CN112215874A - 一种用于海湾区仔鱼的行为监测系统 - Google Patents

一种用于海湾区仔鱼的行为监测系统 Download PDF

Info

Publication number
CN112215874A
CN112215874A CN202010908145.7A CN202010908145A CN112215874A CN 112215874 A CN112215874 A CN 112215874A CN 202010908145 A CN202010908145 A CN 202010908145A CN 112215874 A CN112215874 A CN 112215874A
Authority
CN
China
Prior art keywords
image
camera
noise
fish
monitoring system
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.)
Granted
Application number
CN202010908145.7A
Other languages
English (en)
Other versions
CN112215874B (zh
Inventor
蒋日进
李凯
李哲
隋宥珍
朱玉丹
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.)
Zhejiang Marine Fisheries Research Institute
Original Assignee
Zhejiang Marine Fisheries Research Institute
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 Zhejiang Marine Fisheries Research Institute filed Critical Zhejiang Marine Fisheries Research Institute
Priority to CN202010908145.7A priority Critical patent/CN112215874B/zh
Publication of CN112215874A publication Critical patent/CN112215874A/zh
Application granted granted Critical
Publication of CN112215874B publication Critical patent/CN112215874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/285—Analysis of motion using a sequence of stereo image pairs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种用于海湾区仔鱼的行为观测系统，该监测系统包括：河口区的培育箱体(1)，主摄像机(2)、至少一个位置辅助摄像机(3)和计算机(4)，虚拟隔离板(5)，所述箱体(1)呈方体；主摄像机(2)设置在箱体的顶部，虚拟隔离板(5)将箱体分割成隔离箱体，所述计算机(4)中安装有软件包，所述软件包具有通信模块(10)、行为信息处理模块(11)、视频存储数据库(12)、历史记录数据库(13)和显示器输出模块(14)；所述主摄像机(2)和位置辅助摄像机(3)拍摄隔离水箱(1)内部，根据所述视频存储数据库(12)中的视频数据，所述行为信息处理模块(11)从视频存储数据库(12)中提取图像要素，以及提取位置信息，其中的位置信息通过主摄像机(2)和位置辅助摄像机(13)确定仔鱼的三维位置信息。

Description

一种用于海湾区仔鱼的行为监测系统
技术领域
本发明属于水产培育技术领域，涉及一种鱼类早期发育行为的测定装置；并且进一步的， 还涉及图像处理、模式识别、计算机视觉和计算方法技术领域。
背景技术
动物在漫长的进化过程中，随着神经系统结构和功能的不断发展与完善，行为从简单的、 瞬间的和定时的动作，变为复杂的一系列动作。鱼类作为低等的脊椎动物，在它们的行为中 不存在推理行为方式，主要表现为本能行为，并清楚地显示出趋性行为和条件反射行为。鱼 类行为是指鱼类进行的各种运动，是鱼类对外界环境和内部环境变化的外在反应，包括游泳、 摄食、生殖、呼吸等运动。近年采鱼类行为学研究取得了较大进展，但是鱼类行为学大部分 研究还是侧重于捕捞业方面，真正运用干培育生产上还不太普遍。
目前而言，鱼类行为学方面主要有4种研究方法。(1)现场观测法:具有形象化和实在化 的优点，包括直接目测与仪器观测两类。(2)渔获试验法：应用不同渔具、渔法的渔获比较来 间接地查明鱼类行为的方法，便干生产者应用。(3)水槽实验法:用鱼或模型网具在水槽中试 验，能排除众多复杂的环境六素，强化某一个刺激源的作用，易干直接观测及定量比较，可 作为现场试验的基础。(4)鱼群行为模拟法:以实验结果为依据，对实验数据进行修正鉴别， 使鱼类行为规律进行数学模式化，分析鱼与其它因子的相互关系。
现有技术文献1公开了一种基干视觉感知鱼类行为的生物水质监测系统，包括用于盛放 鱼类的透明鱼缸、用于监视鱼类行为的摄像机、视频采集卡和水质监测中心，所述鱼缸位于 摄像机的视觉范围内，各个摄像机均通过视频采集卡与水质监测中心数据通信连接，水质监 测中心包括图像采集模块、图像处理模块、目标跟踪模块和鱼类行为数据分析模块，鱼类行 为数据分析模块包括数据建模部分和数据匹配部分，获取待分析水域的图像帧序列的数据， 并代入到模型公式(6)、(7)中匹配。
现有技术文献2公开了一种虾虎鱼仔鱼藏匿性测定装置，包括水箱(3)，藏匿块(4)，圆 洞(10)，还包括横杆(1)，挂钩(2)，摄像头(5)，数据传输线(6)，显示器(7)，显示数据线(8)， 电脑主机(9)，藏匿块(4)置于水箱(3)底部，藏匿块(4)设置有圆洞(10)，水箱(3)顶部放置一 根横杆(l)，摄像头(5)通过挂钩(2)挂在横杆(1)上，通过数据传输线(6)连接到电脑主机(9)， 显示器(7)通过显示数据线(8)与电脑主机(9)连接。
现有技术文献1：CN102012419B；
现有技术文献2：CN201504488U。
发明内容
本发明主要解决的技术问题是：现有技术中的仔鱼的行为监测系统均通过鱼缸装置以及 视觉装备、并通过对视觉图像分析来监测鱼仔的行为；鱼缸中的鱼类并不能够真实的反应鱼 类的行为。并且，鱼缸的测量在缸体外设置的相机等检测设备与水体中直接监测的环境不同， 水体中直接测量过程中，环境中的噪音非常大。本发明则通过在河口区设置仔鱼的行为监测 系统，通过本发明的装置，能够有效的降低环境噪音对仔鱼行为的影响，真实的反应仔鱼的 行为。
用于解决问题的方案：本发明涉及一种用于三维监控和分析仔鱼的运动相关行为的监测 系统。该监测系统包括：河口区的培育箱体，以及虚拟隔离板，虚拟隔离板将箱体分割成隔 离箱体。具体的，在竖直方向上分成多个部分。所监测系统还包括主摄像机、至少一个位置 辅助摄像机和计算机；其中位置辅助摄像机的数量与箱体的层数相同；计算机连接到实际摄 像机和位置辅助摄像机；并且计算机中安装有软件包，软件包能够获取摄像机中的数据，从 而计算得到测试对象(仔鱼)的三维运动相关行为相关联的立体图像，并且处理这些所获取 的图像以获得所关心的测试对象的三维运动参数。
本申请的主摄像机包括硬件噪声去除部分，该硬件噪声去除部分还包括图像比较增强的 能力。例如，基于硬件的噪声去除组件可以包括多个均匀的白光源，它们最好与主摄像机相 对排列。因此，光照条件下的干扰小，能够降低拍照的噪声。
本发明的系统中的软件包还包括一个图像积累数据库，用于积累摄像机拍摄的鱼类图像 数据。动作信息处理手段：利用视频存储数据库中存储的图像数据获取鱼的位置信息；根据 位置信息计算仔鱼的动作信息；通过动作信息处理方式获取的仔鱼动作信息；显示显示存储 在每个数据库中的信息的显示手段。
本发明的隔离箱体的顶部装有摄像机滑动导轨，摄像机滑动导轨上设置有主摄像机；摄 像机滑动导轨固定在隔离箱体的上部四周侧面壁上；主摄像机可以在导轨上滑动。辅助摄像 机包括用于向物体发射直光束的发光元件和用于检测从物体反射的光角的光接收元件。例如， 红外发光二极管或激光二极管用于发光元件，光电二极管阵列或CCD阵列用于光接收元件。
本发明的软件包还包括消除系统噪声组件，其中系统噪声是，如由于环境照明条件的变 化不一致或时间背景的原因，由获得的图像中的前景和背景之间的对比度不足，由水当移动 的监测鱼扰动或由界面在不同的介质上对分割误差，导致动物的反射图像形成，或类似的东 西，其中的系统噪声对图像的处理带来巨大的挑战，因为无关区域可能被误认为是目标的前 景图像。因此，描述错误的结果可能导致不正确的图像对应、目标识别和标记以及跟踪目标 重建的三维位置错误。因此，描述的首选公开系统还可以包括基于硬件和基于噪声的软件去 除组件。所述硬件噪声去除装配体权限系统可避免由照明条件不一致引起的邻区噪声，以及 导致介质接口上目标反射图像形式的监控噪声。软件噪声去除组件是自适应更新图像背景， 由多个波滤波器消除照明噪声和滤波目标图像的分割错误，滤波器包括强度波滤波器、色空 间波滤波器和像素大小波滤波器。
附图说明
图1为本发明的主要示意图；
图2为用于海湾区仔鱼的行为监测系统示意图；
图3为位置信息获取示意图；
图4为仔鱼位置获取示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面借助于附图描述本发明 实施例；显而易见地，下述的附图仅仅是本发明的一些实施例，并非对本发明的限定。
图1示出了一种用于海湾区仔鱼的行为监测系统，具体的用于海湾区仔鱼培育箱中的仔 鱼的行为监测系统，该监测系统包括：河口区的培育箱体1，箱体1呈方体；主摄像机2、至 少一个位置辅助摄像机3和计算机4；其中主摄像机2设置在箱体的顶部。
本发明的监测系统还包括虚拟隔离板5，虚拟隔离板5由相邻的两个位置辅助摄像机3 摄像画面相交的交线定义。虚拟隔离板5将箱体分割成隔离箱体，具体的，在竖直方向上分 成多个分层的部分。其中位置辅助摄像机3的数量与箱体的层数相同，且一一对应；计算机 4连接到主摄像机2和位置辅助摄像机3；
本发明的监测系统中的隔离箱体1的顶部装有摄像机滑动导轨，摄像机滑动导轨上设置 有主摄像机；摄像机滑动导轨固定在隔离箱体的上部四周侧面壁上；主摄像机可以在导轨上 滑动。上述导轨可以根据实际的追踪需要，对具体的，如标记的仔鱼做跟踪拍摄。
本发明的监测系统中，计算机4中安装有软件包，软件包能够获取主摄像机2中的数据， 并且同时获取位置辅助摄像机3中的坐标信息，从而确定主摄像机2中的平面坐标的每个仔 鱼位于箱体的哪一个分层。由此，通过每一个主摄像机2以及位置辅助摄像机3中的坐标信 息，从而计算得到测试对象(仔鱼)的三维运动相关行为相关联的立体图像，并且处理这些 所获取的图像以获得所关心的测试对象的三维运动参数。
本发明的监测系统中，为了降低环境噪声的影响，还设置硬件噪声去除组件，所述硬件 噪声去除组件可避免由照明条件不一致引起的邻区噪声，以及导致介质接口上目标反射图像 形式的监控噪声。具体的，在主摄像机2的邻近位置设置包括硬件噪声去除组件，该硬件噪 声去除组件具有图像比较增强的能力。例如，硬件噪声去除组件6可以包括多个均匀的白光 源，它们最好与主摄像机相对排列。因此，光照条件下的干扰小，能够降低拍照的噪声。硬 件的噪声去除组件6还可以包括多个从属摄像头，通过多个从属摄像头的多个角度图像，来 降低拍照的噪声。
本发明的监测系统中，位置辅助摄像机3包括用于向物体发射直光束的发光元件和用于 检测从物体反射的光角的光接收元件。例如，红外发光二极管或激光二极管用于发光元件， 光电二极管阵列或CCD阵列用于光接收元件。
本发明的监测系统中，软件包还包括一个通信模块10、视频存储数据库12、历史记录数 据库13以及显示器输出模块14；视频存储数据库12用于存储主摄像机2和位置辅助摄像机 3拍摄的鱼类图像数据；以及包括动作信息处理手段，利用视频存储数据库12中存储的视频 数据获取鱼的位置信息。本发明动作信息处理手段通过行为信息处理模块11处理，根据从视 频存储数据库12中获得的位置信息计算仔鱼的动作信息；历史记录数据库13用于存储位置 信息和动作信息的历史记录数据库。显示器输出模块14用于将存储在每个数据库中的信息输 出到计算机4的屏幕上。
本发明的监测系统中，首先，由主摄像机2和位置辅助摄像机3拍摄隔离水箱1内部， 通信模块11从主摄像机2和位置辅助摄像机13中传输信息，并在视频存储数据库12中存储 累积视频数据。然后，根据视频存储数据库12中的视频数据，行为信息处理模块11从视频 存储数据库12中提取图像要素，以及提取位置信息，其中的位置信息通过主摄像机2和位置 辅助摄像机13确定仔鱼的三维位置信息。视频存储数据库12中提取的图像要素的轮廓使用 蛇模型的贪心算法获得轮廓。
行为信息处理模块11首先获得各仔鱼的位置信息，再通过位置信息获得具体的行为信息。 如图3所示，位置信息AT为时间T时，仔鱼A的位置(XAT，YAT，ZAT)，t秒后仔鱼的位置信息AT+ta(XAT+t，YAT+t，ZAT+T)，仔鱼A在DAT+t秒行驶距离通过下列公式获得：
Figure BDA0002662274740000041
如图4所示，仔鱼A和仔鱼B的位置为：仔鱼A时间T的位置ATa(XAT，YAT，ZAT)， 仔鱼B的位置BTa(XBT，YBT，ZBT)，仔鱼A和仔鱼B在DTA-B秒的距离通过下列公式获得：
Figure BDA0002662274740000042
进一步的，为了保证监测系统的准确性，降低环境噪声的影响，在本发明的监测系统中， 其中的软件包还包括消除系统噪声组件，其中系统噪声是环境照明条件的变化不一致或时间 背景的原因，由获得的图像中的前景和背景之间的对比度不足，由水当移动的监测鱼扰动或 由界面在不同的介质上对分割误差，导致动物的反射图像形成，或类似的东西，其中的系统 噪声对图像的处理带来巨大的挑战，因为无关区域可能被误认为是目标的前景图像。因此， 错误的结果可能导致不正确的图像对应、目标识别和标记以及跟踪目标重建的三维位置错误。 由此，本发明的监测系统中，包括基于硬件和基于噪声的软件去除组件。
为了提高噪声去除能力，软件噪声去除组件是自适应更新图像背景，由多个波滤波器消 除照明噪声和滤波目标图像的分割错误，滤波器包括强度波滤波器、色空间波滤波器和像素 大小波滤波器。
本发明通过多个滤波器对图像进行处理，其中处理方法包括如下步骤，首先，对图像参 数提取，确定图像的一个像素点f(x，y)，将上述的一个像素点f(x，y)其作为中心像素，提取 与其邻域像素，总共提取了9个像素点，以任何一个点作为内核w(a,b)；
通过公式1：
Figure BDA0002662274740000051
对图像进行运算处理；然后将内核向下或向左平移一位继续计算每个像素的新值，直到遍历完整个图像；
其次，通过提取的图像参数信息，进行图像梯度的运算，分别对图像按照x方向和y方 向进行求偏导，得到x梯度图和y梯度图。梯度是矢量，存在幅值和方向，通过二阶差分求梯度，具体的，通过公式2表示了图像的梯度：
Figure BDA0002662274740000052
Figure BDA0002662274740000053
对斜坡区域进行求导，斜 坡区域是图像中最常见的区域，因为图片中的大部分边缘都不是突变的而是渐变的，对于斜 坡区域，二阶导数将斜坡变成了两条中间存在平台区域的细线。
而后，在对图像边缘进行提取操作，前述的图像梯度用于边缘检测。边缘是像素值发生 跃迁的地方，是图像的显著特征之一，在图像特征提取、目标检测等方面都有重要的作用。 本发明通过二阶导数进行检测，不仅能够检测线，还能够检测所需的特殊点；对图像求两次 导数，具体的通过两次导数公式3进行计算：
Figure BDA0002662274740000054
通过上述运算会放大孤立点和孤立线，亦即图片中的噪声，通过上述二阶导数公式2和 公式3处理过后的图像，将会使噪声更大更多。由此，通过平滑去噪的方式对噪声进行处理。
即最后，通过中值滤波对噪声像素进行去除，高斯滤波和均值滤波对去除高斯噪声的效 果比较好，但是图像偶尔会出现很大的噪声点的时候，用高斯滤波和均值滤波对图像进行平 滑模糊的话，噪声像素是不会被去除的，它们只是转换为更为柔和但仍然可见的散粒。而中 值滤波在一定的条件下可以克服常见线性滤波器带来的图像细节模糊，而且对滤除脉冲干扰 及图像扫描噪声非常有效，也常用于保护边缘信息，使得边缘不会被模糊。
具体的，在图像像素f(x,y)的(2N+1)×(2N+1)窗口中像素为f(x-N,y-N)，……，f(x,y)，……， f(x+N,y+N)对这些像素进行排序，求其中值，中值滤波通过公式4计算的结果如下：
M(x,y)＝median{f(x-N,y-N)，……，f(x,y)，……，f(x+N,y+N)}
用中值滤波值M(x,y)替代噪声像素点的灰度值，否则判断为未污染的像数点，其值保 持不变。
本发明应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只 是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发 明的思想，在具体实施方式及应用范围上均会有改变之处。本说明书内容不应理解为对本发 明的限制。

Claims (9)

1.一种用于海湾区仔鱼的行为监测系统，该监测系统包括：河口区的培育箱体(1)，主摄像机(2)、至少一个位置辅助摄像机(3)和计算机(4)，虚拟隔离板(5)，所述箱体(1)呈方体，其中，主摄像机(2)设置在箱体的顶部，虚拟隔离板(5)将箱体分割成隔离箱体，所述的虚拟隔离板(5)由相邻的两个位置辅助摄像机(3)摄像画面相交的交线定义，所述计算机(4)中安装有软件包，所述软件包具有通信模块(10)、行为信息处理模块(11)、视频存储数据库(12)、历史记录数据库(13)和显示器输出模块(14)；
所述主摄像机(2)和位置辅助摄像机(3)拍摄隔离水箱(1)内部，通信模块(10)从主摄像机(2)和位置辅助摄像机(13)中传输信息，并在视频存储数据库(12)中存储累积视频数据，根据所述视频存储数据库(12)中的视频数据，所述行为信息处理模块(11)从视频存储数据库(12)中提取图像要素，以及提取位置信息，其中的位置信息通过主摄像机(2)和位置辅助摄像机(13)确定仔鱼的三维位置信息；
其特征在于：主摄像机(2)包括硬件噪声去除组件，硬件噪声去除组件(6)包括多个均匀的白光源，硬件噪声去除组件(6)与主摄像机相对排列、和/或主摄像机(2)包括硬件噪声去除组件，硬件噪声去除组件(6)包括多个从属摄像头，通过多个从属摄像头的多个角度图像，来降低拍照的噪声；
其中的软件包还包括消除系统噪声的软件噪声去除组件，软件噪声去除组件是自适应更新图像背景，由多个波滤波器消除照明噪声和滤波目标图像的分割错误，滤波器包括强度波滤波器、色空间波滤波器和像素大小波滤波器。
2.如权利要求1所述的一种用于海湾区仔鱼的行为监测系统，其特征在于，软件噪声去除组件工作方法为：首先，对图像参数提取；其次，通过提取的图像参数信息，进行图像梯度的运算；而后，在对图像边缘进行提取操作，前述的图像梯度用于边缘检测；最后，通过中值滤波对噪声像素进行去除。
3.如权利要求2所述的一种用于海湾区仔鱼的行为监测系统，其特征在于，首先，对图像参数提取包括，确定图像的一个像素点f(x，y)，将上述的一个像素点f(x，y)其作为中心像素，提取与其邻域像素，总共提取了9个像素点，以任何一个点作为内核w(a,b)；
通过公式1：
Figure FDA0002662274730000011
对图像进行运算处理，然后将内核向下或向左平移一位继续计算每个像素的新值，直到遍历完整个图像；
通过提取的图像参数信息，进行图像梯度的运算包括：分别对图像按照x方向和y方向进行求偏导，得到x梯度图和y梯度图；梯度是矢量，存在幅值和方向，通过二阶差分求梯度，具体的，通过公式2表示了图像的梯度：
Figure FDA0002662274730000021
Figure FDA0002662274730000022
对斜坡区域进行求导；
对图像边缘进行提取操作包括：对前述的图像梯度用于边缘检测；对图像求两次导数，具体的通过两次导数公式3进行计算：
Figure FDA0002662274730000023
通过中值滤波对噪声像素进行去除包括：在图像像素f(x,y)的(2N+1)×(2N+1)窗口中像素为f(x-N,y-N)，……，f(x,y)，……，f(x+N,y+N)对这些像素进行排序，求其中值，中值滤波通过公式4计算的结果如下：
M(x,y)＝median{f(x-N,y-N)，……，f(x,y)，……，f(x+N,y+N)}
用中值滤波值M(x,y)替代噪声像素点的灰度值，否则判断为未污染的像数点，其值保持不变。
4.如权利要求1-3任一项所述的一种用于海湾区仔鱼的行为监测系统，其特征在于，隔离箱体(1)的顶部装有摄像机滑动导轨，摄像机滑动导轨上设置有主摄像机；摄像机滑动导轨固定在隔离箱体的上部四周侧面壁上；主摄像机可以在导轨上滑动。
5.如权利要求1-3任一项所述的一种用于海湾区仔鱼的行为监测系统，其特征在于，位置辅助摄像机(3)包括用于向物体发射直光束的发光元件和用于检测从物体反射的光角的光接收元件。
6.如权利要求5所述的一种用于海湾区仔鱼的行为监测系统，其特征在于，位置辅助摄像机(3)包括红外发光二极管或激光二极管用于发光元件，光电二极管阵列或CCD阵列用于光接收元件。
7.如权利要求1-3任一项所述的一种用于海湾区仔鱼的行为监测系统，其特征在于，所述行为信息处理模块(11)从视频存储数据库(12)中获得的位置信息计算仔鱼的动作信息。
8.如权利要求7所述的一种用于海湾区仔鱼的行为监测系统，其特征在于，行为信息处理模块(11)首先获得各仔鱼的位置信息，单个仔鱼的位置信息由如下方法获得，位置信息AT为时间T时，仔鱼A的位置(XAT，YAT，ZAT)，t秒后仔鱼的位置信息AT+ta(XAT+t，YAT+t，ZAT+T)，仔鱼A在DAT+t秒行驶距离通过下列公式获得：
Figure FDA0002662274730000024
9.如权利要求8所述的一种用于海湾区仔鱼的行为监测系统，其特征在于，两个仔鱼的位置信息通过如下方法获得，仔鱼A和仔鱼B的位置为：仔鱼A时间T的位置ATa(XAT，YAT，ZAT)，仔鱼B的位置BTa(XBT，YBT，ZBT)，仔鱼A和仔鱼B在DTA-B秒的距离通过下列公式获得：
Figure FDA0002662274730000031
CN202010908145.7A 2020-09-02 2020-09-02 一种用于海湾区仔鱼的行为监测系统 Active CN112215874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010908145.7A CN112215874B (zh) 2020-09-02 2020-09-02 一种用于海湾区仔鱼的行为监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010908145.7A CN112215874B (zh) 2020-09-02 2020-09-02 一种用于海湾区仔鱼的行为监测系统

Publications (2)

Publication Number Publication Date
CN112215874A true CN112215874A (zh) 2021-01-12
CN112215874B CN112215874B (zh) 2022-05-31

Family

ID=74048797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010908145.7A Active CN112215874B (zh) 2020-09-02 2020-09-02 一种用于海湾区仔鱼的行为监测系统

Country Status (1)

Country Link
CN (1) CN112215874B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761565A (zh) * 2014-01-07 2014-04-30 宁波大学 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
CN104680556A (zh) * 2015-02-16 2015-06-03 燕山大学 基于视差的鱼类运动三维轨迹跟踪方法
WO2019232247A1 (en) * 2018-06-01 2019-12-05 Aquabyte, Inc. Biomass estimation in an aquaculture environment
CN110865163A (zh) * 2019-11-29 2020-03-06 上海渔联网科技有限公司 水中监视鱼类行为活动和获取鱼类特征信息的装置与方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761565A (zh) * 2014-01-07 2014-04-30 宁波大学 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
CN104680556A (zh) * 2015-02-16 2015-06-03 燕山大学 基于视差的鱼类运动三维轨迹跟踪方法
WO2019232247A1 (en) * 2018-06-01 2019-12-05 Aquabyte, Inc. Biomass estimation in an aquaculture environment
CN110865163A (zh) * 2019-11-29 2020-03-06 上海渔联网科技有限公司 水中监视鱼类行为活动和获取鱼类特征信息的装置与方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHUNLEI XIA，ET AL: "《Aquatic Toxic Analysis by Monitoring Fish Behavior Using Computer Vision：A Recent Progress》", 《JOURNAL OF TOXICOLOGY》 *
徐盼麟，等: "《基于单摄像机视频的鱼类三维自动跟踪方法初探》", 《水产学报》 *
阿德: "《图像卷积、边缘提取和滤波去噪》", 《ZHUANLAN.ZHIHU.COM/P/67197912》 *

Also Published As

Publication number Publication date
CN112215874B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN114241031B (zh) 基于双视角融合的鱼类体尺测量和体重预测的方法及装置
KR20150121179A (ko) 실시간 스테레오 정합
CN112232978B (zh) 水产品体长和重量检测方法、终端设备及存储介质
CN112634202A (zh) 一种基于YOLOv3-Lite的混养鱼群行为检测的方法、装置及系统
Mei et al. Recent advances of target tracking applications in aquaculture with emphasis on fish
Shihavuddin et al. Automated classification and thematic mapping of bacterial mats in the north sea
CN108318773A (zh) 一种输电导线断股检测方法及系统
CN117095153A (zh) 一种多模态果实感知系统、装置及存储介质
CN113484867B (zh) 一种基于成像声呐封闭空间下鱼群密度探测方法
CN112215874B (zh) 一种用于海湾区仔鱼的行为监测系统
CN112215714B (zh) 基于无人机的稻穗检测方法及装置
Shen et al. Identification and counting of fish targets using adaptive resolution imaging sonar
CN111652118B (zh) 基于水下目标近邻分布的海产品自主抓取引导方法
CN117315210A (zh) 一种基于立体成像的图像虚化方法及相关装置
CN117079117A (zh) 水下图像处理及目标识别的方法及装置、存储介质及电子设备
CN114037737B (zh) 一种基于神经网络的近岸海底鱼类检测及跟踪统计方法
CN115760790A (zh) 机场路面异物检测方法、服务器及存储介质
Bai et al. Video target detection of East Asian migratory locust based on the MOG2-YOLOv4 network
CN113255549B (zh) 一种狼群围猎行为状态智能识别方法及系统
CN114782368A (zh) 基于视觉检测融合多动态阈值的虾苗自动计数方法及系统
EP4008179A1 (en) Method and system for determining biomass of aquatic animals
CN108967246B (zh) 虾苗定位方法
Yu et al. An automatic detection and counting method for fish lateral line scales of underwater fish based on improved YOLOv5
Savinov et al. Automatic contactless weighing of fish during experiments
Stanski et al. Flower detection using object analysis: new ways to quantify plant phenology in a warming tundra biome

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant