面向水产养殖监控的多运动鱼体目标检测算法研究

摘要

视频分析已成为推动水产养殖信息化和智能化的重要技术手段，运动目标检测是进行鱼体跟踪、行为识别、异常行为检测的关键环节。本文面向室内水产养殖监控视频下的运动鱼体目标检测问题，研究基于背景建模的运动目标检测方法。
　　研究分析了基于混合高斯模型背景建模法（GMM算法）和基于局部二值纹理背景建模法（LBP算法）的基本原理，具体包括单高斯模型、多高斯混合模型、LBP及其衍生算子。针对单目全局室内水产养殖视频监控的实际问题，讨论了水面杂波、反光、照明变化等因素对运动目标检测算法带来的挑战。
　　开展了面向水产养殖监控场景的背景建模算法对比实验研究工作。重点考察和论证了GMM与LBP算法的适用性，细致分析了水产养殖监控场景下各模型参数对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响，同时考虑了不同颜色空间分量的作用。建立了鱼类养殖监控场景标准数据集，用于进行实验结果的客观评价。
　　针对目标完整度缺失、存在鬼影，以及水面强光反射噪声干扰等问题，对原XCS-LBP纹理描述符进行了改进，并进一步给出了一种通过判定局部噪声区域自适应调整相似度阈值而后进行前景检测的目标检测算法。最后，将改进的背景建模算法与GMM算法、原XCS-LBP算法进行了对比，对实验结果进行了定性和定量的分析评价。结果表明，本文给出的算法是可行的、有效的，能够显著抑制鬼影和水面强灯光反射噪声的负面影响，适用于解决面向室内鱼类养殖监控场景的运动目标检测问题。

目录

声明

第1章 绪 论

1.1 课题背景及意义

1.2 国内外研究现状

1.3 本文主要研究内容

第2章 基于背景建模的运动目标检测算法原理

2.1 引言

2.2 基于混合高斯模型的运动目标检测算法

2.3 基于局部二值纹理特征的运动目标检测算法

2.4 运动鱼体目标检测的难点

2.5 本章小结

第3章 GMM与LBP背景建模算法的对比研究

3.1 引言

3.2 评价方法与标准数据库

3.3 颜色空间分析与选择

3.4 GMM模型关键参数对检测结果的影响

3.5 LBP及其衍生算子对检测结果的影响

3.6 本章小结

第4章 基于改进XCS-LBP的运动目标检测算法

4.1 引言

4.2基于改进XCS-LBP的背景建模方法

4.3 实验结果与分析

4.4 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢