论文部分内容阅读
近年来，世界各地地震频发，给当地带来巨大人员伤亡和财产损失，因此如何进行地震预报一直是人类关注和研究的问题，迄今为止也仍然是一个世界性难题。本研究针对目前地震生物学缺乏自动检测动物异常行为的有效手段，生物式地震预测存在可靠性低，有漏报和误报等问题，采用计算机视觉的相关技术来获取和分析动物的异常行为。 本文的研究对象是鱼类，鱼类作为一种生物指示器，通过观察鱼类的行为变化，可以反应其外部环境的变化。然而传统的人工观测手段，不仅耗时耗力，而且缺乏准确性。为解决人工观测过程中存在的问题，本研究使用一种基于3D计算机视觉的鱼类对象监测系统，自动实时地对实验鱼类目标实行观测和分析，最后把鱼类的行为信息发送给地震相关部门，为鱼类临震行为观测提供技术支持。论文通过计算机视觉中一系列的研究方法对鱼类行为进行识别和研究，实时监测鱼类的行为。主要的工作和成果如下： 1．为了更加全面地对鱼类对象进行运动行为的分析，采用基于3D计算机视觉的鱼类对象监测系统。首先对鱼类对象进行提取，对比了几种目前应用较广的背景建模方法后，选用了效果较好的背景建模方法，接着得到鱼类对象的质心，根据一种目标跟踪算法（IMMJPDA）对鱼类进行三维跟踪，输出鱼类对象的三维空间坐标。 2．获取鱼类运动行为描述的特征，计算得到鱼类的游动速度和角速度，并通过实验对比了2D鱼类监测系统与3D鱼类监测系统的差距，验证了3D监测系统的优势。 3．识别和分析了鱼类对象的临震异常行为，分为三个方面：第一个是对鱼类对象表现较明显的临震行为：鱼跳出水面、漂浮水面、狂游，进行检测和识别；第二个是对鱼类对象的活动量进行异常检测，并采用异常度分析方法，建立异常度大小的判断标准；最后一个是采用隐马尔可夫模型（HMM）对鱼类运动轨迹进行建模，识别鱼类的运动轨迹的异常行为。 4.采用Java语言编程实现了鱼类对象临震行为监测的软件系统，描述了软件系统主要模块和具体细节，并对软件系统主界面进行了介绍和说明。