水质的生物监测方法被广泛地应用于水环境的质量监测和水质安全预警中,其基本原理是利用水生生物个体、种群和群落的数量、性质、健康状况、生理特征和运动行为特征等的变化来指示水体环境质量的变化,表征环境污染状况,从生物学角度为水体环境质量监测和评价提供依据。其中水生生物的运动行为特征的变化能比较直观、实时的反映水体质量的变化,因此,水生生物的运动行为特征在生物水质监测和预警中是重要的指标。对这些特征的快速准确的获取也成了生物水质监测和预警系统研究中的重要内容。本研究以鱼类作为水质监测的指示生物,主要研究计算机视觉技术在鱼类运动行为监测中的应用。研究目标是获取与水质监测有关的鱼类运动行为特征,包括鱼体运动速度、加速度等。具体研究内容包括:鱼类运动目标实时检测与跟踪、鱼类运动监测平台设计。研究工作归纳如下:1.研究了鱼类运动目标实时检测方法针对传统的平均背景模型在基于背景差分的运动目标检测中背景帧更新不够精确的问题,提出了结合帧间差分的自适应背景更新模型,将背景图像划分为四个不同的区域,分别使用不同的更新因子进行更新,提高了背景更新的速度和精度。同时,提出了在线自动阈值分割方法,利用视频序列中相邻帧差分图像间的二值化分割阈值差别不大的特点,将Otsu方法对阈值的求解缩小到局部灰度值区域,加快算法的速度,提高谷底增强Otsu方法在视频序列的差分图像二值化分割中的效率。2.研究了基于粒子滤波的多个鱼类运动目标跟踪方法针对鱼类目标在水中运动的随意性较大的特点,提出了单个鱼类目标的运动状态转移模型,并定义了多个鱼类目标间的运动交互作用,提出了检测多个目标间是否发生交互作用的方法。针对独立粒子滤波在多个目标跟踪中由于目标之间的交互作用而失败,并导致目标跟踪丢失的问题,提出了多目标交互观测模型,对发生交互作用的目标进行观测时,考虑周围目标对其的影响,尽量排除对目标状态粒子的错误观测,提高多目标跟踪的准确性。3.研究了基于计算机视觉的鱼类运动监测系统平台提出了基于计算机视觉的鱼类运动监测系统平台体系结构,初步开发了鱼类运动监测系统平台软件。并且通过对鱼类目标跟踪得到的运动轨迹的计算分析,建立了鱼类目标在被监测水体中的运动速度、加速度等模型。