一种鱼类数量监测、洄游跟踪的方法和系统技术方案

本发明专利技术提出一种鱼类数量监测、洄游跟踪的方法和系统，所述方法包括：通过水下鱼类图像数据集训练深度学习模型，得到鱼类检测模型；通过鱼类检测模型预测得到第一鱼类检测框和对应的置信度；通过高斯混合模型，计算连续采集的待测鱼类图像中的鱼类概率图，并提取第二鱼类检测框；计算第一鱼类检测框和第二鱼类检测框的总数作为鱼类数量初步统计值；比较不同时刻对应的鱼类检测框内鱼的深度特征，跟踪鱼的轨迹，剔除重复计数的鱼，得到鱼类数量监测值；根据鱼的轨迹进行鱼类洄游跟踪。本发明专利技术将基于深度学习模型和高斯混合模型相结合鱼类数量监测和轨迹跟踪，可以避免漏检和重复计数，提高鱼类数量监测的准确度。提高鱼类数量监测的准确度。提高鱼类数量监测的准确度。

【技术实现步骤摘要】
一种鱼类数量监测、洄游跟踪的方法和系统


[0001]本专利技术属于生态环境检测
，具体涉及一种鱼类数量监测、洄游跟踪的方法和系统。

技术介绍

[0002]在水生态环境检测中，鱼类的检测是评价生态变化的重要指标，鱼类数量、洄游的情况跟水质密切相关。环境工作者需要根据这些指标分析水质情况，了解环境变化带来的影响，还可以科学的制定生态捕捞方案。目前鱼类检测主要有两种方式1.局部水域幼苗采用，通过采样局部水域幼苗的数量，估算出总体鱼的数量；2.局部水域观察，通过人眼观察鱼的数量，估算出总体鱼的数量。以上方法主观性太强，存在重复统计的情况，外界环境的变化也会对监测数量产生较大影响，而且需要人工参与，效率比较低。
[0003]现有技术中也出现一些利用图像处理的手段进行鱼类数量估计的方案，比如申请号为CN114255203A的专利公开了一种鱼苗数量估计方法及系统，其通过光学相机和摄像机等图像采集设备，采集待识别的鱼苗的多幅图像，对鱼苗图像进行热力图处理，并通过神经网络模型预测鱼类数量。但是种类方案一般只适用于水体清澈、采集的鱼苗图像较清晰的场景，而在普通的水质分析场景下，水下环境复杂，往往水体浑浊、采集的图像质量不高，而且鱼类来回游动，容易漏检或重复计数，很难准确进行数量估计。
[0004]因此，需要一种鱼类计数更准确的鱼类数量监测、洄游跟踪的方法。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种鱼类数量监测、洄游跟踪的方法和系统，用于解决水体浑浊情况下鱼类数量估计准确度不高的问题。
[0006]本专利技术第一面，公开一种鱼类数量监测、洄游跟踪的方法，所述方法包括：搭建深度学习模型，通过水下鱼类图像数据集训练深度学习模型，得到鱼类检测模型；将连续采集的多帧待测鱼类图像输入鱼类检测模型，预测得到第一鱼类检测框和对应的置信度；通过高斯混合模型，计算连续采集的待测鱼类图像中的鱼类概率图，并提取第二鱼类检测框；计算第一鱼类检测框和第二鱼类检测框的总数作为鱼类数量初步统计值，并提取所有鱼类检测框内鱼的深度特征；比较不同时刻对应的鱼类检测框内鱼的深度特征，跟踪鱼的轨迹，从鱼类数量初步统计值中剔除重复计数的鱼，得到鱼类数量监测值；根据鱼的轨迹进行鱼类洄游跟踪。
[0007]在以上技术方案的基础上，优选的，所述深度学习模型由32个基础网络单元串联组成，每个基础网络单元包括依次连接的卷积层、BatchNorm层和激活层。
[0008]在以上技术方案的基础上，优选的，所述通过高斯混合模型，计算连续采集的待测鱼类图像中的鱼类概率图，并提取第二鱼类检测框具体包括：设t代表第t帧待测鱼类图像，为第t帧待测鱼类图像中第i行、第j列的像素位置的像素值；初始化每个像素位置(i,j)处的像素值的像素均值和方差；对于第t帧待测鱼类图像，根据第t
‑
1帧待测鱼类图像的均值和方差计算各个像素位置为前景的概率；当时，根据第t
‑
1帧待测鱼类图像像素位置(i,j)处的像素均值更新第t帧待测鱼类图像像素位置(i,j)处的像素均值和方差；根据第t帧待测鱼类图像的像素位置(i,j)处的像素均值和方差重新计算各个像素位置为前景的概率；根据重新计算的各个像素位置为前景的概率更新对应像素位置(i,j)的像素值：
[0009]其中，为像素位置(i,j)处的像素值；根据各个像素位置处的像素值得到鱼类概率图，通过求连通域提取第二鱼类检测框。
[0010]在以上技术方案的基础上，优选的，通过正态分布计算各个像素位置为前景的概率。
[0011]在以上技术方案的基础上，优选的，所述根据第t
‑
1帧待测鱼类图像像素位置(i,j)处的像素均值更新第t帧待测鱼类图像像素位置(i,j)处的像素均值和方差的公式为：
[0012]其中，为第t
‑
1帧待测鱼类图像中像素位置(i,j)处的像素均值，、分别为第t帧待测鱼类图像中像素位置(i,j)处的像素均值和方差。
[0013]在以上技术方案的基础上，优选的，所述比较不同时刻对应的鱼类检测框内鱼的
深度特征，跟踪鱼的轨迹具体包括：设t时刻第s个鱼类检测框中鱼的深度特征向量为，设t
‑
1时刻第r个鱼类检测框中鱼的深度特征向量为，其中，N'为t
‑
1时刻对应的鱼类检测框总数；当时，认为是同一条鱼的轨迹，同一条鱼的轨迹不重复计数，其中。
[0014]在以上技术方案的基础上，优选的，所述根据鱼的轨迹进行鱼类洄游跟踪具体包括：设为第s条鱼前t个时刻的轨迹向量，则t时刻的轨迹向量表示为：
[0015]其方向角度为：
[0016]其中，分别为在横轴x上的分量和在纵轴y上的分量；当为正向洄游，为逆向洄游。
[0017]本专利技术第二方面，公开一种鱼类数量监测、洄游跟踪的系统，所述系统包括：第一检测框提取模块：用于搭建深度学习模型，通过水下鱼类图像数据集训练深度学习模型，得到鱼类检测模型；将连续采集的多帧待测鱼类图像输入鱼类检测模型，预测得到第一鱼类检测框和对应的置信度；第二检测框提取模块：用于通过高斯混合模型，计算连续采集的待测鱼类图像中的鱼类概率图，并提取第二鱼类检测框；鱼类数量计算模块：用于计算第一鱼类检测框和第二鱼类检测框的总数作为鱼类数量初步统计值，并提取所有鱼类检测框内鱼的深度特征；比较不同时刻对应的鱼类检测框内鱼的深度特征，跟踪鱼的轨迹，从鱼类数量初步统计值中剔除重复计数的鱼，得到鱼类数量监测值；鱼类洄游跟踪模块：用于根据鱼的轨迹进行鱼类洄游跟踪。
[0018]本专利技术第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本专利技术第一方面所述的方法。
[0019]本专利技术第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如本专利技术第一方面所述的方法。
[0020]本专利技术相对于现有技术具有以下有益效果：1）本专利技术将基于深度学习模型的鱼类检测和基于高斯混合模型的鱼类检测相结合进行鱼类数量监测，通过高斯混合模型计算鱼类概率图，弥补水质浑浊情况下深度学习模型不能很好地检测出背景中所有鱼类目标的问题，从而避免漏检，同时通过比较不同时刻对应的鱼类检测框内鱼的深度特征以跟踪鱼的轨迹，可以避免重复计数，提高鱼类数量监测的准确度；2）本专利技术根据第前一帧待测鱼类图像对应像素位置的均值更新下一帧待测鱼类图像对应像素位置的均值和方差，从而关联不同时刻的水体背景图像，以适应水下环境的动态变化，并在动态环境下计算鱼类概率图，提高提取剩下的鱼的检测框的准确度；3）本专利技术可以根据鱼类跟踪判断鱼的洄游方向，且不受环境、天气的影响，可以系统性的观察鱼的数量和洄游状态，计算效率较高。
附图说明
[0021]为了更清楚地说明本专利技术实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鱼类数量监测、洄游跟踪的方法，其特征在于，所述方法包括：搭建深度学习模型，通过水下鱼类图像数据集训练深度学习模型，得到鱼类检测模型；将连续采集的多帧待测鱼类图像输入鱼类检测模型，预测得到第一鱼类检测框和对应的置信度；通过高斯混合模型，计算连续采集的待测鱼类图像中的鱼类概率图，并提取第二鱼类检测框；计算第一鱼类检测框和第二鱼类检测框的总数作为鱼类数量初步统计值，并提取所有鱼类检测框内鱼的深度特征；比较不同时刻对应的鱼类检测框内鱼的深度特征，跟踪鱼的轨迹，从鱼类数量初步统计值中剔除重复计数的鱼，得到鱼类数量监测值；根据鱼的轨迹进行鱼类洄游跟踪。2.根据权利要求1所述的鱼类数量监测、洄游跟踪的方法，其特征在于，所述深度学习模型由32个基础网络单元串联组成，每个基础网络单元包括依次连接的卷积层、BatchNorm层和激活层。3.根据权利要求1所述的鱼类数量监测、洄游跟踪的方法，其特征在于，所述通过高斯混合模型，计算连续采集的待测鱼类图像中的鱼类概率图，并提取第二鱼类检测框具体包括：设t代表第t帧待测鱼类图像，为第t帧待测鱼类图像中第i行、第j列的像素位置的像素值；初始化每个像素位置(i, j)处的像素值的像素均值和方差；对于第t帧待测鱼类图像，根据第t
‑
1帧待测鱼类图像的均值和方差计算各个像素位置为前景的概率；当时，根据第t
‑
1帧待测鱼类图像像素位置(i, j)处的像素均值更新第t帧待测鱼类图像像素位置(i, j)处的像素均值和方差；根据第t帧待测鱼类图像的像素位置(i, j)处的像素均值和方差重新计算各个像素位置为前景的概率；根据重新计算的各个像素位置为前景的概率更新对应像素位置(i, j)的像素值：；其中，为像素位置(i, j)处的像素值；根据各个像素位置处的像素值得到鱼类概率图，通过对鱼类概率图求连通域提取第二鱼类检测框。4.根据权利要求3所述的鱼类数量监测、洄游跟踪的方法，其特征在于，通过正态分布
计算各个像素位置为前景的概率。5.根据权利要求4所述的鱼类数量监测、洄游跟踪的方法，其特征在于，所述当时，根据第t
‑
1帧待测鱼类图像像素位置(i, j)处的像素均值更新第t帧待测鱼类图像像素位置(i, j)处的像素均值和方差...

【专利技术属性】
技术研发人员：刘浩兵，周明，江鹏，程和煦，黄金，徐珏，金靖芳，
申请(专利权)人：睿克环境科技中国有限公司，
类型：发明
国别省市：