基于計(jì)算機(jī)視覺的魚類運(yùn)動(dòng)監(jiān)測(cè)系統(tǒng)研究

1、謝。工工謄女垮碩士學(xué)位論文論文題目：莖王：土蔓盟趣立鮑魚耋運(yùn)動(dòng)些型垂塹盟童作者姓名指導(dǎo)教師周璺煎亙型墼燕學(xué)科專業(yè)所在學(xué)院鹽是墊廛旦叢查焦！墾三壁芏墮提交日期鯉生旦浙江工業(yè)大學(xué)碩士學(xué)位論文基于計(jì)算機(jī)視覺的魚類運(yùn)動(dòng)監(jiān)測(cè)系統(tǒng)研究摘要水質(zhì)的生物監(jiān)測(cè)方法被廣泛地應(yīng)用于水環(huán)境的質(zhì)量監(jiān)測(cè)和水質(zhì)安全預(yù)警中，其基本原理是利用水生生物個(gè)體、種群和群落的數(shù)量、性質(zhì)、健康狀況、生理特征和運(yùn)動(dòng)行為特征等的變化來指示水體環(huán)境質(zhì)量的變化，表征環(huán)境污染狀況，從生物學(xué)角度為水體環(huán)境質(zhì)量監(jiān)測(cè)和評(píng)價(jià)提供依據(jù)。其中水生生物的運(yùn)動(dòng)行為特征的變化能比較直觀、實(shí)時(shí)的反映水體質(zhì)量的變化，因此，水生生物的運(yùn)動(dòng)行為特征在生物水質(zhì)監(jiān)測(cè)和預(yù)警中是重

2、要的指標(biāo)。對(duì)這些特征的快速準(zhǔn)確的獲取也成了生物水質(zhì)監(jiān)測(cè)和預(yù)警系統(tǒng)研究中的重要內(nèi)容。本研究以魚類作為水質(zhì)監(jiān)測(cè)的指示生物，主要研究計(jì)算機(jī)視覺技術(shù)在魚類運(yùn)動(dòng)行為監(jiān)測(cè)中的應(yīng)用。研究目標(biāo)是獲取與水質(zhì)監(jiān)測(cè)有關(guān)的魚類運(yùn)動(dòng)行為特征，包括魚體運(yùn)動(dòng)速度、加速度等。具體研究內(nèi)容包括：魚類運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)與跟蹤、魚類運(yùn)動(dòng)監(jiān)測(cè)平臺(tái)設(shè)計(jì)。研究工作歸納如下：研究了魚類運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)方法針對(duì)傳統(tǒng)的平均背景模型在基于背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)中背景幀更新不夠精確的問題，提出了結(jié)合幀間差分的自適應(yīng)背景更新模型，將背景圖像劃分為四個(gè)不同的區(qū)域，分別使用不同的更新因子進(jìn)行更新，提高了背景更新的速度和精度。同時(shí)，提出了在線自動(dòng)閾值分割方

3、法，利用視頻序列中相鄰幀差分圖像間的二值化分割閾值差別不大的特點(diǎn)，將方法對(duì)閾值的求解縮小到局部灰度值區(qū)域，加快算法的速度，提高谷底增強(qiáng)方法在視頻序列的差分圖像二值化分割中的效率。研究了基于粒子濾波的多個(gè)魚類運(yùn)動(dòng)目標(biāo)跟蹤方法針對(duì)魚類目標(biāo)在水中運(yùn)動(dòng)的隨意性較大的特點(diǎn)，提出了單個(gè)魚類目標(biāo)的運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移模型，并定義了多個(gè)魚類目標(biāo)間的運(yùn)動(dòng)交互作用，提出了檢測(cè)多個(gè)目標(biāo)間是否發(fā)生交互作用的方法。針對(duì)獨(dú)立粒子濾波在多個(gè)目標(biāo)跟蹤中由于目標(biāo)之間的交互作用而失敗，并導(dǎo)致目標(biāo)跟蹤丟失的問題，提出了多目標(biāo)交互觀測(cè)模型，對(duì)發(fā)生交互作用的目標(biāo)進(jìn)行觀測(cè)時(shí)，考慮周圍目標(biāo)對(duì)其的影響，盡量排除對(duì)目標(biāo)狀態(tài)粒子的錯(cuò)誤觀測(cè)，提高多目標(biāo)跟

4、蹤的準(zhǔn)確浙江工業(yè)大學(xué)碩士學(xué)位論文性。研究了基于計(jì)算機(jī)視覺的魚類運(yùn)動(dòng)監(jiān)測(cè)系統(tǒng)平臺(tái)提出了基于計(jì)算機(jī)視覺的魚類運(yùn)動(dòng)監(jiān)測(cè)系統(tǒng)平臺(tái)體系結(jié)構(gòu)，初步開發(fā)了魚類運(yùn)動(dòng)監(jiān)測(cè)系統(tǒng)平臺(tái)軟件。并且通過對(duì)魚類目標(biāo)跟蹤得到的運(yùn)動(dòng)軌跡的計(jì)算分析，建立了魚類目標(biāo)在被監(jiān)測(cè)水體中的運(yùn)動(dòng)速度、加速度等模型。關(guān)鍵詞：生物監(jiān)測(cè)，計(jì)算機(jī)視覺，目標(biāo)檢測(cè)，多目標(biāo)跟蹤，粒子濾波浙江工業(yè)大學(xué)碩士學(xué)位論文，：，：，浙江工業(yè)大學(xué)碩士學(xué)位論文，：，浙江工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的研究成果。除文中已經(jīng)加以標(biāo)注引用的內(nèi)容外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不含

5、為獲得浙江工業(yè)大學(xué)或其它教育機(jī)構(gòu)的學(xué)位證書而使用過的材料。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人承擔(dān)本聲明的法律責(zé)任。作者簽名：圉湛己“日期：扣陣穸月。￥日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)浙江工業(yè)大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于、保密口，在年解密后適用本授權(quán)書。、不保密囪。（請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“）作者簽名：導(dǎo)師簽名：同沾酬日期山乍日

6、期：趴哆年竅月雌日浙江工業(yè)大學(xué)碩士學(xué)位論文第章緒論隨著工、農(nóng)業(yè)生產(chǎn)的發(fā)展，越來越多的外源污染物被直接排放，或通過間接的轉(zhuǎn)換、遷移進(jìn)入水環(huán)境，使得水污染加劇，水質(zhì)顯著下降，已經(jīng)直接影響到生活飲用水和城市集中供水的安全，特別是一些突發(fā)性水污染事故的發(fā)生，給人的健康和生態(tài)安全造成了嚴(yán)重的威脅。因此，對(duì)環(huán)境水體，特別是人們的生活用水的水質(zhì)進(jìn)行有效的監(jiān)測(cè)和預(yù)警是十分必須的。水體安全與水質(zhì)監(jiān)測(cè)隨著經(jīng)濟(jì)的高速發(fā)展，環(huán)境無可避免地成為經(jīng)濟(jì)增長的受害者，水體環(huán)境更是首當(dāng)其沖，往往成為污染的最終受納者。到目前，我國水污染已經(jīng)到了非常嚴(yán)重的地步，大部分的河流、海域和城市水質(zhì)受到不同程度的污染。據(jù)經(jīng)濟(jì)合作組織（）年月

7、日的報(bào)告，我國主要城市水質(zhì)近一半不完全符合飲用水源水質(zhì)標(biāo)準(zhǔn)，河流和近岸海域水質(zhì)污染嚴(yán)重】。近年來全國水域的環(huán)境質(zhì)量監(jiān)測(cè)調(diào)查統(tǒng)計(jì)顯示，我國江河水體普遍污染。從年至年的中國水資源公報(bào)中可以看到（如圖所示），失去利用價(jià)值的劣類水占總評(píng)價(jià)河流長度的比例呈上升趨勢(shì)，由年的上升到年的，而符合或優(yōu)于類水的河流長度的比例則在逐年下降，其中類水的河流長度由年的下降到年的。在我國水體環(huán)境總體質(zhì)量下降的同時(shí)，水污染事件也頻頻發(fā)生。自年以來，幾乎每年都有幾起重大的水污染事件發(fā)生，如表所示。據(jù)國家環(huán)?？偩终{(diào)查顯示，僅年至年兩年間，我國共發(fā)生多起水污染事故，平均每兩三天便發(fā)生一起與水有關(guān)的污染事故。而據(jù)監(jiān)察部統(tǒng)計(jì)，近幾年

8、全國每年水污染事故都在起以上。浙江工業(yè)大學(xué)碩士學(xué)位論文酗年中國河水質(zhì)量狀況表妊年幾年我國部分重大水污染事件盤拒松花江重大水污年太湖藍(lán)藻水污染巢湖、滇池監(jiān)藻暴發(fā)自洋淀死魚事件染事件湖南岳剛砷污染事件事故廣東北江鎘污染四川沱江水污染水污染不僅加劇了水資源的緊張狀況，而且還直接影響了人類的飲水安全，危害人類的健康。據(jù)世界衛(wèi)生組織報(bào)告】：目前全球約有居民缺乏衛(wèi)生飲用水，因?yàn)樗廴疽鸬募膊≌既坎±摹Ｒ蛉狈Π踩妥懔康娘嬘盟虏〉牟±卸喾N，平均每天發(fā)生與水相關(guān)的疾病有萬起，每天奪走萬人的寶貴生命，每年約有萬兒童死亡，年中國河水質(zhì)量狀況圖根據(jù)年年的中周水資源公報(bào)提供的數(shù)據(jù)整理而成。浙江工業(yè)大學(xué)碩士

9、學(xué)位論文萬人患肝炎，萬結(jié)石病，萬人心血管病。在發(fā)展中的國家，情況更甚，以上的病例和的死亡均與飲水質(zhì)量密切相關(guān)。日益嚴(yán)重的水污染狀況和頻頻發(fā)生的突發(fā)性水污染事件已經(jīng)成為社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展的重大阻礙，并且對(duì)人類的生存和安全造成了嚴(yán)重的威脅。如何有效地對(duì)水體環(huán)境質(zhì)量進(jìn)行管理，防治水體污染已經(jīng)成為世界各國所密切關(guān)注的問題。而對(duì)水體質(zhì)量和水體安全進(jìn)行可靠監(jiān)測(cè)和及時(shí)的預(yù)警作為水體質(zhì)量管理和水污染防治中的關(guān)鍵環(huán)節(jié)也日趨凸顯出其重要性。目前，世界各國普遍采用的對(duì)水環(huán)境進(jìn)行監(jiān)測(cè)和評(píng)價(jià)的方法大致可以分為兩類：理化分析方法和生物監(jiān)測(cè)方法。理化分析方法，即采用各種儀器，通過定量或定性的方法，直接分析測(cè)定水體樣本中的氧

10、、酸、電導(dǎo)率、重金屬及有機(jī)物等的含量和指標(biāo)，對(duì)水質(zhì)作出評(píng)價(jià)【】。這類水質(zhì)監(jiān)測(cè)方法具有較強(qiáng)的針對(duì)性，靈敏度高，可以對(duì)水環(huán)境內(nèi)的危險(xiǎn)化合物的種類及含量進(jìn)行嚴(yán)謹(jǐn)、準(zhǔn)確的定量分析，為水環(huán)境評(píng)價(jià)和水污染事件鑒定提供可靠的依據(jù)。理化分析方法可以實(shí)現(xiàn)對(duì)水體質(zhì)量的在位或在線的量化監(jiān)測(cè)，但是理化分析方法需要一定的時(shí)間，而且無法反映污染綜合性及其對(duì)生物的毒性影響【丌?？傊?，理化分析雖然易標(biāo)準(zhǔn)化，能夠準(zhǔn)確的檢測(cè)出目標(biāo)污染物的種類和含量，但是耗時(shí)長，檢測(cè)費(fèi)用高，較難實(shí)現(xiàn)在線連續(xù)監(jiān)測(cè)【】。相對(duì)于理化監(jiān)測(cè)方法，生物監(jiān)測(cè)方法因其固有的特點(diǎn)和優(yōu)勢(shì)正在逐漸被廣泛應(yīng)用于水體環(huán)境質(zhì)量的監(jiān)測(cè)。生物水質(zhì)監(jiān)測(cè)方法生物監(jiān)測(cè)的原理是利用水生

11、生物個(gè)體、種群和群落的數(shù)量、性質(zhì)、健康狀況、生理特征等的變化來表征水體環(huán)境質(zhì)量的變化，闡明環(huán)境污染狀況，從生物學(xué)角度為環(huán)境質(zhì)量監(jiān)測(cè)和評(píng)價(jià)提供依據(jù)【。生物監(jiān)測(cè)分為被動(dòng)生物監(jiān)測(cè)（，）和主動(dòng)生物監(jiān)測(cè)（，）兩種形式【】。是利用生態(tài)系統(tǒng)中天然存在的生物體、生物群落或部分生物體對(duì)環(huán)境污染的響應(yīng)、指示和評(píng)價(jià)環(huán)境變化；是在控制條件下將生物體移居至監(jiān)測(cè)點(diǎn)進(jìn)行生態(tài)毒理學(xué)參數(shù)測(cè)試【。主動(dòng)生物監(jiān)測(cè)可以提供污染環(huán)境生物效應(yīng)的綜合觀點(diǎn)，用于評(píng)估和預(yù)測(cè)污染脅追下的水體環(huán)境的變化。浙江工業(yè)大學(xué)碩士學(xué)位論文相對(duì)于傳統(tǒng)的理化分析方法，生物監(jiān)測(cè)方法具有以下的特點(diǎn)：（）反映長期的、綜合的污染效果。環(huán)境對(duì)生物的作用是一個(gè)長期的過程，而

12、環(huán)境污染的后果很多時(shí)候是隱性、長期、綜合性的【。理化監(jiān)測(cè)只能測(cè)定水質(zhì)在采樣時(shí)刻的污染情況，很多污染后果是理化監(jiān)測(cè)無法辨識(shí)的，而生活在一定區(qū)域內(nèi)的生物卻可以將長期的污染狀況反映出來。因此，長期連續(xù)的生物監(jiān)測(cè)比理化分析方法的定時(shí)采樣更能夠全面地反映水環(huán)境長期污染的效果，具有時(shí)效性。（）效果更加敏感可靠。某些監(jiān)測(cè)生物對(duì)一些污染物非常敏感，他們能夠?qū)@些精密儀器都不能檢測(cè)到的污染物產(chǎn)生反映，并表現(xiàn)出相應(yīng)的受損傷效應(yīng)。另外，由于生物處于生態(tài)系統(tǒng)中，通過食物鏈可以把環(huán)境中的微量有毒物質(zhì)進(jìn)行富集，可以提高污染物在生物體內(nèi)的濃度。（）生物監(jiān)測(cè)功能多樣化。與理化監(jiān)測(cè)相比，生物監(jiān)測(cè)更具多功能性，因?yàn)橐环N生物可以對(duì)

13、多種不同的污染物產(chǎn)生反應(yīng)而表現(xiàn)出不同的癥狀。（）便于綜合評(píng)價(jià)。理化監(jiān)測(cè)只能檢測(cè)特定條件下水環(huán)境中污染的類別和含量等，而生物監(jiān)測(cè)可以反映出多種污染物在自然條件下對(duì)生物的綜合影響，從而可以更加可觀、全面地評(píng)價(jià)水環(huán)境。（）易于創(chuàng)建數(shù)字化反應(yīng)體系。同理化分析相比，不需要特殊分析試劑，成本低廉，而且更易實(shí)現(xiàn)連續(xù)實(shí)時(shí)地在線監(jiān)控。能夠指示水質(zhì)污染的水生生物被稱為水污染指示物，是指在一定的水質(zhì)條件下生存、對(duì)水體環(huán)境質(zhì)量的變化反應(yīng)敏感而被用來監(jiān)測(cè)和評(píng)價(jià)水體污染狀況的水生生物【。常用的水污染指示物有以下幾類：原生生物原生生物的生活環(huán)境比較廣泛，它們是組成自然水域重要的生態(tài)類群之一。它們所形成的復(fù)雜的種類聚合體組成

14、了水生生態(tài)系統(tǒng)中完整的生態(tài)單元，顯示了整個(gè)水生生態(tài)系統(tǒng)結(jié)構(gòu)和功能的許多特征，如群落的穩(wěn)定性及對(duì)環(huán)境變化的反應(yīng)等。由于原生動(dòng)物種類較多、數(shù)量較大、占據(jù)有不同的生態(tài)位，其群落的改變?cè)诤艽蟪潭壬峡梢杂绊懙绞澄锞W(wǎng)的組成，從而直接或間接地影響其它生物類群的分布和豐度。林利明等【】曾利用草履蟲對(duì)不同水質(zhì)的趨化性，分析它們移動(dòng)到實(shí)驗(yàn)區(qū)水樣的數(shù)目，從而判斷水質(zhì)污染的程度和毒性大小。吳偉等【用陽性致突變物誘發(fā)四膜蟲刺泡發(fā)射，結(jié)果表明四膜蟲對(duì)致突變陽性物質(zhì)相當(dāng)敏感，且有劑量效應(yīng)關(guān)系。研究小組通過對(duì)不同種類的化學(xué)毒物引起的群體生長變化的研究，建立了以四膜蟲為生物模型的定量構(gòu)效關(guān)系。等【在研究林丹對(duì)四膜蟲胞內(nèi)生物大分

15、子含量的影響時(shí)發(fā)現(xiàn)，胞內(nèi)蛋白質(zhì)水本文主要討論主動(dòng)生物監(jiān)測(cè)方法，此處及下文提到的生物監(jiān)測(cè)均指主動(dòng)生物監(jiān)測(cè)。浙江工業(yè)大學(xué)碩士學(xué)位論文平隨林丹濃度的變化相對(duì)其他分子更為敏感。底棲生物底棲動(dòng)物包括淡水寡毛類、軟體動(dòng)物、甲殼動(dòng)物和水生昆蟲類。大型底棲動(dòng)物具有分布廣、行動(dòng)能力差、生活史長、體形較大、易于辨認(rèn)等特點(diǎn)，已成為水體污染實(shí)時(shí)生物的主要選擇對(duì)象。其中，貽貝作為一種世界性分布的沿岸底棲類海洋動(dòng)物，被廣泛地用于海洋污染的生物監(jiān)測(cè)中。等人【利用貽貝的生長指數(shù)、生長效率和氧氮比評(píng)價(jià)了美國羅得島灣的污染狀況，他們的研究表明，貽貝的生長指數(shù)、生長效率和氧氮比都隨著貽貝體中重金屬和石油烴等污染物濃度的增加而降低。

16、等人研究了受污染貽貝消化細(xì)胞中的次生溶酶體，證明了貽貝上皮細(xì)胞結(jié)構(gòu)異常和次生溶酶體的增大是由環(huán)境污染造成的。閻鐵等】對(duì)貽貝鰓組織的乙酰膽堿酯酶（）活性進(jìn)行了研究，并研究了敵敵畏（有機(jī)磷）和西維因（氨基甲酸酯）農(nóng)藥對(duì)鰓組織活性的影響。結(jié)果表明，貽貝鰓組織的活性可以作為海洋環(huán)境中有機(jī)磷和氨基甲酸酯農(nóng)藥檢測(cè)的生化指標(biāo)。除了貽貝，底棲動(dòng)物中的水生昆蟲也常被作為水污染指示物來評(píng)價(jià)水體的污染程度。藻類藻類廣泛的存在與自然界的各種水體之中，由于個(gè)體小、生活周期短、繁殖速度快，易受環(huán)境中各種因素的影響而在較短周期內(nèi)發(fā)生改變。其現(xiàn)存量、種類組成和多樣性等指標(biāo)能很好的反映出水體的營養(yǎng)水平，在水環(huán)境評(píng)價(jià)中得廣泛的應(yīng)

17、用【。早在年，德國藻類學(xué)者和】就提出了利用藻類評(píng)價(jià)水質(zhì)污染的方法，并針對(duì)水體污染程度的不同進(jìn)行了分類。趙怡冰等【對(duì)年大伙房水庫水質(zhì)變化狀況進(jìn)行了分析，發(fā)現(xiàn)了藻類優(yōu)勢(shì)種群的變化能較好的方應(yīng)水質(zhì)評(píng)價(jià)結(jié)果。兩棲類兩棲類具有水陸兩棲獨(dú)特的生活周期，所以不僅可以監(jiān)測(cè)水體污染，而且還可以對(duì)陸地的污染物進(jìn)行檢測(cè)【。兩棲動(dòng)物具有特殊的生理學(xué)特性和皮膚呼吸，故皮膚的滲透性很強(qiáng)，所以對(duì)污染物的積累作用很明顯，對(duì)水質(zhì)的反應(yīng)極為敏感，使監(jiān)測(cè)環(huán)境變化的極好的指示物種。徐士霞等【總結(jié)了兩棲類動(dòng)物對(duì)水體污染物的指示作用，概括了水體污染對(duì)兩棲類動(dòng)浙江工業(yè)大學(xué)碩士學(xué)位論文物形態(tài)的危害，主要表現(xiàn)在：（）軀體收縮，呈“形；（）口和

18、鼻孔大張，眼睛突出；（）皮膚表面出現(xiàn)許多泡狀瘤，色素部分脫落或完全脫落，皮膚透明；（）微彎曲，肌肉萎縮；（）頭部膨大，體重減輕等。根據(jù)這些受害癥狀，可以對(duì)水體中的污染物種類和濃度進(jìn)行定性的分析判斷。魚類魚類是水污染生物監(jiān)測(cè)中應(yīng)用最廣泛的水生動(dòng)物之一，也是被研究最廣泛的物種。大量的研究表明，斑馬魚、劍尾魚和鯽魚是被應(yīng)用最為廣泛和具有代表性的淡水魚類【。魚類作為水污染指示物始于年，根據(jù)魚的呼吸變化指示有毒環(huán)境【】。后來，魚的游泳行為、正趨流性、選擇行為等相繼得到應(yīng)用【】【。如（）用食蚊魚（）作廢水毒性的現(xiàn)場(chǎng)實(shí)驗(yàn)，把魚放在尼龍網(wǎng)袋內(nèi)，掛在現(xiàn)場(chǎng)實(shí)驗(yàn)的河水中，若魚在天內(nèi)死亡，則說明水質(zhì)有污染。（）用魚的

19、咳嗽來反映造紙廠廢水對(duì)魚的影響，并據(jù)此確定廢水的安全濃度。中科院水生所（）用幾種魚類的腦膽堿酯酶活力監(jiān)測(cè)水體中有機(jī)磷農(nóng)藥對(duì)硫磷、六六六、滴滴涕、三硝基甲苯等的污染情況。魚類能夠憑借其強(qiáng)大的運(yùn)動(dòng)能力逃避不利環(huán)境，通過設(shè)計(jì)裝置，觀察在不同濃度下的停留情況，如果都表現(xiàn)出逃避的行為，大多數(shù)魚集中于潔凈水一端，則表明受測(cè)試的水遭受了污染”。根據(jù)魚類的生理和運(yùn)動(dòng)特性與水質(zhì)的關(guān)系，各種生物水質(zhì)監(jiān)測(cè)方法和儀器不斷的研制出來，等【將監(jiān)測(cè)設(shè)備的電極直接安裝在魚鰓上，監(jiān)視當(dāng)前呼吸頻率，通過數(shù)據(jù)分析并與正常的呼吸頻率比較，如果出現(xiàn)明顯差異則表明發(fā)生了污染。等【通過檢測(cè)魚體運(yùn)動(dòng)產(chǎn)生的周期性弱點(diǎn)脈沖的變化來檢測(cè)水質(zhì)的變化

20、。日本正興電機(jī)集團(tuán)與日本九州大學(xué)聯(lián)合研制成功了一種可以在早期發(fā)現(xiàn)水質(zhì)異常的新型水質(zhì)監(jiān)測(cè)設(shè)備【，該裝置將青鯔魚（）的運(yùn)動(dòng)轉(zhuǎn)化為三維數(shù)據(jù)，分析觀測(cè)其急速游動(dòng)、浮頭行為和死亡等活動(dòng)，有效的實(shí)現(xiàn)了對(duì)水質(zhì)污染的早期發(fā)現(xiàn)。湯一平等【】研制的基于機(jī)器視覺的生物式水質(zhì)監(jiān)測(cè)儀使用計(jì)算機(jī)視覺技術(shù)和網(wǎng)絡(luò)通信技術(shù)對(duì)小體魚等生物進(jìn)行遠(yuǎn)程的實(shí)時(shí)觀察，以小體魚類的存活率為依據(jù)對(duì)水質(zhì)進(jìn)行實(shí)時(shí)監(jiān)測(cè)。中科院生態(tài)環(huán)境研究中心研發(fā)的水質(zhì)在線生物安全預(yù)警系統(tǒng)，使用兩組電極對(duì)水生生物的活動(dòng)進(jìn)行監(jiān)測(cè)，評(píng)價(jià)水體質(zhì)量。綜上所述，生物監(jiān)測(cè)方法通過對(duì)水污染指示物的觀察、檢驗(yàn)和分析來達(dá)到對(duì)水體質(zhì)量的間接監(jiān)測(cè)作用。大部分被選為水污染指示物的水生生物對(duì)

21、它們所生活的水體環(huán)境的變化十分敏感，尤其是在水體環(huán)境受到有毒有害物質(zhì)的污染并對(duì)其產(chǎn)生侵害作用時(shí)，水污染指浙江工業(yè)大學(xué)碩士學(xué)位論文示物的生理特征和行為特征會(huì)發(fā)生明顯的變化，甚至死亡。水污染指示物的生理特征變化和運(yùn)動(dòng)行為特征變化是衡量水體環(huán)境對(duì)水生生物影響的重要指標(biāo)，同時(shí)，這些特征的變化也反映了水體環(huán)境質(zhì)量的變化。因此，觀察和分析水污染指示物的生理特征和運(yùn)動(dòng)行為特征的變化是水質(zhì)生物監(jiān)測(cè)的主要方法。水污染指示物的生理特征包括水生生物的形態(tài)、生長方式、組織病理、生化指標(biāo)等，這些特征指標(biāo)的獲取一般都是通過對(duì)水生生物進(jìn)行長期的人工觀察、生理解刨、組織切片病理分析、毒理分析、生物化學(xué)分析等方法。這寫方法獲得

22、的水生生物的生理特征指標(biāo)都比較精確，能定性定量的對(duì)水生生物受到的環(huán)境影響進(jìn)行檢測(cè)和評(píng)價(jià)。但是，這些方法費(fèi)時(shí)費(fèi)力，而且需要專門的實(shí)驗(yàn)儀器和很強(qiáng)的專業(yè)知識(shí)才能操作，過程復(fù)雜，成本相對(duì)來說比較高昂，在水質(zhì)的實(shí)時(shí)檢測(cè)預(yù)警方面存在一定的局限性。水污染指示物的運(yùn)動(dòng)行為特征包括水生生物的游動(dòng)方式、速度，對(duì)危險(xiǎn)的趨避行為，捕食行為，或是死亡等，這些特征指標(biāo)的獲取方式一般有人工觀察，使用電子傳感器，視覺監(jiān)控等。通過這些方法獲得的水生生物的運(yùn)動(dòng)行為特征指標(biāo)能直觀的反映水體環(huán)境對(duì)水生生物的生存狀態(tài)的影響，而且相比生理特征的獲取，其操作過程簡單快速，能實(shí)時(shí)的對(duì)水體環(huán)境質(zhì)量進(jìn)行監(jiān)測(cè)。但是，生物運(yùn)動(dòng)運(yùn)動(dòng)行為特征不能精確的

23、反映出水體環(huán)境中的污染物的種類和含量，只能作定性判斷依據(jù)。在使用生物監(jiān)測(cè)方法對(duì)水體質(zhì)量的監(jiān)測(cè)中，指示生物的運(yùn)動(dòng)行為特征直觀、快速地反映了它們所在的水體環(huán)境的變化，是對(duì)水體環(huán)境的綜合質(zhì)量進(jìn)行定性評(píng)價(jià)的可靠指標(biāo)。而且，水生生物的運(yùn)動(dòng)行為特征的獲取過程相對(duì)簡單易行，成本低廉，特別是隨著計(jì)算機(jī)視覺技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，使用視覺監(jiān)控的方法能夠?qū)h(yuǎn)程的水生生物進(jìn)行監(jiān)控，實(shí)現(xiàn)水質(zhì)的異地實(shí)時(shí)監(jiān)測(cè)，目前，這種方法已經(jīng)被廣泛的應(yīng)用與水質(zhì)監(jiān)測(cè)預(yù)警系統(tǒng)之中。論文研究內(nèi)容本文以浙江省自然科學(xué)基金（）“生物行為驅(qū)動(dòng)的水質(zhì)預(yù)警免疫模型研究為本文的主要研究內(nèi)容包括以下幾個(gè)方面：（）魚類運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)檢測(cè)方法研究。使用背景差分

24、的方法對(duì)視頻序列中的魚類運(yùn)背景，研究了使用計(jì)算機(jī)視覺技術(shù)對(duì)魚類運(yùn)動(dòng)進(jìn)行監(jiān)測(cè)，自動(dòng)提取魚類運(yùn)動(dòng)特征，為水質(zhì)監(jiān)測(cè)預(yù)警提供數(shù)據(jù)基礎(chǔ)。浙江工業(yè)大學(xué)碩士學(xué)位論文動(dòng)目標(biāo)進(jìn)行檢測(cè)，利用幀間差分的信息對(duì)平均背景模型的更新進(jìn)行改進(jìn)，并使用在線閾值分割算法對(duì)背景差分圖像進(jìn)行二值化分割，提取運(yùn)動(dòng)目標(biāo)前景，進(jìn)行目標(biāo)標(biāo)識(shí)，對(duì)多目標(biāo)跟蹤進(jìn)行初始化。（）基于粒子濾波的多個(gè)魚類運(yùn)動(dòng)目標(biāo)的跟蹤方法研究。本文研究了粒子濾波的基本原理，并將其應(yīng)用于多個(gè)魚類運(yùn)動(dòng)目標(biāo)的跟蹤。針對(duì)獨(dú)立粒子濾波在多個(gè)目標(biāo)跟蹤中由于目標(biāo)之間的交互作用而失敗，導(dǎo)致目標(biāo)跟蹤丟失的問題，定義了多個(gè)目標(biāo)間的運(yùn)動(dòng)交互作用，提出了多目標(biāo)交互觀測(cè)模型，對(duì)發(fā)生交互作用的目

25、標(biāo)進(jìn)行觀測(cè)時(shí)，考慮周圍目標(biāo)對(duì)其的影響，盡量排除對(duì)目標(biāo)狀態(tài)粒子的錯(cuò)誤觀測(cè)，解決多目標(biāo)跟蹤過程中由于目標(biāo)之間相互靠近或部分遮擋導(dǎo)致跟蹤失敗的問題。（）魚類運(yùn)動(dòng)監(jiān)測(cè)系統(tǒng)平臺(tái)研究。在對(duì)魚類運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤算法研究的基礎(chǔ)上，初步構(gòu)建和實(shí)現(xiàn)魚類運(yùn)動(dòng)監(jiān)測(cè)平臺(tái)。系統(tǒng)平臺(tái)主要通過攝像頭和視頻采集卡獲取實(shí)時(shí)的魚類運(yùn)動(dòng)視頻，檢測(cè)并跟蹤多個(gè)魚類運(yùn)動(dòng)目標(biāo)，記錄分析目標(biāo)的運(yùn)動(dòng)軌跡，提取魚類目標(biāo)的運(yùn)動(dòng)速度、加速度、活動(dòng)位置分布等代表魚類活動(dòng)特性的運(yùn)動(dòng)特征模型。論文體系結(jié)構(gòu)本文使用圖像處理和計(jì)算機(jī)視覺技術(shù)對(duì)魚類運(yùn)動(dòng)行為進(jìn)行監(jiān)測(cè)，研究了視頻序列中的運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤方法，實(shí)現(xiàn)了魚類運(yùn)動(dòng)行為監(jiān)測(cè)系統(tǒng)平臺(tái)。本文各章的內(nèi)容安排

26、如下：第章緒論。介紹了課題研究的背景，討論了我國水體質(zhì)量安全的現(xiàn)狀和生物監(jiān)測(cè)在水質(zhì)監(jiān)測(cè)中的應(yīng)用現(xiàn)狀和主要方法，闡述了本文研究的意義和內(nèi)容，并陳列了本文的章節(jié)結(jié)構(gòu)安排。第章運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤原理。介紹了視頻序列中運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤技術(shù)原理和幾種常用的方法。第章魚類運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)方法研究。使用背景差分法對(duì)視頻序列中的魚類運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)檢測(cè)，利用幀間差分信息對(duì)平均背景模型的更新方法作了改進(jìn)，并將谷底增強(qiáng)閾值分割方法應(yīng)用到對(duì)視頻序列的背景差分圖像的二值化分割中，快速有效的提取運(yùn)動(dòng)目標(biāo)前景，最后使用目標(biāo)標(biāo)識(shí)方法對(duì)每一個(gè)魚類運(yùn)動(dòng)目標(biāo)進(jìn)行標(biāo)識(shí)，為目標(biāo)跟蹤提供初始狀態(tài)。浙江工業(yè)大學(xué)碩士學(xué)位論文第章基于粒

27、子濾波的多個(gè)魚類運(yùn)動(dòng)目標(biāo)跟蹤方法研究。粒子濾波是一種非參數(shù)化的蒙特卡羅模擬方法，通過遞推的貝葉斯濾波來近似逼近目標(biāo)狀態(tài)的最優(yōu)估計(jì)，其基本思想是利用一系列隨機(jī)抽取的樣本以及樣本的權(quán)重來估計(jì)狀態(tài)的后驗(yàn)概率分布，特別適用于非線性非高斯動(dòng)態(tài)系統(tǒng)的狀態(tài)估計(jì)問題的求解。本文使用粒子濾波對(duì)多個(gè)具有相似外觀，運(yùn)動(dòng)隨意性大的魚類運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，針對(duì)由于多個(gè)目標(biāo)之間的相互靠近或部分遮擋而使獨(dú)立粒子濾波器跟蹤失敗的問題，定義了多個(gè)魚類目標(biāo)狀態(tài)的運(yùn)動(dòng)交互作用，提出多目標(biāo)交互觀測(cè)模型，減小了多個(gè)目標(biāo)在發(fā)生交互作用時(shí)的觀測(cè)錯(cuò)誤的概率，有效地對(duì)多個(gè)魚類運(yùn)動(dòng)目標(biāo)進(jìn)行正確的跟蹤，并給出了多個(gè)目標(biāo)跟蹤的實(shí)驗(yàn)結(jié)果。第章魚類運(yùn)動(dòng)監(jiān)

28、測(cè)系統(tǒng)的實(shí)現(xiàn)。設(shè)計(jì)并實(shí)現(xiàn)了魚類運(yùn)動(dòng)監(jiān)測(cè)系統(tǒng)平臺(tái)軟件。第章總結(jié)與展望。對(duì)本文所做的工作進(jìn)行了總結(jié)，指出了本文的工作以及主要成果，同時(shí)提出了研究中存在的不足之處，并對(duì)該課題的前景進(jìn)行了展望。浙江工業(yè)大學(xué)碩士學(xué)位論文第章運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤原理視頻序列中的運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤是計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)重要的課題，在機(jī)器人導(dǎo)航、智能監(jiān)視系統(tǒng)、交通監(jiān)測(cè)、醫(yī)學(xué)圖像處理和視頻圖像壓縮編碼和傳輸?shù)阮I(lǐng)域都有廣泛的應(yīng)用。運(yùn)動(dòng)目標(biāo)檢測(cè)就是判斷視頻序列中是否存在運(yùn)動(dòng)目標(biāo)，并確定運(yùn)動(dòng)目標(biāo)的位置、運(yùn)動(dòng)方向、運(yùn)動(dòng)軌跡以及進(jìn)一步的運(yùn)動(dòng)趨勢(shì)等；運(yùn)動(dòng)目標(biāo)跟蹤是指在整個(gè)視頻序列中監(jiān)控運(yùn)動(dòng)目標(biāo)的時(shí)空變化，如目標(biāo)出現(xiàn)與消失，目標(biāo)的位置、

29、尺寸和形狀變化等，并計(jì)算運(yùn)動(dòng)目標(biāo)的軌跡。如圖所示，運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤是兩個(gè)緊密關(guān)聯(lián)的過程，檢測(cè)是跟蹤的基礎(chǔ)，對(duì)目標(biāo)在后續(xù)圖像序列中的重復(fù)檢測(cè)更有助于對(duì)目標(biāo)的準(zhǔn)確跟蹤，而目標(biāo)跟蹤的結(jié)果也為后續(xù)的目標(biāo)檢測(cè)提供了依據(jù)。運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤為目標(biāo)的行為分析和理解提供了基礎(chǔ)。視頻序列前景目標(biāo)目標(biāo)運(yùn)動(dòng)軌跡運(yùn)動(dòng)目標(biāo)檢測(cè)運(yùn)動(dòng)目標(biāo)跟蹤一圖運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤流程在過去的二、三十年中，人們對(duì)視頻序列中的運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤做了大量而深入的研究，提出了很多有效應(yīng)用于各個(gè)領(lǐng)域的理論和方法。但時(shí)至今日，穩(wěn)健準(zhǔn)確并且高性能的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤方法依然是一個(gè)極具挑戰(zhàn)意義的研究課題。根據(jù)運(yùn)動(dòng)目標(biāo)所在的場(chǎng)景是否變化可以把運(yùn)動(dòng)目

30、標(biāo)的檢測(cè)與跟蹤分為兩類：（）靜態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤。攝像頭固定，而且目標(biāo)所在的場(chǎng)景也是相對(duì)固定的，如檢測(cè)和跟蹤室內(nèi)房間中的人等。（）動(dòng)態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤。攝像頭隨著目標(biāo)的運(yùn)動(dòng)而移動(dòng)，目標(biāo)所在的場(chǎng)景也隨時(shí)間變化，如檢測(cè)和跟蹤公路上運(yùn)動(dòng)的車輛等。浙江工業(yè)大學(xué)碩士學(xué)位論文下面分別對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的基本原理以及常用的方法進(jìn)行簡單的闡述和介紹。運(yùn)動(dòng)目標(biāo)檢測(cè)運(yùn)動(dòng)目標(biāo)檢測(cè)是視頻序列分析和處理的首要步驟【】【】【。作為一種較低層次的視覺處理技術(shù)被廣泛的應(yīng)用于目標(biāo)跟蹤、視覺監(jiān)控、人的行為識(shí)別等。運(yùn)動(dòng)目標(biāo)檢測(cè)確定前景目標(biāo)在當(dāng)前場(chǎng)景中的位置，為進(jìn)一步的視覺分析和處理作準(zhǔn)備。從視頻序列中檢測(cè)運(yùn)動(dòng)

31、目標(biāo)的主要挑戰(zhàn)是：（）復(fù)雜的背景環(huán)境干擾；（）周圍環(huán)境光照條件變化。已經(jīng)有很多方法被提出來用于運(yùn)動(dòng)目標(biāo)的檢測(cè)，這些方法大致可以分為三類：基于幀間差分的方法、基于背景差分的方法和基于光流的方法。基于幀間差分的運(yùn)動(dòng)目標(biāo)檢測(cè)幀日差分是檢測(cè)相鄰兩幀圖像之間的焚化的最簡單、量接的方法，它亙接比較兩幀圖像的對(duì)應(yīng)像素點(diǎn)的灰度值的不同，然后通過閾值來提取視頻序列圖像中的運(yùn)動(dòng)區(qū)域。第七幀圖像五（，少）和第幀圖像五。（，）之間的變化可用一個(gè)二值差分圖像（，）表示：啪川艫厶“五糍川這一般是由目標(biāo)的運(yùn)動(dòng)而產(chǎn)生的。（）其中，為幀間差分圖像的二值化閾值。二值圖像中為“”的像素對(duì)應(yīng)于在前后兩幀圖像中亮度值沒有發(fā)生變化的區(qū)域

32、，而為“的像素對(duì)應(yīng)了兩幀圖像間發(fā)生變化的區(qū)域，前景空洞拖叫爨秒嘲氣墓冀“、當(dāng)前幀中的目標(biāo)專霉爹，蠡苫朵運(yùn)動(dòng)方向圖幀間差分的缺陷浙江工業(yè)大學(xué)碩士學(xué)位論文幀間差分法可以快速有效的檢測(cè)出運(yùn)動(dòng)目標(biāo)在兩幀間的運(yùn)動(dòng)信息，但是這種方法對(duì)視頻序列的圖像幀率和運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度比較敏感，會(huì)產(chǎn)生兩個(gè)重要缺陷：前景空洞（）和目標(biāo)拖影（）【】，見圖。前景空洞是兩幀圖像中具有相似的亮度的前景像素；拖影部分的像素點(diǎn)在當(dāng)前幀中是背景像素，在前一幀中是前景點(diǎn)像素。為了解決這個(gè)問題，和提出了一種使用連續(xù)三幀圖像的差分的方法，這種方法分別求得第缸幀與第幀差分；（，），第幀與第幀的差分；（，少），然后對(duì)兩個(gè)差分做邏輯與操作得到幀間

33、差分：，）；（，）；（，）（）基于幀間差分的運(yùn)動(dòng)目標(biāo)檢測(cè)對(duì)于場(chǎng)景中的光照變化具有較好的抗干擾性，算法簡單有效。但是一般只能提取運(yùn)動(dòng)目標(biāo)的部分像素和運(yùn)動(dòng)信息，而且對(duì)視頻序列的幀率和目標(biāo)的運(yùn)動(dòng)速度有很強(qiáng)的依賴性，容易產(chǎn)生目標(biāo)空洞和拖影，使檢測(cè)到的目標(biāo)不完整?；诒尘安罘值倪\(yùn)動(dòng)目標(biāo)檢測(cè)背景差分法也是一種常用的目標(biāo)檢測(cè)方法，特別適用于對(duì)靜態(tài)場(chǎng)景中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。其基本思想是將當(dāng)前幀圖像（，力與事先存儲(chǔ)或?qū)崟r(shí)更新得到的背景圖像毋（，）相減，若差分圖像中像素值大于某一閾值，則判定此像素點(diǎn)屬于運(yùn)動(dòng)目標(biāo)區(qū)域，否則，判定此像素點(diǎn)屬于背景區(qū)域。怯淼）汀和統(tǒng)計(jì)背景模型。平均背景模型（）背景差分法的關(guān)鍵是需要一合

34、適的背景圖像，或者稱為背景模型。而且在視頻序列中，背景圖像需要隨著時(shí)間的變化和環(huán)境光照等變化而更新。常用的背景模型有平均背景模型平均背景模型】【是最簡單的背景模型，它使用當(dāng)前幀之前的所有圖像幀對(duì)背景圖像進(jìn)行估計(jì)（，）口（，力（一）（，力（）其中，口是更新因子，可以控制背景更新的速度。這種背景模型的計(jì)算速度快，可以對(duì)簡浙江工業(yè)大學(xué)碩士學(xué)位論文單的靜態(tài)背景進(jìn)行更新，對(duì)環(huán)境光照變化等噪聲具有一定的適應(yīng)性。統(tǒng)計(jì)背景模型對(duì)于復(fù)雜的背景，可以使用統(tǒng)計(jì)方法進(jìn)行背景建模。等對(duì)背景中的每一個(gè)像素在時(shí)間上的變化用一個(gè)獨(dú)立的高斯分布進(jìn)行建模。為了使背景模型更加接近真實(shí)的背景，具有更好的適應(yīng)性和抗干擾性，和】使用個(gè)高

35、斯分布對(duì)每個(gè)像素進(jìn)行建模，即高斯混合模型：譬尸（），（比，）（）其中，以和，是第個(gè)高斯分布的均值向量和協(xié)方差矩陣；哆是第個(gè)高斯分布的權(quán)值。高斯混合模型中的高斯分布的數(shù)量一般為或者，其中每一個(gè)高斯分布都根據(jù)其權(quán)值哆與標(biāo)準(zhǔn)方差的比值大小來確定其是否屬于背景分布。在圖像幀中，背景往往占最主要的部分，而且背景像素隨時(shí)間的變化不大，因此具有較大的權(quán)值和較小的方差，即緝?cè)酱?，則該分布屬于背景分布的可能性越大。在個(gè)高斯分布中取個(gè)哆最大的分布作為背景分布口一織?。ǎ┢渲?，丁是閡值?；旌细咚鼓Ｐ椭忻恳粋€(gè)參數(shù)都通過一種在線算法進(jìn)行更新?；诮y(tǒng)計(jì)的高斯背景模型可以較為精確對(duì)背景進(jìn)行建模，不僅適用于靜態(tài)場(chǎng)景，也適用于

36、動(dòng)態(tài)場(chǎng)景，對(duì)環(huán)境光照條件變化等噪聲干擾就有較強(qiáng)的自適應(yīng)。但是，這種背景模型比較復(fù)雜，算法具有較高的時(shí)間和空間復(fù)雜性，在對(duì)實(shí)時(shí)性要求高的應(yīng)用中具有一定的局限性?；诠饬鞯倪\(yùn)動(dòng)目標(biāo)檢測(cè)光流的概念是于年首先提出的。所謂光流場(chǎng)是指序列圖像中由于運(yùn)動(dòng)產(chǎn)生的瞬時(shí)位移場(chǎng)。光流不僅包含了被觀察物體的運(yùn)動(dòng)信息，而且還攜帶了有關(guān)景物的三維結(jié)構(gòu)信息。浙江工業(yè)大學(xué)碩學(xué)位論文（）旋轉(zhuǎn)球體（）光流場(chǎng)圖光流場(chǎng)示意光流方程設(shè)，（，）是圖像點(diǎn)（）在，時(shí)刻的灰度，假定該點(diǎn)在西時(shí)運(yùn)動(dòng)到“出，）處。如果時(shí)間間隔很小，則可以期望（或假設(shè)）兩點(diǎn)圖像灰度保持不變，即有：，（，）（出，十咖，出）（）將上式右邊用泰勒級(jí)數(shù)展開，令講。，取極限并

37、略去高階項(xiàng)可得到：一望：望查十：乙望：瓠母雄（）雄試中，”和分別為圖像點(diǎn)在和方向的移動(dòng)速度。并記。動(dòng)卸、代入式（），得：（上，）恤，）一一（）上式被稱為光流方程【”，它表明運(yùn)動(dòng)圖像中某一點(diǎn)的灰度時(shí)間變化率是灰度空間變化率與該點(diǎn)空間運(yùn)動(dòng)速度的乘積。光流的求解僅通過光流方程而不用其它信息是無法計(jì)算圖像平面中某一點(diǎn)的圖像流的速度的和魄出了塊運(yùn)動(dòng)模型的方法來求解光流方程，該方法假設(shè)運(yùn)動(dòng)矢量在特定的像素快上保持不變。算法不能產(chǎn)生密度較高的光流場(chǎng)。為了準(zhǔn)確計(jì)算局部運(yùn)動(dòng)矢量場(chǎng)，可以采用基于亮度梯度的稠密光流計(jì)算法，也稱為算法“，它通過迭代的方法逐次逼近相鄰幀之間的各個(gè)像素的運(yùn)動(dòng)矢量”。浙江工業(yè)大學(xué)碩士學(xué)位論

38、文光流法的主要優(yōu)點(diǎn)在于對(duì)目標(biāo)在幀間的運(yùn)動(dòng)限制較少，可以處理大的幀間位移；主要的缺點(diǎn)是大多數(shù)光流計(jì)算方法相當(dāng)復(fù)雜，且抗噪性能差，如果沒有特定的硬件支持，一般很難應(yīng)用于視頻序列中運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)檢測(cè)。運(yùn)動(dòng)目標(biāo)跟蹤運(yùn)動(dòng)目標(biāo)跟蹤理論隨著上世紀(jì)年代計(jì)算機(jī)視覺的興起而受到廣泛的關(guān)注，至今已有幾十年的歷史。在這幾十年間，國內(nèi)外廣大學(xué)者進(jìn)行了大量的研究，視頻跟蹤理論有了大量豐富的成果。很多理論研究成果已經(jīng)被廣泛的應(yīng)用到軍事、安保以及一些商業(yè)的數(shù)字產(chǎn)品中。運(yùn)動(dòng)目標(biāo)的跟蹤方法可以大致分為三類：基于特征的運(yùn)動(dòng)目標(biāo)跟蹤、基于區(qū)域的運(yùn)動(dòng)目標(biāo)跟蹤和基于活動(dòng)輪廓的運(yùn)動(dòng)目標(biāo)跟蹤。下面對(duì)這三類主要跟蹤方法進(jìn)行介紹?；谔卣鞯倪\(yùn)動(dòng)

39、目標(biāo)跟蹤基于特征的運(yùn)動(dòng)目標(biāo)跟蹤包括目標(biāo)特征的提取和特征的匹配兩個(gè)過程。視頻序列中目標(biāo)的特征包括視覺特征（如邊緣、輪廓、形狀、紋理等），統(tǒng)計(jì)特征（如顏色直方圖、各種不變矩等），變換系數(shù)特征（如傅立葉描述子、小波變化系數(shù)等），以及代數(shù)特征（如圖像矩陣的奇異值分解等）。對(duì)目標(biāo)的跟蹤就是對(duì)相鄰兩幀圖像中的目標(biāo)特征進(jìn)行搜索匹配的過程。圖像的像素灰度值包含了圖像的所有信息，基于圖像像素灰度值的匹配是基本的特征匹配方法。它利用已知的目標(biāo)灰度特征，產(chǎn)生匹配模板，并在待匹配圖像中搜尋目標(biāo)對(duì)象，當(dāng)相關(guān)函數(shù)有了極值時(shí)，就可以判定為對(duì)象。如圖所示，設(shè)模板圖像為（，大小為×個(gè)像素，待匹配圖像為（，力，大小為個(gè)

40、像素，其中（，和（，）分別表示模版圖像中位置（材，）處和待匹配圖像中位置，）處的像素的灰度值，。在下面的各相關(guān)算法中，（，）為模板在待匹配圖像中的偏移值，并且一肘，。相關(guān)函數(shù)可以定義為：浙江工業(yè)大學(xué)碩士學(xué)位論文（，力；（，）一（“，）“（）當(dāng)前匹配的圖像子圖曲待匹配凹像（，）圖特征模扳匹配示意（）模板圖像（，）當(dāng)（，）取最小值時(shí)為最佳的匹配，這種使用模板圖像和待匹配圖像的像素灰度差作為匹配的相關(guān)性度量的方法稱為最小絕對(duì)差值法（簡稱）口”，類似的還有使用模板像素和待匹配圖像的像素厭度均方差作為相關(guān)性度量的最小均方誤差法（簡稱），這兩種方法計(jì)算簡單，計(jì)算量相對(duì)較小，但是由于是基于像素點(diǎn)的灰度值，所

41、以對(duì)圖像的灰度變化很敏感，容易受噪聲點(diǎn)、局部遮擋等干擾因素的影響，導(dǎo)致跟蹤失敗。任仙怡等（結(jié)合最小絕對(duì)差值法和距離提出了一種新的基于距離的匹配方法避免了相關(guān)匹配過程巾由于噪聲引起的相戈曲面不突出的缺點(diǎn)。為了對(duì)模板進(jìn)行快速的匹配，嚏出了一種快速匹配算法（序列相似性檢測(cè)算法），該算法在模板匹配的過程中能很快地丟棄不匹配的像素點(diǎn)，減少花在不匹配點(diǎn)上的計(jì)算速量，從而提高匹配速度?；谔卣鞯哪繕?biāo)跟蹤方法，除了要有高魯棒性的相關(guān)函數(shù)保證特征匹配的精度外，還要有一個(gè)快速有效的方法搜索與模板匹配的子圖區(qū)域，一般通過對(duì)目標(biāo)所在區(qū)域進(jìn)行預(yù)測(cè)阻減小模板匹配的范圍來達(dá)到優(yōu)化目標(biāo)搜索的目的。對(duì)目標(biāo)區(qū)域的預(yù)測(cè)可以通過濾波

42、的疔浙江工業(yè)大學(xué)碩士學(xué)位論文法實(shí)現(xiàn)，目前最常用的濾波方法是濾波和粒子濾波等?；趨^(qū)域的運(yùn)動(dòng)目標(biāo)跟蹤基于區(qū)域的跟蹤是一種先檢測(cè)后跟蹤的方法，即先檢測(cè)出運(yùn)動(dòng)目標(biāo)然后再與前一次跟蹤確定的目標(biāo)進(jìn)行匹配和識(shí)別，以確定目標(biāo)軌跡?；趨^(qū)域的運(yùn)動(dòng)目標(biāo)跟蹤方法目前已經(jīng)有較多應(yīng)用，如】等利用小區(qū)域特征進(jìn)行室內(nèi)單人的跟蹤，將人體看作由頭、軀干、四肢等身體部分所對(duì)應(yīng)的小區(qū)域塊所組成，利用高斯分布建立人體和場(chǎng)景的模型，屬于人體的像素被規(guī)劃與不同的身體部分，通過跟蹤各個(gè)小區(qū)域來完成整個(gè)人的跟蹤。基于區(qū)域的跟蹤方法的難點(diǎn)主要有兩個(gè)，一個(gè)是運(yùn)動(dòng)目標(biāo)的分割，特別是在運(yùn)動(dòng)目標(biāo)有影子和遮擋的情況下如何準(zhǔn)確的分割出運(yùn)動(dòng)目標(biāo)；另一個(gè)是

43、如何將檢測(cè)出來的目標(biāo)區(qū)域塊與前一次跟蹤得到的目標(biāo)區(qū)域塊進(jìn)行準(zhǔn)確的匹配。等【】提出了一種使用層次圖的方法對(duì)有交叉遮擋的人進(jìn)行跟蹤，該方法將連續(xù)兩個(gè)視頻幀檢測(cè)分割得到的運(yùn)動(dòng)目標(biāo)區(qū)域塊分別組織成前后兩個(gè)層次的圖，圖中的節(jié)點(diǎn)為目標(biāo)區(qū)域塊，節(jié)點(diǎn)間的邊為兩個(gè)目標(biāo)區(qū)域塊之間的匹配程度，用目標(biāo)區(qū)域塊之間的距離來表示，同時(shí)又考慮目標(biāo)區(qū)域塊的顏色信息，最后通過尋找圖中的最短通路來確定前后兩幀中的目標(biāo)區(qū)域塊的對(duì)應(yīng)關(guān)系，對(duì)遮擋情況下的目標(biāo)也能進(jìn)行很好的跟蹤?；诨顒?dòng)輪廓的運(yùn)動(dòng)目標(biāo)跟蹤活動(dòng)輪廓模型做模型，最早由等人在年提出，它將目標(biāo)表示成一條封閉的曲線，并定義其能量為：（）（）出（一）其中，（）是表示活動(dòng)輪廓的參數(shù)化曲

44、線；是輪廓曲線本身的內(nèi)部能量，它使得曲線伸縮、彎曲；如是由目標(biāo)圖像的性質(zhì)而產(chǎn)生的外部能量，它使得活動(dòng)輪廓曲線向著目標(biāo)移動(dòng)。在來自曲線本身的內(nèi)部力和來自圖像數(shù)據(jù)的外部力共同的作用下目標(biāo)曲線進(jìn)行移動(dòng)，當(dāng)內(nèi)部力和外部力達(dá)到平衡時(shí)，曲線停止移動(dòng)，此時(shí)該曲線的能量最小。這種方法能夠?qū)δ繕?biāo)的輪廓進(jìn)行精確的跟蹤，但是等人提出的模型依賴于目標(biāo)的初始輪浙江工業(yè)大學(xué)碩士學(xué)位論文廓和圖像中的細(xì)微變化，對(duì)圖像噪聲非常敏感，不能對(duì)快速運(yùn)動(dòng)的目標(biāo)進(jìn)行跟蹤。等人【】提出了的跳躍模型來解決快速運(yùn)動(dòng)目標(biāo)跟蹤的問題。像這樣的參數(shù)式活動(dòng)輪廓不能處理曲線的拓?fù)渥兓趯?duì)多個(gè)目標(biāo)的分割和跟蹤中存在局限性，而基于曲線演化和水平集（）思想的幾何式活動(dòng)輪廓?jiǎng)t有效的克服了模型的這一缺點(diǎn)，并且對(duì)目標(biāo)曲線的初始位置不敏感?；谒郊幕顒?dòng)輪廓的基本原理是將平面閉合曲線隱含的表示為維曲面函數(shù)（稱為水平集函數(shù)）的水平集【，即具有相同的函數(shù)值的點(diǎn)集，再通過曲面的演化來隱含地求解曲線的演化，得到穩(wěn)定唯一的數(shù)值解，達(dá)到對(duì)目標(biāo)進(jìn)行分割并跟蹤的目的。幾何活動(dòng)輪廓模型已經(jīng)在圖像處理和計(jì)算機(jī)視覺領(lǐng)域得到了廣泛的應(yīng)用【】【】【】【刪。本章小結(jié)運(yùn)動(dòng)目標(biāo)檢測(cè)