面向水質(zhì)監(jiān)測的魚類目標跟蹤與運動行為建模系統(tǒng)研究.pdf

1、生物水質(zhì)自動監(jiān)測方法目前被廣泛應用于水體的質(zhì)量監(jiān)測和安全預警中，其特點是利用水生生物的生理特性以及對不同水質(zhì)的行為特性反應水體質(zhì)量的變化以及水體污染的程度，從生物學角度為水體質(zhì)量評價提供依據(jù)。較傳統(tǒng)的理化分析方法，生物檢測可以綜合多種有毒物質(zhì)的相互作用，判定有毒物質(zhì)的質(zhì)量濃度和生物運動特征之間的直接關系。但是，如何快速有效地提取生物的運動特征，是生物水質(zhì)自動監(jiān)測方法的主要研究內(nèi)容。
　　 本文以魚類作為水質(zhì)監(jiān)測的傳感器，研究了計

2、算機視覺在水質(zhì)監(jiān)測中應用，初步構建了一個面向水質(zhì)監(jiān)測的魚類目標跟蹤與運動行為建模系統(tǒng)。研究內(nèi)容主要包括：魚類運動目標的實時檢測與跟蹤、魚類運動行為建模以及魚類運動監(jiān)測平臺的搭建。研究工作歸納如下：
　　 1.研究了基于模糊推理背景差分的魚類運動目標實時檢測方法
　　 針對傳統(tǒng)背景差分算法背景幀更新速度慢且不夠精確的問題，本文提出了基于模糊推理的背景更新算法。該算法能快速提取魚類運動目標的背景，實時、準確地分離出魚類運動目

3、標的前景。同時，為了增強算法的魯棒性，本文引入了抗噪聲的模糊推理來克服環(huán)境變化的影響。
　　 2.研究了基于自動Camshift二次檢索的魚類運動目標跟蹤方法
　　 針對傳統(tǒng)Camshift算法不能實現(xiàn)全自動及多目標跟蹤的問題，本文結合模糊推理背景差分和二次搜索，提出了Camshift自動跟蹤算法，有效地克服了目標無法自動跟蹤以及跟蹤不準確、易丟失的現(xiàn)象。并在此基礎上，引入了輪廓的標識思想，采用多Camshift跟蹤器實

4、現(xiàn)了Camshift算法的多目標跟蹤。
　　 3.研究了基于PTW模型的魚類運動行為建模方法
　　 根據(jù)目標檢測與跟蹤得到的魚類運動的位移及計算得到的速度與角速度，研究了基于PTW模型的魚類運動行為建模方法。建立正常情況下魚類運動的速度、角速度與軌跡模型，為魚類的異常運動提供判斷標準。
　　 4.研究了基于計算機視覺的魚類運動監(jiān)測平臺
　　 提出了面向水質(zhì)監(jiān)測的魚類目標跟蹤與運動行為建模的平臺體系結構。開