[發(fā)明專(zhuān)利]一種基于視覺(jué)技術(shù)的魚(yú)類(lèi)游過(guò)數(shù)目與游向的預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210410617.5
• 申請(qǐng)日: 2022-04-19
• 公開(kāi)（公告）號(hào): CN114782481A
• 公開(kāi)（公告）日: 2022-07-22
• 發(fā)明（設(shè)計(jì)）人: 馬越;萬(wàn)欣;時(shí)曉燕;何海鋒
• 申請(qǐng)（專(zhuān)利權(quán)）人: 國(guó)能大渡河大數(shù)據(jù)服務(wù)有限公司;成都大匯物聯(lián)科技有限公司
• 主分類(lèi)號(hào): G06T7/20
• 分類(lèi)號(hào): G06T7/20;G06T7/70;G06N3/04;G06N3/08;G06V20/20
• 代理公司: 北京正華智誠(chéng)專(zhuān)利代理事務(wù)所(普通合伙) 11870
• 代理人: 劉方正

本發(fā)明公開(kāi)了一種基于視覺(jué)技術(shù)的魚(yú)類(lèi)游過(guò)數(shù)目與游向的預(yù)測(cè)方法，包括：選擇若干數(shù)量和種類(lèi)的魚(yú)，每個(gè)種類(lèi)的魚(yú)數(shù)量相等；將所有的魚(yú)放入一個(gè)透明的魚(yú)缸內(nèi)，錄制若干魚(yú)在魚(yú)缸內(nèi)活動(dòng)的水下視頻；從水下視頻中提取禎，并利用開(kāi)源圖像注釋工具在禎圖像上添加標(biāo)簽，形成若干標(biāo)簽圖像；將若干標(biāo)簽圖像輸入訓(xùn)練好的YOLO算法模型中，得到每個(gè)魚(yú)的跟蹤框；利用多目標(biāo)跟蹤算法，將每個(gè)魚(yú)的跟蹤框?qū)?yīng)一個(gè)跟蹤框ID；在定義計(jì)數(shù)線(xiàn)BC，判斷連線(xiàn)A'A是否穿過(guò)計(jì)數(shù)線(xiàn)BC。本發(fā)明利用視覺(jué)技術(shù)，將魚(yú)類(lèi)游動(dòng)的視頻以每禎提取出圖片，將動(dòng)態(tài)的視頻劃分成靜態(tài)的圖片，方便進(jìn)行識(shí)別，能準(zhǔn)確判斷出魚(yú)的游向和方位，識(shí)別速度快，能對(duì)歷史錄像進(jìn)行識(shí)別。

技術(shù)領(lǐng)域

本發(fā)明涉及智能識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于視覺(jué)技術(shù)的魚(yú)類(lèi)游過(guò)數(shù)目與游向的預(yù)測(cè)方法。

背景技術(shù)

隨著AI人工智能與各科技領(lǐng)域的深度融合，已經(jīng)在機(jī)器學(xué)習(xí)、語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)等領(lǐng)域產(chǎn)生出了眾多創(chuàng)新解決方案。尤其是擁有80％人類(lèi)感知視覺(jué)信息的計(jì)算機(jī)視覺(jué)技術(shù)與人工智能技術(shù)已密不可分。業(yè)界人士普遍認(rèn)為，人工智能發(fā)展的下一個(gè)階段，將是計(jì)算機(jī)視覺(jué)技術(shù)引領(lǐng)的創(chuàng)新時(shí)代。機(jī)器視覺(jué)技術(shù)歷經(jīng)半個(gè)多世紀(jì)的發(fā)展慢慢趨于成熟，正逐步從實(shí)驗(yàn)室理論研究走向應(yīng)用市場(chǎng)，與其相關(guān)的應(yīng)用和任務(wù)也逐漸進(jìn)入到人們的日常生活當(dāng)中。當(dāng)前科技進(jìn)步的速度可以用突飛猛進(jìn)來(lái)形容，可以預(yù)見(jiàn)在未來(lái)，智能視覺(jué)技術(shù)會(huì)在全世界各項(xiàng)技術(shù)全面進(jìn)步和視覺(jué)研究人員的共同努力下達(dá)到更高的水平，從而讓高可靠性的便捷視覺(jué)檢測(cè)以及視頻分析技術(shù)直接服務(wù)人們的工作和生活。

活魚(yú)識(shí)別是快速獲取大量數(shù)據(jù)的漁業(yè)調(diào)查應(yīng)用中最關(guān)鍵的元素之一，與一般場(chǎng)景不同，水下圖像識(shí)別面臨的挑戰(zhàn)是圖像質(zhì)量差、目標(biāo)和環(huán)境不可控以及難以獲取代表性樣本。此外，大多數(shù)現(xiàn)有的特征提取技術(shù)由于涉及人的監(jiān)督而阻礙了自動(dòng)化。因此，急需開(kāi)發(fā)一種針對(duì)活魚(yú)在游動(dòng)過(guò)程中對(duì)魚(yú)的種類(lèi)、數(shù)量以及游向進(jìn)行識(shí)別的方法。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的上述不足，本發(fā)明提供了一種識(shí)別精度高的基于視覺(jué)技術(shù)的魚(yú)類(lèi)游過(guò)數(shù)目與游向的預(yù)測(cè)方法。

為達(dá)到上述發(fā)明目的，本發(fā)明所采用的技術(shù)方案為：

提供一種基于視覺(jué)技術(shù)的魚(yú)類(lèi)游過(guò)數(shù)目與游向的預(yù)測(cè)方法，其特征在于，包括以下步驟：

S1：選擇若干數(shù)量和種類(lèi)的魚(yú)，每個(gè)種類(lèi)的魚(yú)數(shù)量相等；

S2：將所有的魚(yú)放入一個(gè)透明的魚(yú)缸內(nèi)，錄制若干魚(yú)在魚(yú)缸內(nèi)活動(dòng)的水下視頻；

S3：從水下視頻中提取禎，并利用開(kāi)源圖像注釋工具在禎圖像上添加標(biāo)簽，形成若干標(biāo)簽圖像；

S4：將若干標(biāo)簽圖像輸入訓(xùn)練好的YOLO算法模型中，得到每個(gè)魚(yú)的跟蹤框；

S5：利用多目標(biāo)跟蹤算法，將每個(gè)魚(yú)的跟蹤框?qū)?yīng)一個(gè)跟蹤框ID；

S6：在定義計(jì)數(shù)線(xiàn)BC，計(jì)算跟蹤框的中心位置A'、以及前一禎的跟蹤框ID對(duì)應(yīng)的跟蹤框的中心位置A；

S7：連接位置A與位置A'，判斷連線(xiàn)A'A是否穿過(guò)計(jì)數(shù)線(xiàn)BC，若是，則判定當(dāng)前跟蹤框ID對(duì)應(yīng)的跟蹤框過(guò)線(xiàn)，有一條魚(yú)游過(guò)計(jì)數(shù)線(xiàn)BC，魚(yú)的數(shù)量加1，向量的方向?yàn)樵擊~(yú)的游向；

S8：遍歷每個(gè)跟蹤框ID對(duì)應(yīng)的跟蹤框，計(jì)算跟蹤框過(guò)線(xiàn)的禎數(shù)，若同一跟蹤框ID的跟蹤框在超過(guò)幀數(shù)閾值后再次過(guò)線(xiàn)，則判定同一條魚(yú)徘徊，不計(jì)入魚(yú)的數(shù)量。

進(jìn)一步地，步驟S4包括：

S41：在開(kāi)源數(shù)據(jù)庫(kù)中下載YOLO算法模型，下載魚(yú)類(lèi)圖片的訓(xùn)練集，訓(xùn)練集中包含步驟S1中的魚(yú)的種類(lèi)；

S42：利用訓(xùn)練集對(duì)YOLO算法模型進(jìn)行訓(xùn)練，形成魚(yú)類(lèi)探測(cè)器；

S43：利用魚(yú)類(lèi)探測(cè)器對(duì)每禎的標(biāo)簽圖像中的魚(yú)類(lèi)進(jìn)行物種識(shí)別，生成每個(gè)魚(yú)個(gè)體的檢測(cè)框，并在檢測(cè)框上標(biāo)注魚(yú)類(lèi)。

進(jìn)一步地，步驟S5包括：