System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及多目标追踪,尤其涉及一种鱼类追踪系统。
技术介绍
1、鱼类追踪对于了解鱼类行为和生态起着至关重要的作用。然而,由于鱼类的形态变化、遮挡和复杂的环境,现有的跟踪系统在准确性和鲁棒性上面临挑战。
2、目前的鱼类追踪系统采用cmftnet技术,该技术是一种基于深度学习的鱼类追踪方法,该方法在网络主干部分引入可变形卷积网络,增强了鱼类在复杂环境下的上下文特征,适应了鱼类的非刚性变形特性。该技术可以在复杂水环境下检测和跟踪中鱼群的运动轨迹。
3、但是,该现有技术的主要缺陷是:一是使用基于联合检测嵌入范式的模型,无法实现高精度的检测和关联;二是需要大量的计算资源和存储空间来训练和运行深度学习模型;三是没有考虑到鱼类之间的遮挡和交叉问题,可能会导致身份切换或跟踪失败。
技术实现思路
1、本专利技术主要解决目前的鱼类追踪系统无法实现高精度的检测和关联、需要大量的计算资源以及没有考虑到鱼类之间的遮挡和交叉情况等技术问题,提出一种鱼类追踪系统,结合目标检测和iou匹配,有效地解决鱼类形态变化、遮挡和复杂环境等问题,实现高效、准确和鲁棒的鱼类追踪。
2、本专利技术提供了一种鱼类追踪系统,包括:检测框获取模块、基础模块、交互模块和id结果输出模块;
3、所述检测框获取模块,用于根据输入的原始视频,获取每一帧图像的目标鱼类的检测框,并在第一帧图像中每个检测框随机分配一组鱼类id;
4、所述基础模块,计算相邻帧图像之间检测框的iou值,
5、所述交互模块,对检测框中的鱼类实体进行分割,得到鱼类实体;并计算鱼类实体的iou值,将鱼类实体的iou值与检测框的iou相结合,得到iou结合值,通过比较得到的iou结合值,为鱼类实体分配鱼类id;
6、所述id结果输出模块,用于输出匹配好鱼类id的视频数据。
7、优选的,所述检测框获取模块采用yolov7网络结构,获取每一帧图像的目标鱼类的检测框。
8、优选的,所述将鱼类实体的iou值与检测框的iou相结合的方式为:结合的方式为使用70%鱼类实体iou和30%的检测框iou相加计算出iou结合值。
9、优选的,所述交互模块,使用背景减法对检测框中的鱼类实体进行分割,得到鱼类实体。
10、优选的,所述交互模块按照以下公式计算鱼类实体的iou值:
11、
12、其中,是当前帧t中检测到的第i个对象的边界框,是前一帧t-1中检测到的第j个对象的边界框,表示前后两帧边界框的交并比,表示两个边界框交集的面积,表示两个边界框并集的面积。
13、优选的,还包括:找回模块;
14、所述找回模块,用于当所有帧图像均匹配鱼类id完成后,剩余未匹配的鱼类id的图像,将从临时数据集中分配给临时数据;在k帧内,如果出现候选鱼来匹配遗漏的鱼,则将这个遗漏的鱼类id分配给该鱼;如果在k帧后仍未成功分配此鱼类id,则将丢弃此保留的鱼类id;
15、匹配成功后,使用线性插值方法,按照丢失帧数估计遗漏帧的检测框位置和大小,将这些估计的检测框添加到检测信息中,以完成遗漏鱼丢失轨迹的恢复。
16、优选的,所述候选鱼匹配必须满足两个条件:一是不能被其它鱼类id分配,二是必须处于以保留鱼类id位置为中心、半径为k倍检测框长宽的缓冲空间内。
17、本专利技术提供的一种鱼类追踪系统,检测框获取模块使用yolov7检测器,速度快精确度高;基础模块可以快速的对鱼类id进行初次关联,因为它不需要对每条鱼进行复杂的特征提取或身份分配,并且不需要卡尔曼滤波器来预测连续帧的检测框;交互模块使用鱼类实体的iou和检测框iou相结合的方法确保在出现复杂的鱼类交互行为时保持id的准确;找回模块能够克服复杂环境下检测器漏检导致的追踪失败。本专利技术可以实现高效、准确和鲁棒的鱼类追踪。本专利技术利用检测框的iou和鱼类实体的iou进行数据关联,可以处理相邻或交叉的鱼,而不需要卡尔曼滤波器或特征提取等额外算法,从而提高追踪效率和准确性。此外,本专利技术能够克服复杂环境下由于检测器漏检而导致的跟踪失败。本专利技术技术显著降低了计算时间和存储空间的要求。
18、本专利技术可应用于水产养殖和海洋生态中鱼类追踪和行为分析的各种场景。通过使用本专利技术的鱼类追踪系统,可以收集并分析有关鱼类运动、活动和大小的数据,从而提高水产养殖系统的性能和可持续性,同时也能保证鱼产品的质量和安全。
本文档来自技高网...【技术保护点】
1.一种鱼类追踪系统,其特征在于,包括:检测框获取模块、基础模块、交互模块和ID结果输出模块;
2.根据权利要求1所述的鱼类追踪系统,其特征在于,所述检测框获取模块采用YOLOv7网络结构,获取每一帧图像的目标鱼类的检测框。
3.根据权利要求1所述的鱼类追踪系统,其特征在于,所述将鱼类实体的IOU值与检测框的IOU相结合的方式为:结合的方式为使用70%鱼类实体IOU和30%的检测框IOU相加计算出IOU结合值。
4.根据权利要求3所述的鱼类追踪系统,其特征在于,所述交互模块,使用背景减法对检测框中的鱼类实体进行分割,得到鱼类实体。
5.根据权利要求3或4所述的鱼类追踪系统,其特征在于,所述交互模块按照以下公式计算鱼类实体的IOU值:
6.根据权利要求1所述的鱼类追踪系统,其特征在于,还包括:找回模块;
7.根据权利要求6所述的鱼类追踪系统,其特征在于,所述候选鱼匹配必须满足两个条件:一是不能被其它鱼类ID分配,二是必须处于以保留鱼类ID位置为中心、半径为k倍检测框长宽的缓冲空间内。
【技术特征摘要】
1.一种鱼类追踪系统,其特征在于,包括:检测框获取模块、基础模块、交互模块和id结果输出模块;
2.根据权利要求1所述的鱼类追踪系统,其特征在于,所述检测框获取模块采用yolov7网络结构,获取每一帧图像的目标鱼类的检测框。
3.根据权利要求1所述的鱼类追踪系统,其特征在于,所述将鱼类实体的iou值与检测框的iou相结合的方式为:结合的方式为使用70%鱼类实体iou和30%的检测框iou相加计算出iou结合值。
4.根据权利要求3所述的鱼类追踪...
【专利技术属性】
技术研发人员:林远山,刘硕,李智军,丁君,王隽屹,韩露露,刘可心,陈佳颖,郑欣宇,任俊丽,
申请(专利权)人:大连海洋大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。