一种基于细菌鞭毛染色图像的轨迹确定方法技术

本发明专利技术公开了一种基于细菌鞭毛染色图像的轨迹确定方法，方法包括：获取细菌鞭毛染色视频，根据细菌鞭毛染色视频确定若干帧细菌鞭毛染色图像；将各帧细菌鞭毛染色图像输入目标检测算法，得到含有检测框的各帧细菌鞭毛染色图像，其中，检测框用于反映细菌所在位置；将含有检测框的各帧细菌鞭毛染色图像输入轨迹跟踪算法，得到若干细菌分别对应的移动轨迹；根据各细菌的移动轨迹，确定各细菌分别对应的运动决策。本发明专利技术通过结合细菌鞭毛荧光显微成像技术、目标检测算法以及轨迹跟踪算法，解决了现有的细菌运动轨迹分析方法仅适用于液体环境，在存在障碍物的随机地形下难以准确判断细菌的运动决策的问题。菌的运动决策的问题。菌的运动决策的问题。

【技术实现步骤摘要】
一种基于细菌鞭毛染色图像的轨迹确定方法


[0001]本专利技术涉及图像分析领域，尤其涉及的是一种基于细菌鞭毛染色图像的轨迹确定方法。

技术介绍

[0002]细菌趋化运动是细菌感知和响应环境变化的重要机制，对于细菌在不同环境中的生存和繁殖都至关重要。细菌通过感知环境中的化学物质浓度梯度，并调整其运动方向，以实现趋向或远离某些刺激物质。细菌趋化运动是一种高度复杂的行为，它涉及到多个组分的协同作用，如感受器、信号转导系统、运动鞭毛等。因此，对细菌趋化运动的研究有助于揭示细菌感知和响应环境的机制，也可以为生物医学工程领域的研究提供参考。
[0003]目前已经有一些关于细菌趋化运动的研究。然而这些研究主要是关注细菌在液体(无障碍物)中的运动轨迹分析，在随机地形下细菌的运动轨迹受障碍物影响，导致难以基于细菌的运动轨迹判断细菌的运动决策。
[0004]因此，现有技术还有待改进和发展。

技术实现思路

[0005]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于细菌鞭毛染色图像的轨迹确定方法，旨在解决现有的细菌运动轨迹分析方法仅适用于液体环境，在存在障碍物的随机地形下难以准确判断细菌的运动决策的问题。
[0006]本专利技术解决问题所采用的技术方案如下：
[0007]第一方面，本专利技术实施例提供一种基于细菌鞭毛染色图像的轨迹确定方法，其中，所述方法包括：
[0008]获取细菌鞭毛染色视频，根据所述细菌鞭毛染色视频确定若干帧细菌鞭毛染色图像；
[0009]将各帧所述细菌鞭毛染色图像输入目标检测算法，得到含有检测框的各帧所述细菌鞭毛染色图像，其中，所述检测框用于反映细菌所在位置；
[0010]将含有所述检测框的各帧所述细菌鞭毛染色图像输入轨迹跟踪算法，得到若干所述细菌分别对应的移动轨迹；
[0011]根据各所述细菌的所述移动轨迹，确定各所述细菌分别对应的运动决策。
[0012]在一种实施方式中，根据所述细菌鞭毛染色视频确定若干帧细菌鞭毛染色图像，包括
[0013]根据所述细菌鞭毛染色视频确定若干帧原始细菌鞭毛染色图像；
[0014]对各帧所述原始细菌鞭毛染色图像进行预处理，得到各帧所述细菌鞭毛染色图像，其中，所述预处理包括图像去噪、图像增强、图像分割中的一种或者多种操作。
[0015]在一种实施方式中，所述目标检测算法的工作原理为：
[0016]针对输入的每帧所述细菌鞭毛染色图像，检测该帧细菌鞭毛染色图像中各所述细
菌的位置信息和类别信息；
[0017]根据各所述细菌的所述位置信息生成各所述细菌分别对应的所述检测框；
[0018]根据各所述细菌的所述类别信息确定各所述检测框分别对应的颜色、ID以及各类别的预测置信度，其中，不同类别的所述细菌采用不同颜色的所述检测框。
[0019]在一种实施方式中，所述目标检测算法预先经过训练，训练方法包括：
[0020]将训练图像输入未完成训练的目标检测算法，得到所述训练图像中若干预测框分别对应的坐标数据和各类别的预测置信度；
[0021]获取所述训练图像对应的真实的若干标注框；
[0022]通过交并比确定各所述预测框和对应的所述标注框的重合度，根据各所述预测框的所述预测置信度和所述重合度对各所述预测框进行分类；
[0023]根据分类结果确定所述目标检测算法的性能指标，判断所述性能指标是否满足训练要求，若否，继续执行将训练图像输入未完成训练的目标检测算法的步骤，直至所述性能指标满足所述训练要求，得到已训练的所述目标检测算法。
[0024]在一种实施方式中，所述轨迹跟踪算法的工作原理为：
[0025]针对输入的每帧所述细菌鞭毛染色图像，根据前一帧所述细菌鞭毛染色图像的所述检测框通过卡尔曼滤波跟踪算法得到该帧细菌鞭毛染色图像的目标预测结果；
[0026]获取该细菌鞭毛染色图像的目标检测结果，计算所述目标检测结果和所述目标预测结果的交并比重叠矩阵；
[0027]根据所述交并比重叠矩阵通过匈牙利指派算法进行该帧细菌鞭毛染色图像的目标指派，得到最优匹配；
[0028]根据所述最优匹配确定该帧细菌鞭毛染色图像与前一帧所述细菌鞭毛染色图像之间交并比高于或者等于预设阈值的目标数据关联和位置关联；
[0029]判断含有所述检测框的各帧所述细菌鞭毛染色图像是否均处理完毕，当是时，根据生成的所有所述目标数据关联和所述位置关联确定各所述细菌分别对应的所述移动轨迹。
[0030]在一种实施方式中，根据各所述细菌的所述移动轨迹，确定各所述细菌分别对应的运动决策，包括：
[0031]根据各所述细菌的所述移动轨迹，确定各所述细菌分别对应的运动学特征；
[0032]根据各所述细菌的所述运动学特征，确定各所述细菌分别对应的所述运动决策。
[0033]在一种实施方式中，所述方法还包括：
[0034]将各所述细菌的所述运动决策标记在各所述细菌的所述检测框上；
[0035]根据标记后的各帧所述细菌鞭毛染色图像生成细菌追踪视频。
[0036]第二方面，本专利技术实施例还提供一种基于细菌鞭毛染色图像的轨迹确定装置，其中，所述装置包括：
[0037]获取模块，用于获取细菌鞭毛染色视频，根据所述细菌鞭毛染色视频确定若干帧细菌鞭毛染色图像；
[0038]检测模块，用于将各帧所述细菌鞭毛染色图像输入目标检测算法，得到含有检测框的各帧所述细菌鞭毛染色图像，其中，所述检测框用于反映细菌所在位置；
[0039]跟踪模块，用于将含有所述检测框的各帧所述细菌鞭毛染色图像输入轨迹跟踪算
法，得到若干所述细菌分别对应的移动轨迹；
[0040]确定模块，用于根据各所述细菌的所述移动轨迹，确定各所述细菌分别对应的运动决策。
[0041]第三方面，本专利技术实施例还提供一种终端，其中，所述终端包括有存储器和一个以上处理器；所述存储器存储有一个以上的程序；所述程序包含用于执行如上述任一所述的基于细菌鞭毛染色图像的轨迹确定方法的指令；所述处理器用于执行所述程序。
[0042]第四方面，本专利技术实施例还提供一种计算机可读存储介质，其上存储有多条指令，其中，所述指令适用于由处理器加载并执行，以实现上述任一所述的基于细菌鞭毛染色图像的轨迹确定方法的步骤。
[0043]本专利技术的有益效果：本专利技术实施例通过结合细菌鞭毛荧光显微成像技术、目标检测算法以及轨迹跟踪算法，解决了现有的细菌运动轨迹分析方法仅适用于液体环境，在存在障碍物的随机地形下难以准确判断细菌的运动决策的问题。
附图说明
[0044]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于细菌鞭毛染色图像的轨迹确定方法，其特征在于，所述方法包括：获取细菌鞭毛染色视频，根据所述细菌鞭毛染色视频确定若干帧细菌鞭毛染色图像；将各帧所述细菌鞭毛染色图像输入目标检测算法，得到含有检测框的各帧所述细菌鞭毛染色图像，其中，所述检测框用于反映细菌所在位置；将含有所述检测框的各帧所述细菌鞭毛染色图像输入轨迹跟踪算法，得到若干所述细菌分别对应的移动轨迹；根据各所述细菌的所述移动轨迹，确定各所述细菌分别对应的运动决策。2.根据权利要求1所述的基于细菌鞭毛染色图像的轨迹确定方法，其特征在于，根据所述细菌鞭毛染色视频确定若干帧细菌鞭毛染色图像，包括根据所述细菌鞭毛染色视频确定若干帧原始细菌鞭毛染色图像；对各帧所述原始细菌鞭毛染色图像进行预处理，得到各帧所述细菌鞭毛染色图像，其中，所述预处理包括图像去噪、图像增强、图像分割中的一种或者多种操作。3.根据权利要求1所述的基于细菌鞭毛染色图像的轨迹确定方法，其特征在于，所述目标检测算法的工作原理为：针对输入的每帧所述细菌鞭毛染色图像，检测该帧细菌鞭毛染色图像中各所述细菌的位置信息和类别信息；根据各所述细菌的所述位置信息生成各所述细菌分别对应的所述检测框；根据各所述细菌的所述类别信息确定各所述检测框分别对应的颜色、ID以及各类别的预测置信度，其中，不同类别的所述细菌采用不同颜色的所述检测框。4.根据权利要求3所述的基于细菌鞭毛染色图像的轨迹确定方法，其特征在于，所述目标检测算法预先经过训练，训练方法包括：将训练图像输入未完成训练的目标检测算法，得到所述训练图像中若干预测框分别对应的坐标数据和各类别的预测置信度；获取所述训练图像对应的真实的若干标注框；通过交并比确定各所述预测框和对应的所述标注框的重合度，根据各所述预测框的所述预测置信度和所述重合度对各所述预测框进行分类；根据分类结果确定所述目标检测算法的性能指标，判断所述性能指标是否满足训练要求，若否，继续执行将训练图像输入未完成训练的目标检测算法的步骤，直至所述性能指标满足所述训练要求，得到已训练的所述目标检测算法。5.根据权利要求1所述的基于细菌鞭毛染色图像的轨迹确定方法，其特征在于，所述轨迹跟踪算法的工作原理为：针对输入的每帧所述细菌鞭毛染色图像，根据前一帧所述细菌鞭毛染色图像的所述检测框通过卡尔曼滤波跟...

【专利技术属性】
技术研发人员：傅雄飞，程松涛，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：