基于主動(dòng)視覺的河蟹運(yùn)動(dòng)分析方法研究.pdf

1、由于河蟹晝伏夜出的習(xí)性，對(duì)自動(dòng)運(yùn)動(dòng)及行為分析帶來諸多難題。針對(duì)低照度條件下河蟹視頻目標(biāo)難以準(zhǔn)確檢測(cè)、圖像特征難以準(zhǔn)確提取以及傳統(tǒng)視頻目標(biāo)運(yùn)動(dòng)跟蹤算法適用性差等問題，本文研究了適用于河蟹運(yùn)動(dòng)分析的計(jì)算機(jī)視覺運(yùn)動(dòng)分析方法，主要工作和創(chuàng)新點(diǎn)如下：
　?。?）提出了一種基于改進(jìn) Retinex算法和頻率調(diào)諧顯著性估計(jì)算法的低照度河蟹目標(biāo)檢測(cè)方法，來解決低照度條件下河蟹視頻目標(biāo)難以檢測(cè)的問題。通過在傳統(tǒng)Retinex算法中加入雙邊濾波器進(jìn)行

2、噪聲處理，有效地提高了低照度圖像的對(duì)比度；圖像增強(qiáng)后，利用頻率調(diào)諧顯著性估計(jì)算法實(shí)現(xiàn)了河蟹目標(biāo)的自動(dòng)檢測(cè)。實(shí)驗(yàn)驗(yàn)證，相較于傳統(tǒng) Retinex算法，改進(jìn) Retinex算法的峰值信噪比有大幅度提升；在低照度條件下所提目標(biāo)檢測(cè)方法的平均檢測(cè)準(zhǔn)確度為89％。提出了一種改進(jìn)的圖割算法用于河蟹蟹殼區(qū)域的精細(xì)分割，來解決低照度圖像特征難以提取的問題。改進(jìn)的圖割算法是基于河蟹目標(biāo)檢測(cè)結(jié)果和手動(dòng)標(biāo)記種子像素區(qū)域的雙通道輸入。實(shí)驗(yàn)驗(yàn)證，所提分割算法在低

3、照度條件下河蟹蟹殼區(qū)域的平均目標(biāo)覆蓋率為90.6%，優(yōu)于分水嶺算法的平均目標(biāo)覆蓋率79.3%。
　?。?）提出了一種基于蟹殼區(qū)域像素?cái)?shù)量特征的河蟹重量估計(jì)方法；實(shí)驗(yàn)驗(yàn)證，所提河蟹重量估計(jì)方法的平均相對(duì)誤差為±3.92%。提出了一種改進(jìn)的Camshift河蟹視頻目標(biāo)運(yùn)動(dòng)跟蹤算法，來解決傳統(tǒng)視頻目標(biāo)運(yùn)動(dòng)跟蹤算法適用性差的問題。在傳統(tǒng)Camshift視頻目標(biāo)運(yùn)動(dòng)跟蹤算法的基礎(chǔ)上，加入目標(biāo)區(qū)域分塊機(jī)制，以河蟹顏色概率分布特征為依據(jù)，河蟹蟹

4、殼所在區(qū)域設(shè)置較高的權(quán)值。實(shí)驗(yàn)驗(yàn)證，所提跟蹤算法可在河蟹的多種運(yùn)動(dòng)狀態(tài)包括旋轉(zhuǎn)運(yùn)動(dòng)，保持較高的跟蹤準(zhǔn)確度，在河蟹視頻數(shù)據(jù)集上可以連續(xù)準(zhǔn)確地跟蹤達(dá)到5568幀。基于所提跟蹤算法研發(fā)了一套河蟹視頻單目標(biāo)運(yùn)動(dòng)跟蹤系統(tǒng)，可用于獲取河蟹視頻單目標(biāo)的運(yùn)動(dòng)軌跡、速度等運(yùn)動(dòng)信息。針對(duì)河蟹多目標(biāo)跟蹤問題，提出了一種基于目標(biāo)檢測(cè)的河蟹多目標(biāo)跟蹤方法，可用于輔助河蟹運(yùn)動(dòng)行為分析；實(shí)驗(yàn)驗(yàn)證，在河蟹視頻數(shù)據(jù)集上具有較好的跟蹤效果，可用于獲取河蟹多目標(biāo)的運(yùn)動(dòng)軌跡、