基于主动视觉的河蟹运动分析方法研究

摘要

由于河蟹昼伏夜出的习性，对自动运动及行为分析带来诸多难题。针对低照度条件下河蟹视频目标难以准确检测、图像特征难以准确提取以及传统视频目标运动跟踪算法适用性差等问题，本文研究了适用于河蟹运动分析的计算机视觉运动分析方法，主要工作和创新点如下：
　　（1）提出了一种基于改进 Retinex算法和频率调谐显著性估计算法的低照度河蟹目标检测方法，来解决低照度条件下河蟹视频目标难以检测的问题。通过在传统Retinex算法中加入双边滤波器进行噪声处理，有效地提高了低照度图像的对比度；图像增强后，利用频率调谐显著性估计算法实现了河蟹目标的自动检测。实验验证，相较于传统 Retinex算法，改进 Retinex算法的峰值信噪比有大幅度提升；在低照度条件下所提目标检测方法的平均检测准确度为89％。提出了一种改进的图割算法用于河蟹蟹壳区域的精细分割，来解决低照度图像特征难以提取的问题。改进的图割算法是基于河蟹目标检测结果和手动标记种子像素区域的双通道输入。实验验证，所提分割算法在低照度条件下河蟹蟹壳区域的平均目标覆盖率为90.6%，优于分水岭算法的平均目标覆盖率79.3%。
　　（2）提出了一种基于蟹壳区域像素数量特征的河蟹重量估计方法；实验验证，所提河蟹重量估计方法的平均相对误差为±3.92%。提出了一种改进的Camshift河蟹视频目标运动跟踪算法，来解决传统视频目标运动跟踪算法适用性差的问题。在传统Camshift视频目标运动跟踪算法的基础上，加入目标区域分块机制，以河蟹颜色概率分布特征为依据，河蟹蟹壳所在区域设置较高的权值。实验验证，所提跟踪算法可在河蟹的多种运动状态包括旋转运动，保持较高的跟踪准确度，在河蟹视频数据集上可以连续准确地跟踪达到5568帧。基于所提跟踪算法研发了一套河蟹视频单目标运动跟踪系统，可用于获取河蟹视频单目标的运动轨迹、速度等运动信息。针对河蟹多目标跟踪问题，提出了一种基于目标检测的河蟹多目标跟踪方法，可用于辅助河蟹运动行为分析；实验验证，在河蟹视频数据集上具有较好的跟踪效果，可用于获取河蟹多目标的运动轨迹、速度等运动信息。

目录

封面

声明

符号说明

目录

中文摘要

英文摘要

1 绪论

1.1 课题研究目的及意义

1.2 国内外研究现状

1.3 研究内容与思路

1.4 论文组织结构

1.5 研究特色与创新点

1.6 本章小结

2 主动视觉理论方法综述

2.1 目标特征表述

2.2 图像预处理方法

2.3 目标检测方法

2.4 目标分割方法

2.5 目标跟踪方法

2.6 本章小结

3 低照度条件下河蟹目标检测与分割方法

3.1 引言

3.2 基于改进Retinex算法和显著性估计的河蟹目标检测方法

3.3 基于改进图割算法的河蟹蟹壳区域分割方法

3.4 结果与讨论

3.5 本章小结

4 河蟹特征提取及目标跟踪方法

4.1 引言

4.2 跟踪框架

4.3 河蟹特征提取

4.4 基于改进Camshift算法的河蟹视频目标跟踪方法

4.5 基于目标检测的河蟹多目标跟踪方法

4.6 本章小结

5 河蟹运动分析系统实现

5.1 系统介绍

5.2 硬件平台设计

5.3 软件平台设计

5.4 本章小结

6 总结与展望

6.1 本文结论

6.2 未来展望

参考文献

致谢

攻读硕士期间取得的主要学术成果