论文部分内容阅读
随着人工智能、模式识别以及人机智能接口技术的发展与进步,智能视频监控已经发展成计算机视觉领域新兴的应用方向。智能视频监控在不需要人为干预的前提下,对摄像机摄录获取的视频帧序列通过机器视觉分析的方法进行自动分析,达到对检测目标的进行定位、识别和跟踪的要求,在检测结果的基础上对检测目标的行为进一步的分析和判断,完成日常管理的同时也能及时的发现发生异常情况并作出反应。传统养鱼方式生产落后、低效、低产、污染环境,工厂化养鱼能有效地改善传统养鱼的缺点。工厂化养鱼的发展离不开高新技术的支撑,现阶段智能视频监控也开始慢慢涉及到水下监测当中,使得工厂化养鱼的效率提升,产量增高。本文就是通过图像处理来对鱼群的游泳速度、加速度、高度来进行监测,来达到高产的目的。本文的工作内容总结为以下三点:⑴通过对Canny边缘算子、Sobel边缘算子等边缘算子的理论分析和仿真,综合分析它们的优缺点,选择了抗噪能力强的Canny边缘算子。然后在原有的Canny边缘算子的基础上,对算法进行改进。图像的去噪是通过对图像进行平滑处理,所以平滑处理是检测算子的重点。Canny边缘算法中采用的算法是利用高斯函数去平滑图像,在抑制噪声能力方面有较大改善,但同时也会误将图像中一些真实的高频边缘平滑掉,造成检测的边缘缺失。本文针对这一点,Canny边缘算子之后,采用霍夫变换连接缺失边缘,仿真后得到的结果比较理想。⑵运动目标的跟踪主要是对通过运动目标检测出来的每一个目标进行跟踪,记录鱼群目标运动的轨迹,为鱼群运动轨迹的提取提供基础。本文通过卡尔曼滤波对鱼群目标进行跟踪,从仿真结果看出卡尔曼滤波跟踪在一段时间后会出现跟踪误差,对其的局限性进行改进。通过选择交互式多模型(IMM)算法改进卡尔曼算法的局限性。⑶通过跟踪鱼群轨迹,获取鱼群的位置数据,用于计算鱼群的平均速度、加速度、高度,从而反映出鱼群生活的情况。