基于角点光流与SVM的增氧机工作状态检测

摘要

在水产养殖中,实时检测增氧机的工作状态非常重要.因此,提出了一种基于角点光流与支持向量机SVM模型的增氧机工作状态检测方法.该方法首先通过摄像机采集增氧机停止/运行状态的视频,然后对相继前后两个视频帧,利用Harris算法检测前一帧图像的水花角点,再根据后一帧,用金字塔Lucas-kanade光流法计算角点的光流量,从而得出水花角点在两帧之间的帧间平均位移;然后,利用学习阶段视频的角点帧间平均位移数据训练SVM模型;最后利用训练好的SVM模型对增氧机实时工作状态进行判断.在工作阶段,采用一种过滤异常视频帧的方法,提高检测的准确率.通过实验表明,该方法适应于对不同光照、不同视频获取角度和不同拍摄距离条件下增氧机工作状态的实时监控,检测准确率高于直方图阈值分割方法.同时,该方法具有较好的鲁棒性和实时性.