CN104872025A - 一种鱼缸鱼类活动轨迹记录方法 - Google Patents

Abstract

本发明公开了一种鱼缸鱼类活动轨迹记录方法，该方法基于图像技术，包括：获取鱼图像样本；采集图像，并将鱼图像样本与采集到的图像进行匹配，获得匹配区域；通过匹配区域的位置确定鱼所在的区域、鱼的重心位置及鱼的朝向；通过获取不同时刻鱼的重心位置得到鱼的活动轨迹、运动速度及运动方向。本发明提供的方法实现了鱼的重心定位、鱼活动轨迹的记录、鱼的运动速度、运动方向及朝向的确定。

Description

一种鱼缸鱼类活动轨迹记录方法

技术领域

本发明涉及鱼缸鱼类活动轨迹领域，尤其涉及一种基于图像技术的鱼缸鱼类活动轨迹记录方法。

背景技术

在鱼类科学研究中，比如鱼类摄食学、鱼类行为学以及鱼类生理学等领域的科研实验，常常需要准确地监测、量化并记录鱼类的活动情况及其行为参数，比如鱼的位置坐标、运动轨迹以及游动速度等。目前鱼类行为活动的常规研究手段主要有以下两种：1、直接观察法：实验人员通过直接观察或观看录制的鱼类活动视频录像，来人为地获取并分析鱼类的行为活动情况。这种方法需要耗费实验人员大量时间精力，而且难以精确地量化鱼类的行为数据。2、标签植入法：在鱼体内植入PIT或RFID标记物，通过PIT、RFID等技术，来记录鱼的活动轨迹，从而量化其行为参数。但是这类方法检测距离有限，而且对于小型鱼和幼鱼等体型较小的鱼类来说，难以植入标记物，或其植入对鱼会产生刺激甚至伤害。

随着科学技术的发展，图像技术越来越多地应用于各种检测、识别技术中。基于CCD摄像的图像检测技术具有非接触、精度高、实时性好等特点，适用于监测、识别鱼类行为活动。现有的中国专利名称为一种斑马鱼温敏行为轨迹监测仪(申请号为201320780260.6)，该实用新型是通过摄录装置来获取斑马鱼活动的视频数据，然后人为地察看视频数据并进行行为学分析，并没有运用图像分析等技术来自动量化和输出鱼类的行为数据。现有的中国专利名称为基于计算机视觉的水下鱼虾蟹苗数量估计与行为监测装置及方法(申请号为201410007771.3)，该发明是通过图像处理技术来估算养殖池中鱼虾蟹苗的数目、密度以及其趋光能力，但是该装置没有对鱼虾蟹苗的活动轨迹进行监测记录。现有的中国专利名称为一种基于计算机视觉的斑马鱼群检测与跟踪方法(申请号为201410213890.4)，该发明是通过计算机视觉技术来检测与跟踪斑马鱼群，但均是基于鱼群的，并没有对鱼只个体进行识别、跟踪和行为记录。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于图像技术的鱼缸鱼类活动轨迹记录方法与系统，该方法实现了鱼的重心定位,鱼活动轨迹的记录、鱼的运动速度、运动方向及朝向的确定。

本发明的目的通过以下的技术方案来实现：

一种鱼缸鱼类活动轨迹记录方法，该方法基于图像技术，包括：

A获取鱼图像样本；

B采集图像，并将鱼图像样本与采集到的图像进行匹配，获得匹配区域；

C通过匹配区域的位置确定鱼所在的区域、鱼的重心位置及鱼的朝向；

D通过获取不同时刻鱼的重心位置得到鱼的活动轨迹、运动速度及运动方向。与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

实现了鱼的重心定位、鱼活动轨迹的记录、鱼的运动速度、运动方向及朝向的确定。

附图说明

图1是鱼缸鱼类活动轨迹记录方法流程图；

图2是鱼缸鱼类活动轨迹记录方法获得的最终匹配区域结果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。

如图1所示，为鱼缸鱼类活动轨迹记录方法，该方法基于图像技术，所述方法包括如下步骤：

步骤10获取鱼图像样本；

当鱼头朝上时获取一张鱼的图像样本，当鱼头朝下时获取一张鱼的图像样本，用矩阵形式表示为A_m1×n1。

步骤20采集图像，并将鱼图像样本与采集到的图像进行匹配，获得匹配区域；

从采集到的图像中第一个元素开始，提取一个和鱼图像样本一样大小的区域，通过比较来得到和鱼图像样本匹配的区域：

1、用摄像机开始采集图像，用矩阵形式表示为B_m2×n2：

2、从采集到的图像B_m2×n2中第一个元素开始，提取一个和鱼图像样本A_m1×n1一样大小的矩阵C_i，然后做相减处理：

$\begin{array}{cc}A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& ...& a_{1n1}\\ a_{21}& a_{22}& ...& a_{2n1}\\ a_{m11}& a_{m12}& ...& a_{m1n1}\end{array}\right],& B=\left[\begin{array}{cccc}{b}_{11}& b_{12}& ...& b_{1n2}\\ b_{21}& b_{22}& ...& b_{2n2}\\ b_{m21}& b_{m22}& ...& b_{m2n2}\end{array}\right],\end{array}$

$\begin{array}{cc}{C}_i=\left[\begin{array}{cccc}{c}_{11}& c_{12}& ...& c_{1n1}\\ c_{21}& c_{22}& ...& c_{2n1}\\ c_{m11}& c_{m12}& ...& c_{m1n1}\end{array}\right],& D_i=C_i-A=\left[\begin{array}{cccc}{d}_{11}& d_{12}& ...& d_{1n1}\\ d_{21}& d_{22}& ...& d_{2n1}\\ d_{m11}& d_{m12}& ...& d_{m1n1}\end{array}\right].\end{array}$

3、将D_i中的每一个元素进行平方然后求和，其中值最小的所对应的矩阵C_i为匹配区域:

$a_i=\mathrm{\Σ}{d}_{\mathrm{mn}}^2,m=\mathrm{1,2},...,m1;n=\mathrm{1,2},...,n1;$

a＝min(a₁,a₂,…,a_{(m2-m1)(n2-n1)})。

将鱼图像样本旋转一个角度θ(-90°<θ<90°)后，再与采集到的图像进行匹配得到匹配区域：

1、设坐标系的原点为鱼图像样本A_m1×n1的中心，(x_o,y_o)为A_m1×n1中一个元素的坐标，旋转后的坐标为(x',y')，则旋转前后的关系为：

$[x^{\&prime;},y^{\&prime;},1]=[x_o,y_o,1]\left[\begin{array}{ccc}\cos \mathrm{\&theta;}& -\sin \mathrm{\&theta;}& 0\\ \sin \mathrm{\&theta;}& \cos \mathrm{\&theta;}& 0\\ 0& 0& 1\end{array}\right],$

将每一个元素按照上式进行变换，便可得到鱼图像样本旋转θ角的图像。

对两张不同的鱼图像样本分别绕其中心点依次旋转一个角度θ，并依次与采集到的图像进行匹配，得到匹配区域1和匹配区域2。将匹配区域1与匹配区域2进行比较，得到最终匹配区域。

其中获得匹配区域1或匹配区域2的方法为：

设R_i为将鱼图像样本第i次旋转后与采集到的图像进行匹配获得的匹配区域，A_i为相应的鱼图像样本，F_i为矩阵R_i与矩阵A_i相减所得到的矩阵，r_i为F_i矩阵每个元素的平方和，则：

$r_i=\mathrm{\&Sigma;}{f}_{\mathrm{mn}}^2,m=\mathrm{1,2},...,m1;n=\mathrm{1,2},...,n1;$

然后在这些r_i中求取最小值r，

r＝min(r₁,r₂,…，r_{(m2-m1)(n2-n1)})

则：r所对应的矩阵R_i为匹配区域1或匹配区域2。

在匹配区域1和匹配区域2中选择最终匹配区域，其选择方法为：

将采集到的图像转换为二值图，然后在分别计算匹配区域1和匹配区域2中像元为一的元素个数，较多的那个为最终匹配区域。

步骤30通过匹配区域的位置确定鱼所在的区域、鱼的重心位置及鱼的朝向；

鱼所在区域就是最终匹配区域，鱼的重心大概为鱼所在区域的中心，鱼的朝向为最终匹配区域的方向。

步骤40通过获取不同时刻鱼的重心位置得到鱼的活动轨迹、运动速度及运动方向。

鱼的活动轨迹为不同时刻鱼的重心位置的连线，鱼的运动速度为两时刻鱼重心位置的距离与对应时间的比值，鱼的运动方向为鱼活动轨迹的切线方向。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种鱼缸鱼类活动轨迹记录方法，其特征在于，所述方法基于图像技术，包括：

A获取鱼图像样本；

B采集图像，并将鱼图像样本与采集到的图像进行匹配，获得匹配区域；

C通过匹配区域的位置确定鱼所在的区域、鱼的重心位置及鱼的朝向；

D通过获取不同时刻鱼的重心位置得到鱼的活动轨迹、运动速度及运动方向。

2.如权利要求1所述的鱼缸鱼类活动轨迹记录方法，其特征在于，所述步骤A中：获取两张鱼图像样本，其中一张为鱼头朝上时的图像样本，另一张为鱼头朝下时的图像样本，用矩阵形式表示为A_m1×n1。

3.如权利要求1所述的鱼缸鱼类活动轨迹记录方法，其特征在于，所述步骤B具体包括，将鱼图像样本绕中心点依次旋转一个角度θ，并依次与采集到的图像进行匹配，获得匹配区域。

4.如权利要求1所述的鱼缸鱼类活动轨迹记录方法，其特征在于，所述步骤B中：将鱼图像样本与采集到的图像进行匹配，其匹配方法为：

鱼样本图像为矩阵A_m1×n1，采集到的图像为矩阵B_m2×n2(m1<m2,n1<n2)，从矩阵B中的第一个元素开始依次提取和矩阵A大小一样的举证C_i i＝1,2,…,(m2-m1)(n2-n1)

将矩阵C_i与矩阵A相减得到矩阵D_i，

将D_i中的每一个元素进行平方然后求和，可得：

$a_i=\mathrm{\&Sigma;}{d}_{\mathrm{mn}}^2,m=\mathrm{1,2},...,m1;n=\mathrm{1,2},...,n1;$

然后在这些a_i中求取最小值a，

a＝min(a₁,a₂,…,a_{(m2-m1)(n2-n1)})；

则a所对应的矩阵C为匹配区域。

5.如权利要求3所述的鱼缸鱼类活动轨迹记录方法，其特征在于，所述将鱼样本图像旋转一个角度θ方法为：

设(x_o,y_o)为旋转前的坐标，(x',y')为旋转后的坐标，则：

$[x^{\&prime;},y^{\&prime;},1]=[x_o,y_o,1]\left[\begin{array}{ccc}\cos \mathrm{\&theta;}& -\sin \mathrm{\&theta;}& 0\\ \sin \mathrm{\&theta;}& \cos \mathrm{\&theta;}& 0\\ 0& 0& 1\end{array}\right].$

6.如权利要求3所述的鱼缸鱼类活动轨迹记录方法，其特征在于，对两张不同的鱼图像样本分别与采集到的图像进行匹配，选取匹配区域1和匹配区域2，然后对匹配区域1和匹配区域2进行比较，选择其中一个作为最终匹配区域。

7.如权利要求6所述的鱼缸鱼类活动轨迹记录方法，其特征在于，选取匹配区域1或匹配区域2的方法为：

设R_i为将鱼图像样本第i次旋转后与采集到的图像进行匹配获得的匹配区域，A_i为相应的鱼图像样本，F_i为矩阵R_i与矩阵A_i相减所得到的矩阵，r_i为F_i矩阵每个元素的平方和，则：

$r_i=\mathrm{\&Sigma;}{f}_{\mathrm{mn}}^2,m=\mathrm{1,2},...,m1;n=\mathrm{1,2},...,n1,$

然后在这些r_i中求取最小值r，

r＝min(r₁,r₂,…,^r _{(m2-m1)(n2-n1)})

则：r所对应的矩阵R_j为匹配区域1或匹配区域2。

8.如权利要求6所述的鱼缸鱼类活动轨迹记录方法，其特征在于，在匹配区域1和匹配区域2中选择最终的匹配区域方法为：

将采集到的图像转换为二值图，鱼像所在区域的像元取值为1，其余区域的像元取值为0，比较匹配区域1与匹配区域2中像元取值为1的个数，像元取值为1的个数较多的那个区域即为最终匹配区域。

9.如权利要求1所述的鱼缸鱼类活动轨迹记录方法，其特征在于，所述步骤C中：鱼所在的区域就是最终匹配区域，鱼的重心位置为最终匹配区域的中心线的位置，鱼的朝向为最终匹配区域的方向。

10.如权利要求1所述的鱼缸鱼类活动轨迹记录方法，其特征在于，所述步骤D中：鱼的活动轨迹为不同时刻鱼的重心位置的连线，鱼的运动速度为两时刻鱼重心位置的距离与对应时间的比值，鱼的运动方向为鱼活动轨迹的切线方向。