面向水產(chǎn)養(yǎng)殖監(jiān)控的多運動魚體目標檢測算法研究.pdf

1、視頻分析已成為推動水產(chǎn)養(yǎng)殖信息化和智能化的重要技術(shù)手段，運動目標檢測是進行魚體跟蹤、行為識別、異常行為檢測的關(guān)鍵環(huán)節(jié)。本文面向室內(nèi)水產(chǎn)養(yǎng)殖監(jiān)控視頻下的運動魚體目標檢測問題，研究基于背景建模的運動目標檢測方法。
　　研究分析了基于混合高斯模型背景建模法（GMM算法）和基于局部二值紋理背景建模法（LBP算法）的基本原理，具體包括單高斯模型、多高斯混合模型、LBP及其衍生算子。針對單目全局室內(nèi)水產(chǎn)養(yǎng)殖視頻監(jiān)控的實際問題，討論了水面雜波、

2、反光、照明變化等因素對運動目標檢測算法帶來的挑戰(zhàn)。
　　開展了面向水產(chǎn)養(yǎng)殖監(jiān)控場景的背景建模算法對比實驗研究工作。重點考察和論證了GMM與LBP算法的適用性，細致分析了水產(chǎn)養(yǎng)殖監(jiān)控場景下各模型參數(shù)對混合高斯背景建模法和基于LBP及其衍生算子背景建模法的影響，同時考慮了不同顏色空間分量的作用。建立了魚類養(yǎng)殖監(jiān)控場景標準數(shù)據(jù)集，用于進行實驗結(jié)果的客觀評價。
　　針對目標完整度缺失、存在鬼影，以及水面強光反射噪聲干擾等問題，對原X