本發(fā)明涉及一種魚類行為獲得方法。

背景技術(shù)：

隨著環(huán)境污染日益嚴(yán)重，以及環(huán)境氣候的多變，環(huán)境適應(yīng)力較弱的很多魚類都處于瀕危狀態(tài)，隨時都有滅絕的可能，采取行之有效的保護(hù)措施已經(jīng)迫在眉睫。各大水域中的魚類保護(hù)單位都采取了一些措施，雖取得了不錯的成效，但是很多魚類仍在處在數(shù)量不斷減少的狀況下。而現(xiàn)有的魚類保護(hù)措施主要是通過人工繁殖和養(yǎng)護(hù)的方式來減少珍惜魚類的死亡數(shù)量，但這種方式治標(biāo)不治本。面對很多生活行為方式仍成迷的魚類，保護(hù)人員也不得不采取摸索嘗試的方式，這樣大大降低了保護(hù)的效率和成功率。面對這一問題，就需要一種有效的方法對魚類行為進(jìn)行追蹤和探索，這樣有助于保護(hù)人員實施更加有效的保護(hù)措施，大大降低瀕危魚類的滅絕可能性。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明的目的提供一種可以得到詳細(xì)完整的魚類生活軌跡的方法。為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：

一種基于圖像跟蹤的魚類行為獲得方法，包括下列步驟：

1)將采集到的瀕危魚類運動視頻信息進(jìn)行幀化處理，得到幀圖像；

2)進(jìn)行幀間差分操作，即將相鄰兩幀做差分運算，得到的結(jié)果即是它們的不同之處，記為圖像D_k；

3)將差分運算的結(jié)果D_k如下處理：

a.設(shè)定一個閾值，圖像D_k中比設(shè)定的閾值大的像素就判定為可能是感興趣區(qū)域的部分，如果情況相反，那么就將其判定為屬于背景圖像部分，得到R_k；

b.對R_k進(jìn)行區(qū)域分析，對于某個互通的地方，它的面積比預(yù)先設(shè)定的數(shù)值大，判斷找到所需要的目標(biāo)，此區(qū)域有目標(biāo)存在的感興趣區(qū)域，即是我們所需要觀察的目標(biāo)瀕危魚類；

c.采用Mean Shift均值漂移算法，處理所采集的視頻，得到目標(biāo)瀕危魚類的運動軌跡圖。

本發(fā)明采用圖像跟蹤技術(shù)，刻畫出水下所觀察魚類運動軌跡，彌補人為進(jìn)行魚類行為觀察時由于疲倦、突發(fā)性事件等等造成觀察缺漏和誤差等缺點，也更方便相關(guān)人員對水下瀕危魚類生物行為的研究，并制定出更行之有效的瀕危魚類保護(hù)措施。而且，精確的生物行為觀察，有助于研究不同魚類之間的習(xí)性的不同，這樣，在進(jìn)行瀕危魚類保護(hù)時，能及時調(diào)整策略，分別對不同魚類做出不同的保護(hù)措施。

附圖說明

圖1為本發(fā)明的結(jié)構(gòu)示意圖；

圖2為本發(fā)明的總體結(jié)構(gòu)框圖。

具體實施方式

下面首先結(jié)合附圖對實施方式進(jìn)行說明。

如圖1所示，預(yù)處理模塊M1是將采集到的瀕危魚類運動視頻信息進(jìn)行幀化處理，得到幀圖像。目標(biāo)檢測與目標(biāo)跟蹤模塊M2是將M1獲得的幀圖像進(jìn)行處理，如圖2所示。首先進(jìn)行幀間差分操作，即將相鄰兩幀做差分運算，得到的結(jié)果即是它們的不同之處，記為圖像D_k，然后將差分運算的結(jié)果D_k如下處理，首先設(shè)定了一個閾值，我們默認(rèn)圖像D_k中比設(shè)定的閾值大的像素就判定為可能是我們感興趣區(qū)域的部分，如果情況相反，那么就將其判定為屬于背景圖像部分。差分圖像D_k經(jīng)過如上所述操作后得到的結(jié)果記為R_k，接著對R_k進(jìn)行區(qū)域分析，如果一個互通的地方，它的面積比提前設(shè)定的一個數(shù)值大，就認(rèn)為是找到了我們所需要的目標(biāo)，并且這塊地方就是有目標(biāo)存在的我們感興趣的區(qū)域，也即是我們所需要觀察的目標(biāo)瀕危魚類。檢測到需要跟蹤的目標(biāo)后，采用Mean Shift均值漂移算法，Mean Shift跟蹤算法主要以均值漂移為基礎(chǔ)，分別運算檢測的目標(biāo)魚類特征在區(qū)域內(nèi)的像素的特征值概率和當(dāng)前正在處理跟蹤的幀圖像及其以后的幀圖像中目標(biāo)可能出現(xiàn)的區(qū)域的特征值概率，從而獲得對于這兩種區(qū)域模型的信息，對于判斷起始幀中目標(biāo)特征所在區(qū)域的目標(biāo)模型和當(dāng)前實時幀中目標(biāo)可能出現(xiàn)的區(qū)域的候選模型之間的是否相似，我們一般會采用相似函數(shù)，當(dāng)相似函數(shù)的值達(dá)到最大的時候所對應(yīng)的那個候選模型就是目標(biāo)出現(xiàn)的相應(yīng)區(qū)域，這時通過目標(biāo)模型得到的對應(yīng)的Mean Shift向量表示的就是從初始位置出發(fā)的目標(biāo)朝著正確地方向運動的矢量。因為該算法的收斂速度非常迅速，在不停地重復(fù)對Mean Shift向量迭代計算的過程中，它最后收斂的方向就是指向了跟蹤對象正確的方位，完成一個跟蹤的過程。按照這樣的跟蹤方法，不斷處理采集的視頻，最后可以得到一個目標(biāo)瀕危魚類的運動軌跡圖，相關(guān)人員對該軌跡進(jìn)行處理之后，可交給魚類保護(hù)人員進(jìn)行分析，得到所需要研究的瀕危魚類的一些不為人知的生活習(xí)性，有助于對改善瀕危魚類保護(hù)措施。