江丹丹，桂福坤

（國(guó)家海洋設(shè)施養(yǎng)殖工程技術(shù)研究中心，浙江海洋學(xué)院海洋科學(xué)與技術(shù)學(xué)院，浙江舟山　316022）

基于視頻圖像的魚(yú)類行為軌跡追蹤

江丹丹，桂福坤

（國(guó)家海洋設(shè)施養(yǎng)殖工程技術(shù)研究中心，浙江海洋學(xué)院海洋科學(xué)與技術(shù)學(xué)院，浙江舟山316022）

隨著網(wǎng)箱養(yǎng)殖的不斷發(fā)展，準(zhǔn)確把握養(yǎng)殖水質(zhì)變化、養(yǎng)殖密度等方面的信息是保證優(yōu)質(zhì)高產(chǎn)的必要條件，現(xiàn)在網(wǎng)箱養(yǎng)殖中主要通過(guò)人眼觀測(cè)具有很大的不可靠性。而魚(yú)類在環(huán)境變化時(shí)能產(chǎn)生不同的應(yīng)激反應(yīng)，所以通過(guò)觀測(cè)魚(yú)類游泳行為能夠?yàn)轸~(yú)類健康監(jiān)控提供重要依據(jù)。本實(shí)驗(yàn)利用圖像處理技術(shù)結(jié)合計(jì)算機(jī)編程對(duì)拍攝的魚(yú)運(yùn)動(dòng)視頻進(jìn)行處理，首先對(duì)視頻圖像進(jìn)行灰度變換、灰度拉伸、濾波去噪預(yù)處理得到較好質(zhì)量的圖像，接著進(jìn)行目標(biāo)分割提取出目標(biāo)魚(yú)類，對(duì)魚(yú)類進(jìn)行識(shí)別去除其他雜點(diǎn)，最后利用提取的出的魚(yú)的邊緣輪廓計(jì)算形心點(diǎn)，把形心點(diǎn)作為跟蹤點(diǎn)，模擬出魚(yú)類運(yùn)動(dòng)軌跡。該實(shí)驗(yàn)的能在視頻圖像上直接畫(huà)出魚(yú)類的運(yùn)動(dòng)軌跡，實(shí)現(xiàn)魚(yú)類運(yùn)動(dòng)的實(shí)時(shí)跟蹤。

網(wǎng)箱養(yǎng)殖；圖像處理；魚(yú)類游泳行為；軌跡跟蹤

近年來(lái)，隨著網(wǎng)箱養(yǎng)魚(yú)的發(fā)展，養(yǎng)殖種類的日益增多，魚(yú)類網(wǎng)箱養(yǎng)殖已成為我國(guó)發(fā)展?jié)O業(yè)生產(chǎn)的重要手段。目前影響魚(yú)類網(wǎng)箱養(yǎng)殖的因素有很多，從外在因素來(lái)看，現(xiàn)在生活和工業(yè)污水的大量排放，水體的富營(yíng)養(yǎng)化的日益加劇，使得水產(chǎn)養(yǎng)殖的水體惡化同時(shí)也使病害日益嚴(yán)重。從內(nèi)在因素來(lái)看隨著魚(yú)類養(yǎng)殖量的增加導(dǎo)致養(yǎng)殖密度增大，可能導(dǎo)致養(yǎng)殖水質(zhì)惡化和缺氧等問(wèn)題，當(dāng)魚(yú)處于這樣的環(huán)境下在較短的時(shí)間內(nèi)就可能會(huì)造成較大的產(chǎn)量損失。魚(yú)會(huì)表現(xiàn)出各種各樣的行為，在水環(huán)境改變或者受到某種刺激時(shí)［1-2］。例如，當(dāng)魚(yú)感染寄生蟲(chóng)時(shí)會(huì)表現(xiàn)出跳躍行為等；當(dāng)魚(yú)生病時(shí)對(duì)外界刺激的反應(yīng)時(shí)間會(huì)變長(zhǎng)而且游泳速度也會(huì)變慢；當(dāng)水中的溶解氧不足時(shí)，為了獲得充足氧氣魚(yú)會(huì)往水面上方游動(dòng)［3］。為了達(dá)到優(yōu)質(zhì)高產(chǎn)低消耗的目的，養(yǎng)殖者需要獲得網(wǎng)箱設(shè)施養(yǎng)殖中魚(yú)的在環(huán)境變化時(shí)的應(yīng)激行為等信息來(lái)為養(yǎng)殖過(guò)程提供更好的指導(dǎo)。

目前在水產(chǎn)養(yǎng)殖中魚(yú)的各種行為信息基本常是通過(guò)人的直接觀察得到，受人的主觀判斷影響比較大導(dǎo)致獲得信息具有很大的不可靠性，導(dǎo)致不能及時(shí)發(fā)現(xiàn)養(yǎng)殖系統(tǒng)中出現(xiàn)的問(wèn)題并且耗費(fèi)大量的人力和時(shí)間。圖像處理技術(shù)的發(fā)展為設(shè)施養(yǎng)殖中魚(yú)的行為的研究提供了可靠的手段，可以使魚(yú)在不受到任何干擾的情況下對(duì)它進(jìn)行全面實(shí)時(shí)的觀察。利用計(jì)算機(jī)圖像處理技術(shù)來(lái)對(duì)魚(yú)的行為進(jìn)行監(jiān)測(cè)從而實(shí)現(xiàn)對(duì)養(yǎng)殖環(huán)境的調(diào)控是一種新型養(yǎng)殖手段，不但提升魚(yú)類網(wǎng)箱養(yǎng)殖過(guò)程中的科技含量，并且對(duì)提高管理效率和增加養(yǎng)殖產(chǎn)量具有非常重要的意義［4］。隨著計(jì)算機(jī)視圖像處理技術(shù)在魚(yú)類養(yǎng)殖中的作用日益突出，越來(lái)越多的國(guó)內(nèi)外學(xué)者開(kāi)展了對(duì)魚(yú)類行為的研究，并且已經(jīng)取得了一定的研究成果。在國(guó)外，如MA等［5］利用計(jì)算機(jī)視覺(jué)系統(tǒng)對(duì)魚(yú)在不同運(yùn)動(dòng)模式下的運(yùn)動(dòng)軌跡進(jìn)行分析從而實(shí)現(xiàn)水質(zhì)監(jiān)測(cè)；NOGITA等［6］通過(guò)分析魚(yú)類的游泳行為來(lái)估計(jì)水的毒性；KIMMEL等［7］研究了在不同氨濃度和氧濃度下錦鯉的應(yīng)激反應(yīng)，及其這兩個(gè)因素對(duì)錦鯉活動(dòng)區(qū)域分布的影響。在國(guó)內(nèi)，徐建瑜等［8］研究了在養(yǎng)殖過(guò)程中溶氧濃度波動(dòng)和不同非離子氨濃度應(yīng)激條件下羅非魚(yú)的行為反應(yīng)；黃東龍等［9］研究了斑馬魚(yú)在不同程度突發(fā)性的Zn2+和Cr6+脅迫下的游泳速度的變化。盧煥達(dá)等［10］利用攝像設(shè)備對(duì)魚(yú)的行為進(jìn)行監(jiān)控，發(fā)現(xiàn)魚(yú)類由于應(yīng)激或疾病等引起的體色和游動(dòng)速度的變化。

本文研究的魚(yú)類行為軌跡跟蹤系統(tǒng)，利用計(jì)算機(jī)圖像處理技術(shù)對(duì)采集的視頻圖像進(jìn)行分析處理，最終實(shí)現(xiàn)對(duì)魚(yú)的跟蹤和軌跡的輸出。魚(yú)的運(yùn)動(dòng)軌跡的分析可以在一定程度上反映魚(yú)所處的狀態(tài)，為養(yǎng)殖用戶提供有用的信息提高管理水平，減少資源的浪費(fèi)及提高成活率。

1　圖像分析系統(tǒng)的基本流程

軌跡視頻跟蹤分析系統(tǒng)由圖像采集、圖像預(yù)處理、目標(biāo)分割、目標(biāo)跟蹤以及軌跡輸出五個(gè)部分組成，所有部分統(tǒng)一集成形成一體化自動(dòng)分析軟件。系統(tǒng)軟件打開(kāi)拍攝的魚(yú)類游動(dòng)視頻后，首先對(duì)采集的視頻圖像進(jìn)行圖像預(yù)處理操作，此過(guò)程分為圖像灰度化，圖像灰度變換、中值濾波等步驟；然后對(duì)預(yù)處理后的圖像進(jìn)行二值化、形態(tài)學(xué)濾波和目標(biāo)的邊緣輪廓提?。?1］；目標(biāo)檢測(cè)結(jié)束后利用邊緣計(jì)算出目標(biāo)的形心，以形心點(diǎn)對(duì)目標(biāo)進(jìn)行跟蹤，最后輸出運(yùn)動(dòng)軌跡。

圖1　軌跡跟蹤分析系統(tǒng)流程圖Fig.1　Flow chart of the video trajectory tracing analyzing system

1.1圖像預(yù)處理

1.1.1灰度化

彩色圖像在處理圖像的時(shí)候，要分別對(duì)R、G、B三種分量進(jìn)行處理，信息量很大，處理速度會(huì)變慢，極大地降低檢測(cè)盒識(shí)別的效率。因此為了減少存儲(chǔ)空間和計(jì)算量，首先需要將彩色圖像轉(zhuǎn)化成灰度圖像?；叶然幚恚?2］就是對(duì)彩色圖像的R、G、B分量值進(jìn)行等值轉(zhuǎn)化，使圖像變成一種具有從黑到白256灰度級(jí)色的單色圖像。在光線不好，陰影較重的情況下可進(jìn)行灰度變換操作以得到背景光線較均勻的圖像?；叶绒D(zhuǎn)換公式為：

式中，Y表示灰度圖像的亮度，R、G、B分別表示原圖像的紅、綠、藍(lán)分量值。

1.1.2灰度拉伸

在對(duì)彩色圖像進(jìn)行灰度化后，灰度值可能會(huì)大部分集中在一個(gè)小的范圍內(nèi)，使背景和前景差別不大，給接下來(lái)的閾值分割會(huì)帶來(lái)一定的困難，因此需要進(jìn)行灰度拉伸?；叶壤煲部梢苑Q為對(duì)比度拉伸是圖像增強(qiáng)的一種，利用分線段變換函數(shù)來(lái)增強(qiáng)圖像的對(duì)比度，增強(qiáng)圖像中感興趣的灰度區(qū)域，抑制不感興趣的區(qū)域。

1.1.3濾波降噪

圖2　圖像預(yù)處理結(jié)果圖Fig.2　The image preprocessing result

在采集、傳輸及圖像處理過(guò)程中往往會(huì)存在一定程度的噪聲影響和干擾，使圖像出現(xiàn)不完整、噪聲點(diǎn)模糊等現(xiàn)象，直接影響了對(duì)圖像的進(jìn)一步處理。因此在進(jìn)行目標(biāo)檢測(cè)之前必須進(jìn)行降噪處理來(lái)改善圖像質(zhì)量，以利于對(duì)圖像特征進(jìn)行分析。本文采用中值濾波對(duì)圖像進(jìn)行去噪，中值濾波方法［13］是把原圖像中某像素點(diǎn)為中心的小窗口內(nèi)（本文采用3*3的窗口）的所有像素點(diǎn)的灰度值按從小到大的順序進(jìn)行排列找出中間值，然后用該中間值代替原像素點(diǎn)的灰度值。該方法通過(guò)把與周圍灰度值差別較大的像素值換成與周圍灰度相近的值，使噪聲消除圖像得到平滑［14-15］。中值濾波在處理過(guò)程中不會(huì)消除任何像素點(diǎn)所以可以更好的保護(hù)圖像的邊緣，并且由于它不需要統(tǒng)計(jì)特性進(jìn)行計(jì)算使得其在使用中比較方便。

1.2目標(biāo)檢測(cè)

目標(biāo)檢測(cè)也叫目標(biāo)提取，它將目標(biāo)的分割和識(shí)別合二為一，其具有準(zhǔn)確性和實(shí)時(shí)性。目標(biāo)自動(dòng)提取和識(shí)別是實(shí)現(xiàn)目標(biāo)實(shí)時(shí)處理的重要基礎(chǔ)。在本實(shí)驗(yàn)中目標(biāo)檢測(cè)是將前景目標(biāo)（魚(yú)）從背景（水體）中分割提取出來(lái)，實(shí)現(xiàn)前景和背景的分割。魚(yú)一般都處于不間斷的游泳狀態(tài)因此屬于運(yùn)動(dòng)的目標(biāo)體，如果要在進(jìn)一步實(shí)現(xiàn)魚(yú)的實(shí)時(shí)跟蹤和數(shù)據(jù)提取就必須要實(shí)現(xiàn)對(duì)魚(yú)這個(gè)運(yùn)動(dòng)目標(biāo)的提取和識(shí)別。

1.2.1背景差分

背景差分法［16］是一種常用的目標(biāo)檢測(cè)法，特別適用于靜態(tài)場(chǎng)景中對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)。背景差分的主要思想是將當(dāng)前幀圖像與事先存儲(chǔ)或?qū)崟r(shí)更新得到的背景圖像進(jìn)行減運(yùn)算。本實(shí)驗(yàn)中背景圖像為水體基本是靜止不變的，每幀圖像中只有魚(yú)目標(biāo)區(qū)域的像素值發(fā)生改變，所以是比較適合用背景差分的方法來(lái)進(jìn)行目標(biāo)提取的。在差分圖像中像素值大于某一閾值則判定此像素點(diǎn)為目標(biāo)運(yùn)動(dòng)區(qū)域，否則判定為背景區(qū)域。將視頻幀圖像與背景圖像進(jìn)行差分，得到差分圖像，可用以下公式：

式中，Ik（x，y）、Fk+1（x，y）、Bk（x，y）分別為差分圖像、視頻幀圖像和背景圖像。利用上述公式對(duì)Ik（x，y）進(jìn)行閾值化分割可得到二值化圖像。

1.2.2閾值分割

本文采用Ostu（最大類間方差法）確定二值化分割的閾值。Ostu［17］是一種自適應(yīng)閾值確定的方法，是基于整幅圖像的灰度統(tǒng)計(jì)特性實(shí)現(xiàn)自動(dòng)選取閾值。Ostu算法的基本思想是用某一假設(shè)的灰度值t將圖像的灰度分成背景和目標(biāo)兩部分，當(dāng)兩組的類間方差最大時(shí)，前景和背景的差別最大，此灰度值就是圖像二值化的最佳閾值，二值化效果最好［18］。本文所用圖像分割閾值為t=120。圖4為采用Ostu閾值分割后的效果。

設(shè)一幅圖像的像素總數(shù)為N，灰度值范圍為在0～（M-1），灰度值為i的像素總個(gè)數(shù)為ni，則各灰度的概率為：

選取閾值t，將圖像分成兩組A和B，A組包含的像素的灰度值范圍為0～t，B組的灰度值范圍為（t+1）～（M-1），可得

1.2.3圖像形態(tài)學(xué)處理

經(jīng)過(guò)二值化分割后，已基本可得到正確的魚(yú)體目標(biāo)了。然而此時(shí)的魚(yú)體圖像往往含有不同程度的噪聲，如小的孤立點(diǎn)和空隙，魚(yú)體邊緣有很多不光滑的毛刺、魚(yú)體的白色區(qū)域有黑色點(diǎn)或被割裂不連續(xù)等。本文采用數(shù)字圖像中的閉運(yùn)算，先對(duì)目標(biāo)圖像做膨脹處理，再用腐蝕處理方法來(lái)進(jìn)行恢復(fù)。

圖3　Otsu閾值分割效果圖Fig.3　Image processing result using Otsu method

圖4　圖像形態(tài)學(xué)處理Fig.4　Image morphological processing

圖像形態(tài)學(xué)中的閉運(yùn)算可以平滑物體的輪廓通常也會(huì)彌合較窄的間斷和細(xì)長(zhǎng)的溝壑。消除小的孔洞，填補(bǔ)輪廓線中的斷裂。膨脹運(yùn)算［19］的作用是將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界向外擴(kuò)張。腐蝕運(yùn)算［20］的作用是消除邊界點(diǎn)，使邊界向內(nèi)部收縮。先用膨脹運(yùn)算來(lái)填充圖像中的小間隙和斷點(diǎn)，然后用腐蝕運(yùn)算將孤立點(diǎn)去除。先經(jīng)過(guò)膨脹和腐蝕處理后，原圖像的較小的噪聲去除，圖像得到平滑，從而將運(yùn)動(dòng)目標(biāo)完整的檢測(cè)出來(lái)。

1.2.4連通區(qū)域分析

連通域是指圖像中具有相同像素值且位置相鄰的前景像素點(diǎn)組成的圖像區(qū)域，連通域分析是將圖像中各個(gè)連通域找出并標(biāo)記。連通域標(biāo)記就是對(duì)二值圖像中的每個(gè)不同的連通域進(jìn)行不同的編號(hào)，以區(qū)分不同的連通域所代表的不同前景目標(biāo)。經(jīng)過(guò)目標(biāo)和檢測(cè)后得到背景為黑色，目標(biāo)魚(yú)前景為白色的二值化圖像，但計(jì)算機(jī)不能自動(dòng)識(shí)別出魚(yú)類白色區(qū)域?yàn)橐粋€(gè)連通區(qū)域。所以需要采用一定的算法來(lái)對(duì)每個(gè)區(qū)域的像素進(jìn)行標(biāo)記，把圖像中的每個(gè)區(qū)域塊標(biāo)記和區(qū)分出來(lái)。

連通域標(biāo)記步驟：（1）按照從上到下，從左到右的順序掃描所有二值圖像的像素點(diǎn)，把每一行中連續(xù)的白的像素組成的一個(gè)序列稱為一個(gè)塊，記下它的起點(diǎn)和終點(diǎn)及其所在的行號(hào)。（2）除了第一行以外的塊，如果它與前一行中的所有塊沒(méi)有相鄰區(qū)域，則給它一個(gè)新的標(biāo)號(hào)；如果僅和上一行中的一個(gè)塊有相鄰，則將上一行的標(biāo)號(hào)賦給它；如果與上一行有2個(gè)及其以上的相鄰區(qū)域，把這幾個(gè)相連塊中最小標(biāo)號(hào)賦給當(dāng)前塊，并將上一行的中與和它相鄰的這個(gè)塊寫(xiě)入等價(jià)對(duì)，認(rèn)為他們屬于同一類。（3）根據(jù)等價(jià)對(duì)建立等價(jià)表（5）對(duì)已經(jīng)標(biāo)記過(guò)的塊，查找它在等價(jià)表中的最小標(biāo)號(hào)，作為新的標(biāo)記。（4）將每個(gè)目標(biāo)連通域在圖像中標(biāo)記。

在提取出來(lái)的連通區(qū)域中，有些并不是目標(biāo)魚(yú)，由于背景簡(jiǎn)單，其它雜點(diǎn)多為餌料或者魚(yú)類的排泄物，這些物體的體積要小于魚(yú)的體積，所以統(tǒng)計(jì)輪廓的面積把長(zhǎng)度小于20，高度小于30的把連通域設(shè)成背景并對(duì)目標(biāo)進(jìn)行標(biāo)記。

圖5　連通域分析Fig.5　Connected component analysis

1.3目標(biāo)跟蹤

1.3.1邊緣檢測(cè)

經(jīng)過(guò)目標(biāo)檢測(cè)后，可以得到清晰的魚(yú)類目標(biāo)，此時(shí)對(duì)魚(yú)進(jìn)行邊緣提取以方便對(duì)其進(jìn)行跟蹤。本文采用Sobel算子對(duì)魚(yú)目標(biāo)的邊緣進(jìn)行提取。Sobel算子結(jié)合了高斯平滑和微分所以采用該算子提取的邊緣對(duì)噪聲有一定的魯棒性。由于Sobel算子的運(yùn)算復(fù)雜度小所以更易于硬件實(shí)現(xiàn)并且實(shí)時(shí)性較好［21］。對(duì)于一幅圖像，它的邊緣圖像可由下式獲得：

其中：

式中，*為卷積運(yùn)算，Hx和Hy為Sobel算子，fE（x，y）為提取的邊緣圖像。

1.3.2形心提取

目標(biāo)運(yùn)動(dòng)實(shí)質(zhì)就是把目標(biāo)看成一個(gè)質(zhì)點(diǎn)，用目標(biāo)區(qū)域的形心坐標(biāo)（x，y）來(lái)表示物體的位置。？矩特征表征了圖像區(qū)域的幾何特征，其具有旋轉(zhuǎn)、平移、尺度等特性的不變特征，所以又稱其為幾何不變矩。在圖像處理中，幾何不變矩可以作為一個(gè)重要的特征來(lái)表示物體。通過(guò)計(jì)算區(qū)域內(nèi)的像素點(diǎn)得出區(qū)域的不變矩特征，利用目標(biāo)區(qū)域的不變矩特征作為目標(biāo)圖像的形狀特征參數(shù)，以此來(lái)計(jì)算目標(biāo)的形心。采用邊緣提取后的目標(biāo)進(jìn)行形心計(jì)算，不是把每個(gè)目標(biāo)的所有像素點(diǎn)都代入上式，而只是利用邊緣像素進(jìn)行計(jì)算，可以減少計(jì)算量。

大小為n×m的數(shù)字圖像f（i，j），其矩計(jì)算公式如下：

0階矩m00是圖像灰度f(wàn)（i，j）的總和。二值圖像的m00表示目標(biāo)的面積。用m00來(lái)規(guī)格化1階矩m10和m01，則可等到目標(biāo)的形心坐標(biāo)（xc，yc）為：

利用上述公式計(jì)算每一幀圖像的形心位置，將目標(biāo)對(duì)象形心位置隨時(shí)間的變化連起來(lái)，即可獲得目標(biāo)的運(yùn)動(dòng)軌跡。

圖6　基于邊緣的目標(biāo)形心提取Fig.6　Target centroid extraction based on the edge

2　應(yīng)用實(shí)例

實(shí)驗(yàn)選取個(gè)體大小適宜的魚(yú)兩條作為試驗(yàn)魚(yú)，飼養(yǎng)于玻璃水槽中。試驗(yàn)的視頻由如圖7所示的實(shí)驗(yàn)裝置所得，包括CCD攝像頭、OK圖像采集卡和循環(huán)過(guò)濾水槽四部分組成。OK圖像采集卡安裝在計(jì)算機(jī)的主機(jī)中，通過(guò)數(shù)據(jù)線和CCD攝像頭相連接。CCD攝像頭安裝在玻璃水槽的正上方使鏡頭正對(duì)水面，調(diào)整鏡頭使其能夠拍攝整個(gè)水面并且能夠清晰的顯示魚(yú)體。循環(huán)過(guò)濾槽的作用是過(guò)濾水中的殘余餌料和魚(yú)的排泄物，使水體的雜質(zhì)減少。玻璃水槽的四周用白色防水紙張黏好，確保采集的視頻圖像背景比較均勻和清晰。本試驗(yàn)采用拍攝的視頻圖像分辨率為606×345像素，位深度為24位，幀率為15幀/s。

圖7　魚(yú)類運(yùn)動(dòng)視頻采集系統(tǒng)Fig.7　Video capture system for fish motion

試驗(yàn)時(shí)，首先對(duì)拍攝的魚(yú)的運(yùn)動(dòng)視頻圖像進(jìn)行灰度變換和中值濾波得到較好的灰度圖像，其次通過(guò)圖像間的背景差分和采用分割效果較好的Ostu閾值分割，得到魚(yú)的目標(biāo)輪廓；通過(guò)對(duì)圖像的膨脹和腐蝕操作去除孤立點(diǎn)和使割裂的部分得到連接。接著對(duì)目標(biāo)連通域標(biāo)記以區(qū)分開(kāi)目標(biāo)，最后提取魚(yú)的邊緣計(jì)算魚(yú)的形心位置，將每一幀圖像的形心位置連接，獲得魚(yú)的運(yùn)動(dòng)軌跡。本文通過(guò)實(shí)驗(yàn)自主開(kāi)發(fā)出基本可以實(shí)時(shí)和準(zhǔn)確的輸出魚(yú)的用軌跡的系統(tǒng)，如圖8所示，并且可以文本輸出軌跡點(diǎn)進(jìn)行保存進(jìn)行excel繪圖，如圖9所示。

圖8　系統(tǒng)界面圖Fig.8　Interface of the program

圖9　魚(yú)類軌跡圖Fig.9　Trajectory of the fish

3　結(jié)論

跟蹤魚(yú)的運(yùn)動(dòng)軌跡是開(kāi)展魚(yú)類行為學(xué)研究的一個(gè)基礎(chǔ)技術(shù)，本文利用計(jì)算機(jī)圖像處理技術(shù)構(gòu)建了一套目標(biāo)提取的快速方法，并將其應(yīng)用到魚(yú)類運(yùn)動(dòng)視頻圖像的分割和提取上，然后再應(yīng)該用快速而識(shí)別的算法對(duì)魚(yú)類進(jìn)行識(shí)別。試驗(yàn)結(jié)果表明，該研究提出的方法針對(duì)不是特別復(fù)雜場(chǎng)景中的魚(yú)類跟蹤具有較好的效果，并且基本實(shí)現(xiàn)了魚(yú)類運(yùn)動(dòng)軌跡的實(shí)時(shí)跟蹤。

在后續(xù)研究中，將進(jìn)一步研究在實(shí)際養(yǎng)殖環(huán)境下，魚(yú)群異常行為檢測(cè)，尤其是帶有干擾情形下的異常檢測(cè)，以期能更有效地應(yīng)用到現(xiàn)代化水產(chǎn)養(yǎng)殖中，從而提升養(yǎng)殖技術(shù)含量，為網(wǎng)箱養(yǎng)殖提供可靠依據(jù)。

［1］徐建瑜，崔紹榮，苗香雯，等.計(jì)算機(jī)視覺(jué)技術(shù)在水產(chǎn)養(yǎng)殖中的應(yīng)用與展望［J］.農(nóng)業(yè)工程學(xué)報(bào)，2005，21（8）:174-178.

［2］徐建瑜，苗香雯，崔紹榮，等.計(jì)算機(jī)視覺(jué)技術(shù)在魚(yú)類應(yīng)激狀態(tài)監(jiān)測(cè)中應(yīng)用研究［J］.漁業(yè)現(xiàn)代化，2008，35（3）:15-18.

［3］范良忠，劉鷹，余心杰，等.基于計(jì)算機(jī)視覺(jué)技術(shù)的運(yùn)動(dòng)魚(yú)檢測(cè)算法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27（7）:226-230.

［4］于欣，侯曉嬌，盧煥達(dá)，等.基于光流法與特征統(tǒng)計(jì)的魚(yú)群異常行為檢測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2014，30（2）:162-168.

［5］MA Heng，TSAI Tsuengfang，LIU Chincheng.Real-time monitoring of water quality using temporal trajectory of live fish［J］.Expert Systems with Applications，2010，37（7）:5 158-5 171.

［6］NOGITA S，BABA K，YAHAGI H，et al.Acute toxicant warning system based on a fish movement analysis by use of AI concept［C］//Artificial Intelligence for Industrial Applications，1988.IEEE AI'88，Proceedings of the International Workshop，1988: 273-276.

［7］ISRAELI D，KIMMEL E.Monitoring the behavior of hypoxia-stressed Carassius auratus using computer vision［J］.Aquacultural Engineering，1996，15（6）:423-440.

［8］徐建瑜，劉鷹.基于計(jì)算機(jī)視覺(jué)的羅非魚(yú)適應(yīng)環(huán)境的體色變化研究［J］.水生生物學(xué)報(bào)，2009，33（2）:164-169.

［9］黃東龍，周勤.水體突發(fā)性重金屬污染脅迫下斑馬魚(yú)的行為反應(yīng)分析［J］.環(huán)境監(jiān)測(cè)管理與技術(shù)，2011，23（4）:27-31.

［10］盧煥達(dá)，劉鷹，范良忠.基于計(jì)算機(jī)是視覺(jué)的魚(yú)類行為自動(dòng)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.漁業(yè)現(xiàn)代化，2011，38（1）:19-23.

［11］張學(xué)賀，張學(xué)東，丁寧.基于OpenCV的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤［J］.遼寧科技大學(xué)學(xué)報(bào)，2010，33（5）:490-494.

［12］CATTLEMAN R K.Digital image processing［M］.Beijing:Publishing House of Electronics Industry，2008.

［13］馬彥平，白由路，高祥照，等.基于數(shù)字圖像的玉米葉面積測(cè)量方法研究［J］.中國(guó)農(nóng)學(xué)通報(bào)，2009，25（22）:329-334.

［14］阮秋琦.數(shù)字圖像處理學(xué)［M］.北京:電子工業(yè)出版社，2003.

［15］蔣潔，焦斌亮.Matlab在激光水下圖像處理中的應(yīng)用［J］.科技導(dǎo)報(bào)，2010，28（10）:87-89.

［16］周鴻斌.基于計(jì)算機(jī)視覺(jué)的魚(yú)類運(yùn)動(dòng)監(jiān)測(cè)系統(tǒng)研究［A］.

［17］OSTU N.A Threshold Selection Method from Gray-Level Histograms［J］.IEEE Transactions on System，Man，and Cybernetics，1979，9（1）:62-66.

［18］孫少林，馬志強(qiáng)，湯偉.灰度圖像二值化算法研究［J］.價(jià)值工程，2010，42（5）:142-143.

［19］甘明剛，陳杰，劉勁，等.一種基于三幀差分和邊緣信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］.電子與信息學(xué)報(bào)，2010，32（4）:894-897.

［20］欒慶磊，趙為松.動(dòng)背景下幀差分法與邊緣信息融合的目標(biāo)檢測(cè)算法［J］.光電工程，2011，38（10）:77-83.

［21］張鶴，吳謹(jǐn)，吳雪垠.結(jié)合對(duì)稱差分和邊界信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法信息技術(shù)［J］.信息技術(shù)，2011，11（2）:138-142.

Fish Motion Trajectory Tracing Technology Using Video Images

JIANG Dan-dan，GUI Fu-kun
（National Engineering Research Center of Marine Facilities Aquaculture，Marine Science and Technology School of Zhejiang Ocean University，Zhoushan316022，China）

With the continuous development of the sea cage aquaculture，it is necessary to monitor the water-quality and culture density to assure the superior quality.However，it is difficult to do this work by human labor.The fish have the different stress response as circumstances varied，so observing the fish behavior provides an important method for fish health monitoring and early warning.In this study，fish behavior video was processed by using computer vision technology and programming.The video images were processed following the steps:intensity transformations，gray stretch，filtering de-noising pretreatment.At the end，the target fish was extracted using target segmentation method.Then we will get the eddy contour of the fish to compute the centroid after removing other miscellaneous points.Taking the centroid as a trace point，we got the fish trajectory finally. From this study，we can draw the fish trajectory directly from the video.The program can be used for real-time tracking of the target fish.

aquaculture；image processing；fish swimming behavior；trajectory tracking

TP391.41

A

1008-830X（2015）02-0112-07

2014-11-03

國(guó)家科技支撐計(jì)劃（2012BAB16B02）；浙江省學(xué)術(shù)攀登計(jì)劃（pd2013217）；舟山市海洋專項(xiàng)（2013C41002）

江丹丹（1989-），女，浙江臺(tái)州人，碩士研究生，研究方向：養(yǎng)殖生物學(xué)與養(yǎng)殖工程技術(shù).E-mail:jdd725@126.com

桂福坤（1976-），男，副教授，研究方向：海洋設(shè)施養(yǎng)殖工程技術(shù).E-mail:gui2237@163.com