基于人工神经网络的鱼类轨迹跟踪方法和系统技术方案

本发明专利技术涉及一种基于人工神经网络的鱼类轨迹跟踪方法和系统，该方法包括：S1，获取目标鱼类的视频或图像；S2，获取带有标签的鱼体图像作为初始训练样本集并输入U‑net卷积神经网络通过深度学习算法进行迭代训练得到鱼体识别神经网络模型；S3，利用鱼体识别神经网络模型对采集的目标鱼类的视频或图像中的鱼体进行识别并分割出鱼体形态，计算鱼体中预设点的位置；S4，利用目标跟踪算法得到目标鱼类的运动轨迹，分析目标鱼类的运动特征。该方法能够精确地对鱼体进行识别和轨迹跟踪，从而降低实验对光照条件的依赖及克服鱼缸的镜面反射和水面波动的影响，计算效率高，可以应用到长时间的实验视频中，识别和轨迹跟踪的效果提高。

【技术实现步骤摘要】
基于人工神经网络的鱼类轨迹跟踪方法和系统
本专利技术属于鱼类轨迹跟踪的
，具体涉及一种基于人工神经网络的鱼类轨迹跟踪方法和系统。
技术介绍
鱼类在摄食、迁徙、逃避敌害时均有游泳行为，通过对鱼类游泳行为的监控分析，能够很好的服务于水质监测、生物医学、水产养殖、生态保护和工程规划、建设。洞穴鱼广义上是指生活在岩溶喀斯特地貌的地下洞穴、河流和湖泊中的淡水鱼，中国是世界上洞穴鱼种类最丰富的国家，近些年为保护洞穴鱼，关于洞穴鱼的实验室研究将逐渐增多。实验室洞穴鱼行为学研究中，跟踪鱼类的运动轨迹和行为，可以帮助分析鱼类对不同水流、水质条件的偏好性，为鱼道设计及鱼类栖息地的修复规划提供依据。野外洄游鱼类观测中，如青海湖裸鲤，对鱼类的洄游进行跟踪，可以为保护鱼类的洄游路径，产卵场以及育幼场提供技术支持。目前，没有专门对洞穴鱼的轨迹跟踪软件，洞穴鱼的轨迹跟踪只能靠其他鱼类研究的经验，进行识别并跟踪其运动轨迹。目前，实验室内的鱼类识别和轨迹跟踪方法，主要基于前景检测算法，前景检测的方法是将运动前景与静止的背景区分开，不受鱼类在游动过程中姿态变化的影响本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络的鱼类轨迹跟踪方法，其特征在于，所述方法包括如下步骤：/nS1，获取目标鱼类的视频或图像；/nS2，获取带有标签的鱼体图像作为初始训练样本集并输入U-net卷积神经网络，通过深度学习算法进行迭代训练，得到基于人工神经网络的用于鱼体识别和鱼类轨迹跟踪的鱼体识别神经网络模型；/nS3，将所述采集的目标鱼类的视频或图像输入到所述鱼体识别神经网络模型；利用所述鱼体识别神经网络模型对所述采集的目标鱼类的视频或图像中的一个或多个鱼体进行识别，并分割出所述一个或多个鱼体在所述视频或图像中的形态；再根据分割出来的鱼体的形态，计算鱼体中预设点的位置；/nS4，根据所述鱼体中预设点的位置，...

【技术特征摘要】
1.一种基于人工神经网络的鱼类轨迹跟踪方法，其特征在于，所述方法包括如下步骤：
S1，获取目标鱼类的视频或图像；
S2，获取带有标签的鱼体图像作为初始训练样本集并输入U-net卷积神经网络，通过深度学习算法进行迭代训练，得到基于人工神经网络的用于鱼体识别和鱼类轨迹跟踪的鱼体识别神经网络模型；
S3，将所述采集的目标鱼类的视频或图像输入到所述鱼体识别神经网络模型；利用所述鱼体识别神经网络模型对所述采集的目标鱼类的视频或图像中的一个或多个鱼体进行识别，并分割出所述一个或多个鱼体在所述视频或图像中的形态；再根据分割出来的鱼体的形态，计算鱼体中预设点的位置；
S4，根据所述鱼体中预设点的位置，利用目标跟踪算法得到目标鱼类的运动轨迹，并输出预设点的运动轨迹或某一时刻鱼体的形态，分析目标鱼类的运动特征。


2.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述带有标签的鱼体图像分为训练组和验证组，首先将训练组输入U-net卷积神经网络进行训练，得到初步训练模型，再利用所述验证组对所述初步训练模型进行迭代训练得到用于鱼体识别和鱼类轨迹跟踪的鱼体识别神经网络模型。


3.根据权利要求2所述的方法，其特征在于，所述训练组和验证组的数量比例为8:2。


4.根据权利要求3所述的方法，其特征在于，在步骤S2中，所述获取带有标签的鱼体图像的数量为200-400张，野外获取则增加20—30％的数量。


5.根据权利要求1～4中任一项所述的方法，其特征在于，在步骤S1之后，所述方法还包括步骤S1+，对采集的目标鱼类的视频或图像进行镜头校正；此时步骤S3是将镜头校正后的目标鱼类的视频或图像输入到所述鱼体识别神经网络模型。


6.根据权利要求1～4中任一项所述的方法，其特征在于，在步骤S3中，所述鱼体中预设点包括...

【专利技术属性】
技术研发人员：徐梦珍，雷发楷，张玍，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11