基于視頻的魚類特征提取.pdf

1、魚類特征提取是魚類行為活動與魚類形態(tài)特征量化的過程，也是魚類適應(yīng)性與流場研究的基礎(chǔ)，精確快速量化魚類特征是魚類研究的保證。魚類特征可以分為運動特征與形態(tài)特征。運動特征包括魚體游動的坐標(biāo)、游動速度、加速度、角速度等信息；形態(tài)特征包括魚體全長、寬度、體長、叉長、魚體輪廓等信息。為了保障魚類進一步研究，本文將魚眼、尾部叉點、頭部頂點、尾鰭頂點、背部頂點、腹部頂點定義為魚類的特征點，魚眼與尾部叉點的連線定義為魚體中心線，并重點研究了魚類運動特征

2、提取與形態(tài)特征提取算法。本文一方面通過構(gòu)建游魚三維軌跡提取魚類運動特征；另一方面通過魚體形態(tài)特征提取算法提取魚類的形態(tài)特征。通過實驗表明兩個算法都具有實時性與可行性。本文將算法應(yīng)用到了魚類特征提取的系統(tǒng)中，能夠高效準(zhǔn)確的提取魚類特征。本文研究算法創(chuàng)新點如下：
　　1）魚類游泳三維空間軌跡重建。三維空間游魚重建算法通過三個攝像頭從正面、側(cè)面、俯視面三個方向同時拍攝魚體游動，從視頻中提取二維運動軌跡，然后利用多視圖幾何方法重建魚體三維

3、空間運動軌跡。算法分為三維空間標(biāo)定、二維軌跡提取、三維軌跡重建三個步驟。三維空間標(biāo)定完成二維空間與三維空間的映射，并求取映射矩陣；二維軌跡提取為從視頻中提取游魚的二維軌跡坐標(biāo)；三維軌跡重建利用多視圖幾何融合兩條二維軌跡重建出三維軌跡。重建算法具有實時性，能夠穩(wěn)定提取魚體三維空間坐標(biāo)，濾波去噪處理需要一定的緩沖區(qū)，算法存在0.88s~1.88s的延遲。
　　2）研究了形態(tài)特征提取算法。魚體形態(tài)特征提取算法分為輪廓提取算法與其他形態(tài)特

4、征提取算法。輪廓提取算法使用迭代高斯濾波過濾內(nèi)部細小紋理，使用Canny邊緣檢測算法得到魚體輪廓坐標(biāo)。其他魚體形態(tài)特征提取首先使用霍夫圓檢測提取魚體眼睛坐標(biāo)；通過輪廓與眼睛坐標(biāo)能夠確定魚體頭部頂點與尾鰭頂點坐標(biāo)；利用尾鰭頂點使用迭代逼近方法得到尾鰭叉點坐標(biāo)；然后通過輪廓旋轉(zhuǎn)法結(jié)合區(qū)域限定獲取到魚體寬度；算法提取到魚體的輪廓、全長、叉長、寬度，以及得到頭部頂點、尾鰭頂點、尾部叉點、背部頂點、腹部頂點。
　　本文另一部分工作是算法應(yīng)用