CN106156717A - 水生生物个体指纹印迹识别分析仪 - Google Patents

水生生物个体指纹印迹识别分析仪 Download PDF

Info

Publication number
CN106156717A
CN106156717A CN201510204750.5A CN201510204750A CN106156717A CN 106156717 A CN106156717 A CN 106156717A CN 201510204750 A CN201510204750 A CN 201510204750A CN 106156717 A CN106156717 A CN 106156717A
Authority
CN
China
Prior art keywords
individuality
aquatile
model
fingerprint trace
individual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510204750.5A
Other languages
English (en)
Inventor
任宗明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ji'nan Instrument Co Ltd
Original Assignee
Ji'nan Instrument Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ji'nan Instrument Co Ltd filed Critical Ji'nan Instrument Co Ltd
Priority to CN201510204750.5A priority Critical patent/CN106156717A/zh
Publication of CN106156717A publication Critical patent/CN106156717A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种水生生物个体指纹印迹识别分析仪，包括生物养殖系统、视频采集系统与数据处理系统，生物养殖系统的进水口与外部水管连接，水管连接有流量计，以便控制进水和出水；生物养殖系统的正上方为视屏采集系统，负责对视频信息的采集；数据处理系统是基于生物个体指纹印迹识别分析模型来对视屏采集系统所收集信息进行识别处理，并得出相应数据。本发明为一种水生生物个体指纹印迹识别分析仪，可以精确的分辨每个个体，无论该个体如何变换方向、动作，甚至与其他相似个体发生交叉互换，或者曾经移出视野范围又重新回来，本发明都能够准确的识别对应的个体，确保了实验的精准进行。

Description

水生生物个体指纹印迹识别分析仪
技术领域
本发明涉及生物识别技术领域，特别是涉及一种依据摄像头采集视频信息并对其中水生生物个体进行准确区分的技术。
背景技术
当前的视频追踪技术，注重于对单一目标的追踪，一旦出现多个相似的目标，有可能就会出现识别错误的现象，这个问题直接影响了整个视频追踪结果的准确性。
本发明公开了一种水生生物个体指纹印迹识别分析仪，能够在遇到多个目标相距过近或者重叠的情况，对不同水生生物个体进行准确的识别，以确保实验的准确性。
发明内容
本发明要解决的技术问题是提供一种水生生物个体指纹印迹识别分析仪。
为了解决上述技术问题，本发明采用的技术方案是一种水生生物个体指纹印迹识别分析仪，包括生物养殖系统、视频采集系统与数据处理系统。生物养殖系统的进水口与外部水管连接，水管连接有流量计，以便控制进水和出水；生物养殖系统的正上方为视屏采集系统，负责对视频信息的采集；数据处理系统是基于水生生物个体指纹印迹识别分析模型来对视屏采集系统所收集信息进行识别处理，并得出相应数据。
以上所述的水生生物个体指纹印迹识别分析仪，生物养殖系统所养殖的原生种为水生脊椎动物的成体鱼类，每个生物养殖系统养殖生物的数量在2条以上。
一种水生生物个体指纹印迹识别分析模型的建模方法，包括如下步骤：
(一)构建二维模型的中心线：以水生生物的头部鼻处与尾部末端为起点与终点，选择正上方视角画面，分别对代表水生生物个体的剪影绘制封闭轮廓线，通过轮廓线上的取点，从而可以算出代表相应视角的中心线，根据二级递阶优化算法可以计算出二维坐标下的中心线；
(二)构建水生生物个体指纹印迹模型：围绕中心线绘制椭圆，生成水生生物个体的表面；椭圆的半径根据横截面确定，长度可以由正上方视角的轮廓线计算得出，椭圆的朝向由圆心点的向量表示；然后整合所有椭圆，通过多重EKF(扩展卡尔曼滤波)微调各椭圆的半径，选出最有代表性的椭圆，构造一个平滑的水生生物个体模型；
(三)水生生物个体的指纹印迹模型的匹配：将动态的视频图像采集到的数据与静态画面中构建出的水生生物个体的二维模型进行匹配，并根据动态视频图像采集到的数据下一帧的内容对目标的模型进行更新；在遇到多个目标相距过近或者重叠的情况，采用对相邻的个体进行匹配的方法，通过在下一帧的图像中选取几个距离目标个体最近的剪影，并将目标个体的中心线与每个剪影进行比较，判断是否存在最吻合的中心线剪影，通过计算剪影各点与中心线的距离，进一步确定该目标个体下一帧的对应剪影，从而避免在此情况下选择错误的模型；
(四)二维模型的重建：利用模拟退火算法搜索样本点的状态空间，在该状态空间中选出最能代表目标的一点来作为下一个样本点，一个接一个点构建出水生生物的二维模型；
(五)模型的平滑处理：对以上最优化输出的结果，利用卡尔曼滤波器对模型的噪声数据过滤，最终得出水生生物的平滑二维模型。
本发明有以下优点：
本发明为一种水生生物个体指纹印迹识别分析仪，可以精确的分辨每个个体，无论该个体如何变换方向、动作，甚至与其他相似个体发生交叉互换，或者曾经移出视野范围又重新回来，本发明都能够准确的识别对应的个体，确保了实验的精准进行。
附图说明
下面结合附图和具体实施方式对本发明做进一步详细的说明。
图1是本发明的结构示意图。
图2是指纹印迹识别分析模型的建模流程示意图。
图3是交叉变换演示示意图。
具体实施方式
一种水生生物个体指纹印迹识别分析仪，包括生物养殖系统1、视频采集系统2、3与数据处理系统4。生物养殖系统1的进水口与外部水管连接，水管连接有流量计，以便控制进水和出水；生物养殖系统1的正上方为视屏采集系统2、3，负责对视频信息的采集；数据处理系统4是基于水生生物个体指纹印迹识别分析模型来对视屏采集系统2、3所收集信息进行识别处理，并得出相应的数据。
以上所述的水生生物个体指纹印迹识别分析仪，生物养殖系统1所养殖的原生种为水生脊椎动物的成体鱼类，每个生物养殖系统养殖生物的数量在3-10条。
下面结合本发明的实施例，一种水生生物个体指纹印迹识别分析仪的技术方案进行详细说明。
实施例
以斑马鱼为观测对象为例：
参考图3，对斑马鱼的行为踪迹进行监测分析，斑马鱼的观测养殖系统由有机玻璃制作的监测区域，为直径10cm的缸状容器1。将用于视频采集的摄像头2镶嵌于生物行为监测区域顶盖的合适位置，对区域内斑马鱼行为进行指纹印迹识别。
利用本监测装置进行指纹印迹分析，试验用鱼总共5条，均为成年5cm左右斑马鱼，试验进行的温度控制在20±2℃，光照周期为16H：8D，食物早晚固定时间投喂。
用于观察记录斑马鱼行为踪迹的视频采集终端负责采集上方的标准视频数据，由信号线传输到视频处理中转站3上，将采集的视频虚拟信号转换为数字信号，输送到指纹印迹分析工作站4中，对斑马鱼进行视频追踪与指纹印迹分析。
构建斑马鱼个体指纹印迹识别分析模型，包括如下步骤：
(一)构建二维模型的中心线：以斑马鱼个体的头部鼻处与尾部末端为起点与终点，选择正上方视角的画面，代表斑马鱼个体的剪影绘制封闭轮廓线，通过轮廓线上的取点，从而可以算出代表相应视角的中心线，根据二级递阶优化算法可以计算出二维坐标下的中心线；
(二)构建斑马鱼个体指纹印迹模型：围绕中心线绘制椭圆，生成斑马鱼个体的表面；椭圆的半径根据横截面确定，长度可以由正上方视角的轮廓线计算得出，椭圆的朝向由圆心点的向量表示；然后整合所有椭圆，通过多重EKF(扩展卡尔曼滤波)微调各椭圆的半径，选出最有代表性的椭圆，构造一个平滑的斑马鱼个体模型；
(三)斑马鱼个体的指纹印迹模型的匹配：将动态的视频图像采集到的数据与静态画面中构建出的斑马鱼个体的二维模型进行匹配，并根据动态视频图像采集到的数据下一帧的内容对目标的模型进行更新；在遇到多个目标相距过近或者重叠的情况，我们采用对相邻的个体进行匹配的方法，通过在下一帧的图像中选取几个距离目标个体最近的剪影，并将目标个体的中心线与每个剪影进行比较，判断是否存在最吻合的中心线剪影，通过计算剪影各点与中心线的距离，进一步确定该目标个体下一帧的对应剪影，从而避免在此情况下选择错误的模型；
(四)二维模型的重建：利用模拟退火算法搜索样本点的状态空间，在该状态空间中选出最能代表目标的一点来作为下一个样本点，一个接一个点构建出斑马鱼个体的二维模型；
(五)模型的平滑处理：对以上最优化输出的结果，利用卡尔曼滤波器对模型的噪声数据过滤，最终得出斑马鱼个体的平滑二维模型。

Claims (3)

1.一种水生生物个体指纹印迹识别分析仪，包括生物养殖系统、视频采集系统与数据处理系统，其特征在于，生物养殖系统的进水口与外部水管连接，水管连接有流量计，以便控制进水和出水；生物养殖系统的正集系统，负责对视频信息的采集；数据处理系统是基于水生生物个体指纹印迹识别分析模型来对视屏采集系统所收集信息进行识别处理，并得出相应数据。
2.根据权利要求1所述的水生生物个体指纹印迹识别分析仪，其特征在于，生物养殖系统所养殖的原生种为水生脊椎动物的成体鱼类，每个生物养殖系统满足2条以上养殖生物共存。
3.一种如权利要求1所述的水生生物个体指纹印迹识别分析模型的建模方法，其特征在于，包括如下步骤：
(一)构建二维模型的中心线：以水生生物的头部鼻处与尾部末端为起点与终点，选择正上方视角画面，对代表水生生物个体的剪影绘制封闭轮廓线，通过轮廓线上的取点，从而可以算出代表相应视角的中心线，根据二级递阶优化算法可以计算出坐标下的中心线；
(二)构建水生生物个体指纹印迹模型：围绕中心线绘制椭圆，生成水生生物个体的表面；椭圆的半径根据横截面确定，长度可以由正上方视角的轮廓线计算得出，椭圆的朝向由圆心点的向量表示；然后整合所有椭圆，通过多重EKF(扩展卡尔曼滤波)微调各椭圆的半径，选出最有代表性的椭圆，构造一个平滑的水生生物个体模型；
(三)水生生物个体的指纹印迹模型的匹配：将动态的视频图像采集到的数据与静态画面中构建出的水生生物个体的二维模型进行匹配，并根据动态视频图像采集到的数据下一帧的内容对目标的模型进行更新；在遇到多个目标相距过近或者重叠的情况，我们采用对相邻的个体进行匹配的方法，通过在下一帧的图像中选取几个距离目标个体最近的剪影，并将目标个体的中心线与每个剪影进行比较，判断是否存在最吻合的中心线剪影，通过计算剪影各点与中心线的距离，进一步确定该目标个体下一帧的对应剪影，从而避免在此情况下选择错误的模型；
(四)二维模型的重建：利用模拟退火算法搜索样本点的状态空间，在该状态空间中选出最能代表目标的一点来作为下一个样本点，一个接一个点构建出水生生物的二维模型；
(五)模型的平滑处理：对以上最优化输出的结果，利用卡尔曼滤波器对模型的噪声数据过滤，最终得出水生生物的平滑二维模型。
CN201510204750.5A 2015-04-28 2015-04-28 水生生物个体指纹印迹识别分析仪 Pending CN106156717A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510204750.5A CN106156717A (zh) 2015-04-28 2015-04-28 水生生物个体指纹印迹识别分析仪

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510204750.5A CN106156717A (zh) 2015-04-28 2015-04-28 水生生物个体指纹印迹识别分析仪

Publications (1)

Publication Number Publication Date
CN106156717A true CN106156717A (zh) 2016-11-23

Family

ID=57347365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510204750.5A Pending CN106156717A (zh) 2015-04-28 2015-04-28 水生生物个体指纹印迹识别分析仪

Country Status (1)

Country Link
CN (1) CN106156717A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376238A (zh) * 2018-01-19 2018-08-07 山东师范大学 一种多目标无标记的水生生物识别追踪方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003250382A (ja) * 2002-02-25 2003-09-09 Matsushita Electric Works Ltd 水棲生物の成育状態監視方法及びその装置
CN101410855A (zh) * 2006-03-28 2009-04-15 爱丁堡大学评议会 用于自动表征一个或多个对象的行为的方法
US20100119119A1 (en) * 2008-11-07 2010-05-13 General Electric Company Automated systems and methods for screening zebrafish
CN101871928A (zh) * 2010-06-17 2010-10-27 浙江工业大学 一种基于免疫否定选择的水质异常检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003250382A (ja) * 2002-02-25 2003-09-09 Matsushita Electric Works Ltd 水棲生物の成育状態監視方法及びその装置
CN101410855A (zh) * 2006-03-28 2009-04-15 爱丁堡大学评议会 用于自动表征一个或多个对象的行为的方法
US20100119119A1 (en) * 2008-11-07 2010-05-13 General Electric Company Automated systems and methods for screening zebrafish
CN101871928A (zh) * 2010-06-17 2010-10-27 浙江工业大学 一种基于免疫否定选择的水质异常检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
任宗明: "在线生物监测技术在饮水安全预警中的应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376238A (zh) * 2018-01-19 2018-08-07 山东师范大学 一种多目标无标记的水生生物识别追踪方法及系统
CN108376238B (zh) * 2018-01-19 2020-06-30 山东师范大学 一种多目标无标记的水生生物识别追踪方法及系统

Similar Documents

Publication Publication Date Title
Yasrab et al. RootNav 2.0: Deep learning for automatic navigation of complex plant root architectures
Bah et al. CRowNet: Deep network for crop row detection in UAV images
US11229419B2 (en) Method for processing 3D image data and 3D ultrasonic imaging method and system
Li et al. PlantNet: A dual-function point cloud segmentation network for multiple plant species
CN111178197B (zh) 基于Mask R-CNN和Soft-NMS融合的群养粘连猪实例分割方法
JP5740101B2 (ja) 細胞評価装置、インキュベータ、細胞評価方法、細胞評価プログラムおよび細胞の培養方法
Andújar et al. Three-dimensional modeling of weed plants using low-cost photogrammetry
CN110517311A (zh) 基于叶片病斑面积的病虫害监测方法
WO2010098105A1 (ja) 培養状態評価装置、培養状態評価方法、インキュベータおよびプログラム
JP5745290B2 (ja) 画像処理装置、細胞分類装置、インキュベータ、画像処理方法、細胞分類方法、画像処理プログラムおよび細胞分類プログラム
Arachchige et al. An image processing algorithm for accurate extraction of the centerline from human metaphase chromosomes
JP2014525252A (ja) 組織分類のためのシステム及び方法
JP2016123366A (ja) 細胞評価装置、インキュベータ、細胞評価方法、プログラム、及び細胞の培養方法
Wagner et al. Deep learning and adaptive graph-based growing contours for agricultural field extraction
Ahmad et al. Technology and data fusion methods to enhance site-specific crop monitoring
Vit et al. Length phenotyping with interest point detection
Cui et al. GPR-based automatic identification of root zones of influence using HDBSCAN
Quan et al. An instance segmentation-based method to obtain the leaf age and plant centre of weeds in complex field environments
CN106156717A (zh) 水生生物个体指纹印迹识别分析仪
Han et al. MIX-NET: Deep learning-based point cloud processing method for segmentation and occlusion leaf restoration of seedlings
Rabab et al. A new method for extracting individual plant bio-characteristics from high-resolution digital images
CN108462939A (zh) 一种地磁时序分析的室内定位方法
Higgs et al. ProTractor: a lightweight ground imaging and analysis system for early-season field phenotyping
Zhou et al. Method for segmentation of overlapping fish images in aquaculture
CN108376238B (zh) 一种多目标无标记的水生生物识别追踪方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20161123