计算机识别鱼类游泳行为的技术手段及分析

计算机识别鱼类游泳行为的技术手段及分析

刘扬霄

重庆交通大学河海学院   重庆市，400000

摘要:计算机视觉又称机器视觉，是一种新兴的研究领域，它是利用摄像机和计算机技术模拟出人类的视觉系统并对外界信息进行处理的技术方法。计算机视觉技术被运用到许多传统行业中，并取得较好的实用性效果。鱼类行为一般是鱼类针对外界环境的改变而进行的各种运动。鱼类游泳行为数据是研究鱼类生活习性的重要信息来源，鱼类游泳速度和加速度数据能反映鱼类在特定环境下的游泳能力，其游泳轨迹在一定程度上能分析出鱼类对所处的环境是否适应。

关键词：计算机视觉；鱼类行为；水下图像；

引言

游泳是鱼类主要的生命活动之一，鱼类在水下活动的活动多种多样，其中主要的活动有索取饵料、洄游繁殖、聚集群游、逃避敌害等，因此对鱼类的深入研究以及对未来的仿生学研究都有着重要的生物学意义。传统的鱼类游泳行为监测主要以人为观察手工记录为主，劳动强度大、耗时长且效率较低，因此如何高效和稳定地获取鱼类游泳行为数据成为鱼类行为研究的主要课题。

1. 水产养殖中的鱼类行为

1.1游泳行为

鱼类的生态习性复杂,其栖息的水体环境也经常发生变化,而其游泳行为被视为鱼类实现生存繁衍等生命活动的重要基础。尽管许多学者已经就不同的分类标准对鱼类的游泳行为进行了划分,但总体上,鱼类的游泳行为仍然是一系列比较随机的复杂行为,例如鱼类个体的加速、逃避以及鱼群的聚集和分散等各个游泳行为的组合。

1.2摄食行为

摄食行为是水产养殖中最为关键的一部分，鱼群摄食情况直接影响到鱼体生长发育状况目前在水产养殖中,饲料是基于鱼体的体质量百分比进行投喂,但由于鱼体质量测量的不精确,饲料精确的投喂量很难获得。而残饲会影响水体环境,尤其是在循环水养殖中,残饲在水体中分解,导致水体中的氨氮和亚硝酸盐氮质量浓度升高,严重影响鱼群的生存环境,进而降低养殖品种的质量。

1.3体色变化

鱼体的体色变化也属于鱼类行为的范畴,大多数鱼类都具有改变体色以适应环境背景色的能力。因此,当水体环境发生改变或受到刺激时,鱼体的体色会发生变化。在黑色背景养殖池中,当鱼体处于种群密度较大的应激条件下时,鱼体的血浆皮质醇水平会有一个短暂的升高,2d之后出现下降,而白色背景的养殖池中鱼体的血浆皮质醇水平在升高之后保持不变,未有下降趋势。

2. 计算机识别鱼类游泳行为

2.1运动目标检测

运动目标的检测是计算机视觉技术的基础，其目的是基于运动目标与周围环境的不同,将运动的目标从背景中分离。基于背景差分的目标检测又称背景差分法，其基本原理是将当前帧的图像与背景帧图像相减得到差帧图像,再通过阈值分割提取得到运动目标。

2.2运动目标跟踪

运动目标跟踪即通过对图像序列的分析,从图像第一帧开始,在后续的图像中确认目标的位置。一个运动目标跟踪系统通常包括外观模型、运动(位置)模型、搜索策略以及适应外观模型的持续变化的学习机制。

基于特征的运动目标跟踪包括目标特征的提取和特征的搜索匹配两个过程。常见的特征包括鱼体的外部尺寸、明度值、颜色直方图等。由于快速跟踪的要求,基于特征的运动目标跟踪经常需要结合运动模型,采用预测算法对后续图像序列进行预测以缩小搜索范围以及优化搜索过程,常用的方法有粒子滤波等。基于区域的运动目标跟踪需要选择包含运动目标的区域作为模板,在运动目标检测后,利用搜索算法搜索与模板相关系数最高的区域,由此实现目标的跟踪。该方法搜索耗时长,且在出现遮挡情况时容易出现匹配和跟踪失败的情况因此,该方法普遍会结合预测算法以缩短搜索时间。Lin等利用卡尔曼滤波作为预测算法,将鱼体看作点模型,通过计算鱼体的速度和加速度来预估鱼体位置。

3. 总结与展望

随着技术的进步，计算机视觉跟踪技术与其他技术如深度学习的融合将是未来的一个重要方向。这种融合有望进一步提高跟踪算法的性能和鲁棒性，为复杂场景下的实时跟踪提供更好的解决方案。

计算机视觉在自动化图像审查过程中，该技术可以大大提高图像审查的效率、可重复性和准确性。通过利用颜色、形状和纹理等图像特征，生态学家可以从图像中推断出更多的内容，这对动物生态学研究至关重要。

参考文献

[1]XuPL,HanJ,TongJF.Preliminarystudiesonanautomated3Dfishtrackingmethodbasedonsinglevideocamera[J].JournalofFisheriesofChina,2012,36(4):623—628[徐盼麟,韩军,童剑锋.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,2012,36(4):623—628]

[2]DuQJ.TheResearchofon-linebiologicalearlywarningtechniqueforwaterqualitybasedonfishtrackingandbehavioranalysis[D].

ThesisforMaster’sDegreeofScience.NingboUniversity,Zhejiang.2014[杜秋菊.基于鱼群跟踪和行为分析的在线生物水质预警技术研究.硕士学位论文,宁波大学,浙江.2014]

[3]ButailS,PaleyDA.3Dreconstructionoffishschoolingkinematicsfromunderwatervideo[A].2010IEEEInternationalConferenceonRoboticsandAutomationAnchorageConventionDistrict[C].2010

[4]VidelerJJ.Swimmingmovements,bodystructureandpropulsionincodGadusmorhua[J].SymposiaoftheZoologicalSocietyofLondon,1981,48:1—27

[5]BingGT,LiXZ,JianYC.Hydrodynamicanalysisoffishpropulsionperformanceanditsmorphologicaladaptation[J].HydrodynamicsofFishSwimming,1993,18(3—4):719—728

[6]DELCOUＲT J，MATHIEU D，YLIEFF M，et al． Video multitracking of fish behaviour: A synthesis and future perspectives［J］． Fish and Fisheries，2013，14( 2) : 186-204．

[7]张融，郑宏远，李录，等． 一种计量青鳉鱼胸鳍和尾鳍摆动频率和幅 值 的 计 算 机 视 觉 算 法［J］． 生 态 毒 理 学 报，2015，10( 4) : 154-161．

[8]吕俊白． 一种有效的二值图像细化算法． 计算机工程［J］， 2003，29( 18) : 147-148．