水下影像智能处理的关键技术研究

The long-term ocean observation is enabled by a large number of cameras in the seafloor observatory network, which provides some new methods for ocean scientists to research the ocean. Although these cameras provide new methods and ideas for scientists to make a study, data volume quickly exceeds human processing capabilities, which also lower the utilization of these data. We fail to analyze all these data manually with traditional ways. Some research institutes have made some tentative researches on the intelligent analysis of the underwater image. ..These studies are mainly about microbial videos with special cameras, while there is almost no study about videos with common underwater cameras. In fact, however, the common videos account for a significant proportion in all of the underwater videos, which the ocean scientists fail to tackle with efficiently. The artificial intelligence technologies are required to process these videos automatically for more meaningful information, such as species, quantity and distribution of marine beings which is very useful for ocean scientists and fishery. As a result, we aim to develop an effective and reliable system for analyzing underwater videos with the newest techniques in artificial intelligence and GPU parallel computing technologies. The key jobs include establishing standard database of underwater videos and images, making a study on the technologies about image enhancing, object detection, object tracking and object recognition to processing the underwater videos.

海洋观测网络的建立使得水下摄像头可长时间放置水下观测，这给海洋生物学家、生态学家提供了新的观测方法。同时海洋观测带来了大量的水下视频，且每天都在迅速增加，传统的人工分析方法已不足以应对。目前发达国家的一些科研机构已经对水下视频的智能分析进行了一些尝试性的研究，但多是针对特殊摄像头获取的微生物图像，几乎没有针对普通水下摄像头获取的视频的研究。但实际上普通视频数据占海底观测网获取到视频的绝大部分，而当前科学家的分析能力不足以应对。我们需要人工智能技术自动处理这些视频，获取有价值的信息，比如海底生物的种类、分布、数量等，对海洋生物生态学家、渔业等应用产生价值。因此，本项目将着力于建立水下视频、图像的标准数据库，研究适用于水下复杂环境的图像增强、目标检测、目标跟踪和目标识别技术的智能方法，旨在构建一个高效可靠的水下视频及图像分析系统。

海洋观测网络的建立使得水下摄像头可长时间放置水下观测，这给海洋生物学家、生态学家提供了新的观测方法。同时海洋观测带来了大量的水下视频，且每天都在迅速增加，传统的人工分析方法已不足以应对。目前发达国家的一些科研机构已经对水下视频的智能分析进行了一些尝试性的研究，但多是针对特殊摄像头获取的微生物图像，几乎没有针对普通水下摄像头获取的视频的研究。但实际上普通视频数据占海底观测网获取到视频的绝大部分，而当前科学家的分析能力不足以应对。我们需要人工智能技术自动处理这些视频，获取有价值的信息，比如海底生物的种类、分布、数量等，对海洋生物生态学家、渔业等应用产生价值。因此，本项目针对水下视频以及图像数据的自动处理和分析开展了研究。主要包括水下视频中的目标检测、目标识别、目标追踪等关键技术，结合了模式识别和机器学习等最新的信息技术手段来提升海底观测工作的速度和准确率，高效实现了对水下视频的预处理、水下生物的自动识别和标注等，从而辅助科研人员分析水下影像内容、提升观测能力。