随着人们生活水平的提高,技术水平的巨大飞跃,人们越来越关注水下鱼类的智能养殖监测和水下鱼类生活习性等研究。目前水下鱼监测主要还是通过人工监测,潜水员潜水跟踪拍摄,很多水下环境危险系数高,而且潜水员跟踪可能会惊扰到鱼类,不能反映出最真实的鱼类生活规律和健康等重要数据。因此,不断探索智能化的水下鱼跟踪机器鱼,和其核心的视觉跟踪算法。本文研究应用水下机器鱼进行鱼监测的机器视觉识别和定位的技术,主要包括以下内容:在本文课研究初期,提出一种基于核相关滤波算法的水下游鱼跟踪算法。算法的主要思路是通过对游鱼的两端部的分别跟踪实现整体的跟踪,不但有效提高了跟踪效率,而且位置精度和尺度精度也有了较大提高。该算法的图像处理速度可以达到29帧每秒,平均精确度可以达到70.01%,并且目标跟踪成功率高达87.11%。进一步学习的过程中,基于相关滤波的算法基础上进行改进,主要思想是将尺度因子优化为3个,将会提高算法计算的速度,同时基本不会影响跟踪精度。该算法的图像处理速度可以达到23帧每秒,平均精确度可以达到66.71%,并且目标跟踪成功率高达91.83%。综上所述,本文中提出的两种跟踪算法都能应用在自动化跟踪拍摄的游鱼中,都能够满足跟踪的准确度和跟踪成功率要求,能够在复杂环境下对游动鱼目标进行跟踪,其中基于核相关滤波算法的改进跟踪算法对目标鱼的识别和定位的速度更快一点,但是基于相关滤波的改进跟踪算法对目标鱼的识别和定位的成功率明显更高一些,在均能够满足控制系统的快速反馈要求,并且稳定性和成功率高,鲁棒性好。