)和图11(c)中所示，箱A中的鱼以更受约束和规则的方式游动。

而且，在示例实施方式中，根据获得的运动轨迹，通过下式可以计算鱼活动性的随机性测量：

其中，轨迹的尺寸可根据在给定时间上由平均运动轨迹覆盖的面积来计算。

图12(a)和图12(b)分别示出了根据示例实施方式图10(a)和10(b)的箱A和箱B的随机性测量的图表。从图12(a)和图12(b)中可以看出，在受污染的容器(箱B)中的鱼的活跃程度比控制箱(箱A)中的鱼的活跃程度更高且更不规则，控制箱中的鱼的活跃程度看起来更加一致。

群分布

在示例实施方式中，通过隔离结构的不同部分中的鱼的数量确定鱼群的分布。首先，将隔离结构的监测区域分裂为一个以上的区域。随后计算每个区域中的占有率Q，每个区域中的占有率Q可以由那个区域中鱼的尺寸关于整个隔离结构的全部鱼的尺寸的百分比表示：

$Q=\frac{\underset{j=1}{\overset{r}{\mathrm{\Σ}}}{S}_j}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{S}_i}\×100\%---\left(7\right)$

其中，S_j是位于区域中的鱼j的尺寸，r是位于相同区域中的鱼的数量，而S_i是鱼i的尺寸，n是隔离区域中鱼的总数。

在容器中的水被污染的情况下，在鱼上已经观察到了回避行为。因此，示例实施方式的系统使用Q来确定在隔离结构中是否存在鱼试着游动远离的或被吸引到的任何区域。同样，当在一些情况下水况存在改变时，观察到鱼沿着隔离结构的侧面游动。在示例实施方式中，通过将监测区域分裂为例如中心区域和边区域，可以限定区域。

图13示出了根据示例实施方式限定中心区域R的隔离结构的监测区域的俯视图。如从图13能够看出的，例如通过矩形标记中心区域R和边区域之间的边界，并且在中心处表明的数字是中心区域R中的占有率。例如，在该图中，在中心区域R中检测到全部鱼尺寸中的约8％。而且，对于每一帧，将占有率的值与阈值T相比较，以确定回避行为的概率Pb(t)是否将增加。

$\mathrm{Pb}\left(t\right)=\left\{\begin{array}{cc}(1-\mathrm{\&alpha;})\mathrm{Pb}(t-1)+\mathrm{\&alpha;}& ,Q<T\\ (1-\mathrm{\&alpha;})\mathrm{Pb}(t-1)& ,Q\&GreaterEqual;T\end{array}\right.---\left(8\right)$

其中，α是每一帧的权重，Pb(t)和Pb(t-1)分别是在帧t和帧t-1处的计算概率。

隔离结构中群分布的监测可能有助于识别当隔离结构的某个区域中出现干扰时鱼可能显示的回避行为。在示例实施方式中，关于指定数量的帧计算回避行为的概率，每一帧具有相同的加权数，并且如果监测区域中发现的鱼的百分比小于某一水平，那么概率将增加，即如果鱼群中的大部分沿着隔离结构的侧面游动，那么当中心区域的Q小于T时回避中心区域的概率将增加。

图14(a)和图14(b)分别示出了根据示例实施方式在一段时间内(约20,000帧)对于控制箱(箱A)和测试箱(箱B)回避行为概率的比较的图表。如从图14(a)和图14(b)可以看出的，从两个箱获得的结果中存在显著差别。即使当箱A中的鱼看起来在新环境中安定下来时，箱B中回避行为的概率仍然高。这可以表明箱B中的污染物影响箱内鱼群的分布，因为鱼看起来远离中心区域游动。

社群相互影响

在示例实施方式中，鱼之间的社群相互影响可以由以下因素中的一个或多个来限定，因素包括：例如鱼游向彼此的接近程度、鱼群形成的群集的数量和这些群集的主导、以及组中领导者的存在。

在示例实施方式中，使用分层的k均值聚类方法来对鱼的图像执行聚类迭代。该处理使用从鱼的位置获得的坐标。当任何鱼过于远离群的中心时，形成了群集。群集的数量保持增长直至满足以下预设条件之一：

-每条鱼的质心和鱼所属群集的中心之间的距离在指定长度内，即

$\sqrt{{(P_x-N_x)}^2+{(P_y-N_y)}^2}<T_C$

-鱼的密度大于指定的百分比，即

$D=\frac{\underset{i=1}{\overset{c}{\mathrm{\&Sigma;}}}{S}_i}{A}>\mathrm{\&beta;}$

其中N是群集中心，A是表示群集的凸包的面积，c是属于同一群集的鱼的数量，T_C和β分别是预设的阈值。

图15(a)示出了具有一个鱼群集的隔离结构的监测区域的俯视图。图15(b)示出了具有两个鱼群集的与图15(a)相同的俯视图。如从图15(a)和图15(b)可以看出的，同一图像的群集数量(即，当迭代停止时)依赖于阈值的值，例如，图15(a)中的密度阈值低于图15(b)中的密度阈值。

在形成群集之后，在示例实施方式中，通过计算每个群集的尺寸可以识别群中的多数群集，每个群集的尺寸等于属于同一群集的鱼的尺寸S的和。然后将具有最大尺寸的群集标记为多数。然后对于控制箱和污染箱中的鱼对于指定数量的帧，将多数群集的尺寸标记为全部群尺寸的百分比。

图16(a)和图16(b)分别示出了根据示例实施方式在一段时间内(约20,000帧)对于控制箱(箱A)和测试箱(箱B)比较多数群集的尺寸的图表。该图表示出相比于在正常水况下，在受污染的水中的鱼群趋于更加分散，如可以由较小的多数群集尺寸所指示的。

本领域的技术人员应该理解，在不脱离如大体描述的本发明的精神和范围的条件下，可以对如具体实施方式所示的本发明进行多种修改和/或改变。因此，认为提供的实施方式在所有方面是说明性的而不是限制性的。

Claims (25)

1.一种监测水质的系统，所述系统包括：

用于接收待监测的水流的容器，所述容器包含多条鱼并被配置使得容纳鱼的基本上三维群行为；

布置在所述容器上方的第一成像装置，用于获得鱼的俯视视频数据；以及

用于根据前景对象检测来识别单独的鱼的装置。

2.如权利要求1所述的系统，进一步包括布置在所述容器的侧面的第二成像装置，用于获得鱼的侧视视频数据。

3.如权利要求1或权利要求2所述的系统，进一步包括布置在所述容器内的隔离结构，所述隔离结构包括用于在内部容纳鱼的基本上连续的围墙，其中所述隔离结构的尺寸被确定以容纳鱼的基本上三维群行为。

4.如权利要求3所述的系统，其中，配置所述围墙以使其接近所述第一成像装置的视野。

5.如权利要求4所述的系统，其中，所述围墙是基本上半透明的。

6.如权利要求4所述的系统，其中，所述围墙的面对所述第二成像装置的部分是基本上透明的，而所述围墙的其余部分是基本上半透明的。

7.如权利要求6所述的系统，其中，所述隔离结构进一步包括基本上不透明的覆盖构件，所述覆盖构件被布置为覆盖所述围墙的基本上透明的部分，用于减少在所述俯视视频数据中鱼的反射。

8.如前述权利要求中任一项所述的系统，进一步包括照明设备，所述照明设备被配置以向所述第一成像装置提供基本上均匀的背景光。

9.如权利要求8所述的系统，其中，所述照明设备包括布置在所述容器下面的光源，以及布置在所述光源和所述容器之间的用于对来自所述光源的光漫射的装置。

10.如前述权利要求中任一项所述的系统，其中，所述系统被配置以使外部光最小化，防止外部光在操作期间进入所述系统。

11.如前述权利要求中任一项所述的系统，其中，用于识别单独的鱼的装置被设置以分辨聚集的前景对象。

12.如权利要求11所述的系统，其中，分辨聚集的前景对象包括：

执行分层的k均值聚类，以在所述俯视图像数据的轮廓图中将k个椭圆拟合为每个相连的斑点，k＝1，2，3，...；

根据将k个椭圆拟合为每个斑点的最小有效性评分确定最佳k。

13.如前述权利要求中任一项所述的系统，进一步包括用于确定不活动鱼的数量的装置。

14.如权利要求13所述的系统，进一步包括用于如果不活动鱼的数量超过第一阈值则对鱼施加刺激以减少假警报的装置。

15.如权利要求14所述的系统，进一步包括用于发送警报信号的通信装置，如果在施加所述刺激以后不活动鱼的数量超过第二阈值，那么产生所述警报信号。

16.如权利要求14或权利要求15所述的系统，其中所述刺激包括声音。

17.如前述权利要求中任一项所述的系统，进一步包括将多条鱼的活跃程度确定为群行为的装置，所述活跃程度根据总体群速度、运动轨迹以及随机性测量中的一个或多个来确定。

18.如前述权利要求中任一项所述的系统，进一步包括将鱼的群分布确定为群行为的装置。

19.如前述权利要求中任一项所述的系统，进一步包括将鱼的社群相互影响确定为群行为的装置，所述社群相互影响根据鱼游向彼此的接近程度、鱼形成的群集的数量以及这些群集的主导中的一个或多个来确定。

20.一种监测水质的方法，所述方法包括以下步骤：

在容器中接收待监测的水流，所述容器包含多条鱼并被配置使得容纳鱼的基本上三维群行为；

获得鱼的俯视视频数据；以及

根据前景对象检测来识别单独的鱼。

21.如权利要求20所述的方法，进一步包括：

执行分层的k均值聚类，以在所述俯视图像数据的轮廓图中将k个椭圆拟合为每个相连的斑点，k＝1，2，3，...；

根据将k个椭圆拟合为每个斑点的最小有效性评分确定最佳k。

22.如权利要求20或权利要求21所述的方法，进一步包括如果不活动鱼的数量超过第一阈值，则对鱼施加刺激以减少假警报。

23.如权利要求20至22中任一项所述的方法，进一步包括将多条鱼的活跃程度确定为群行为，所述活跃程度根据总体群速度、运动轨迹以及随机性测量中的一个或多个来确定。

24.如权利要求20至23中任一项所述的方法，进一步包括将鱼的群分布确定为群行为。

25.如权利要求20至24中任一项所述的方法，进一步包括将鱼的社群相互影响确定为群行为，所述社群相互影响根据鱼游向彼此的接近程度、鱼形成的群集的数量以及这些群集的主导中的一个或多个来确定。

Images