基于視頻的魚(yú)類特征提取.pdf

1、魚(yú)類特征提取是魚(yú)類行為活動(dòng)與魚(yú)類形態(tài)特征量化的過(guò)程，也是魚(yú)類適應(yīng)性與流場(chǎng)研究的基礎(chǔ)，精確快速量化魚(yú)類特征是魚(yú)類研究的保證。魚(yú)類特征可以分為運(yùn)動(dòng)特征與形態(tài)特征。運(yùn)動(dòng)特征包括魚(yú)體游動(dòng)的坐標(biāo)、游動(dòng)速度、加速度、角速度等信息；形態(tài)特征包括魚(yú)體全長(zhǎng)、寬度、體長(zhǎng)、叉長(zhǎng)、魚(yú)體輪廓等信息。為了保障魚(yú)類進(jìn)一步研究，本文將魚(yú)眼、尾部叉點(diǎn)、頭部頂點(diǎn)、尾鰭頂點(diǎn)、背部頂點(diǎn)、腹部頂點(diǎn)定義為魚(yú)類的特征點(diǎn)，魚(yú)眼與尾部叉點(diǎn)的連線定義為魚(yú)體中心線，并重點(diǎn)研究了魚(yú)類運(yùn)動(dòng)特征

2、提取與形態(tài)特征提取算法。本文一方面通過(guò)構(gòu)建游魚(yú)三維軌跡提取魚(yú)類運(yùn)動(dòng)特征；另一方面通過(guò)魚(yú)體形態(tài)特征提取算法提取魚(yú)類的形態(tài)特征。通過(guò)實(shí)驗(yàn)表明兩個(gè)算法都具有實(shí)時(shí)性與可行性。本文將算法應(yīng)用到了魚(yú)類特征提取的系統(tǒng)中，能夠高效準(zhǔn)確的提取魚(yú)類特征。本文研究算法創(chuàng)新點(diǎn)如下：
　　1）魚(yú)類游泳三維空間軌跡重建。三維空間游魚(yú)重建算法通過(guò)三個(gè)攝像頭從正面、側(cè)面、俯視面三個(gè)方向同時(shí)拍攝魚(yú)體游動(dòng)，從視頻中提取二維運(yùn)動(dòng)軌跡，然后利用多視圖幾何方法重建魚(yú)體三維

3、空間運(yùn)動(dòng)軌跡。算法分為三維空間標(biāo)定、二維軌跡提取、三維軌跡重建三個(gè)步驟。三維空間標(biāo)定完成二維空間與三維空間的映射，并求取映射矩陣；二維軌跡提取為從視頻中提取游魚(yú)的二維軌跡坐標(biāo)；三維軌跡重建利用多視圖幾何融合兩條二維軌跡重建出三維軌跡。重建算法具有實(shí)時(shí)性，能夠穩(wěn)定提取魚(yú)體三維空間坐標(biāo)，濾波去噪處理需要一定的緩沖區(qū)，算法存在0.88s~1.88s的延遲。
　　2）研究了形態(tài)特征提取算法。魚(yú)體形態(tài)特征提取算法分為輪廓提取算法與其他形態(tài)特

4、征提取算法。輪廓提取算法使用迭代高斯濾波過(guò)濾內(nèi)部細(xì)小紋理，使用Canny邊緣檢測(cè)算法得到魚(yú)體輪廓坐標(biāo)。其他魚(yú)體形態(tài)特征提取首先使用霍夫圓檢測(cè)提取魚(yú)體眼睛坐標(biāo)；通過(guò)輪廓與眼睛坐標(biāo)能夠確定魚(yú)體頭部頂點(diǎn)與尾鰭頂點(diǎn)坐標(biāo)；利用尾鰭頂點(diǎn)使用迭代逼近方法得到尾鰭叉點(diǎn)坐標(biāo)；然后通過(guò)輪廓旋轉(zhuǎn)法結(jié)合區(qū)域限定獲取到魚(yú)體寬度；算法提取到魚(yú)體的輪廓、全長(zhǎng)、叉長(zhǎng)、寬度，以及得到頭部頂點(diǎn)、尾鰭頂點(diǎn)、尾部叉點(diǎn)、背部頂點(diǎn)、腹部頂點(diǎn)。
　　本文另一部分工作是算法應(yīng)用