鱼群中个体行为的三维立体监测方法研究

Recently, water quality monitoring based on the behavioral response of biological indicators species has attracted a lot of attention. Three-dimensional behavioral monitoring is the research trend which is still in its initial stage, and several key issues need to be solved for 3D behavioral observation. Based on the current fish behavioral monitoring methods, the long-term three-dimensional behavioral monitoring of fish group is proposed by utilizing the cutting-edge techniques in computer vision. A shape model of fish is proposed to identification individual fishes from occlusions by modeling a priori knowledge of shape changes of fish body. The inaccurate position tracking of fishes caused by occlusion would be solved by the proposed scheme of model based fish recognition, and fish pose could be measured based on this method. Subsequently, 3D shape of fish could be calculated by using the fish model and stereo vision algorithms. Moreover, an Interacting Multiple Model (IMM) is proposed to tracking behavior of fish group in 3D space, this method can learn and predict the movement pattern of fish, according to the activity of fish the tracking algorithm tunes the parameters to improve the tracking accuracy. The proposed three-dimensional behavioral tracking of fish can accurately record the trajectories of individuals in fish group and measure the states of each fish, this method could be widely applied to not only water quality monitoring but also in behavioral studies.

近期，基于生物行为的水质监测研究已经受到广泛关注。三维生物行为观测是当前研究的热点，但该研究还处于起步阶段，有很多问题还待解决。本项目针对现有鱼类行为监测方法存在的不足，结合计算机视觉前沿技术对鱼群中个体行为的三维监测方法进行创新研究。本项目提出基于先验知识模型的鱼类个体识别方法，将有效解决由于鱼群中个体间相互遮挡引起的行为跟踪不准确、个体姿态无法测量等问题。利用立体视觉对极几何原理测量鱼的三维轮廓并计算出鱼的三维姿态。本项目提出一种交互式多模型跟踪算法监测鱼群中个体的三维运动，该方法能够在线学习鱼的运动模式，根据鱼的活跃度自动调整行为预测参数，提高跟踪准确率。本项目将实现鱼群运动中个体行为的准确记录及个体状态测量，在环境监测及行为学等方面的研究中都具有广泛的应用前景。

基于生物感知的水质监测作为一种新型的环境监测手段，已经收到广泛关注。准确获取受试生物的行为响应数据是进行水体综合毒性监测的关键技术。本项目研究基于计算机视觉技术的鱼群三维行为跟踪和三维运动姿态的测量方法。针对鱼类三维行为跟踪的关键技术开展了大量工作，在鱼群的三维运动轨迹的跟踪、个体姿态测量和鱼类行为分析等方面都取得了阶段性成果。由于鱼的运动和姿态灵活多变，相互遮挡频繁，对跟踪算法的准确性要求高。我们利用鲁棒性较高的随机抽样一致算法改进了主动形状模型，降低离群点对匹配准确度的影响，从遮挡中准确地检测鱼的身体轮廓。在三维姿态测量方面，采用亚像素精度的边缘检测算法和尺度不变特征在左右视图中对鱼的轮廓进行立体匹配，通过稳健的平面拟合算法获得精确的三维姿态。本项目基于鱼头部的外观特征和运动姿态研制了鱼群的三维跟踪算法，准确记录鱼群中的个体运动轨迹。实现了20条鱼的三维轨迹的准确记录及鱼身体的三维姿态测量。.同时，根据开展行为监测研究的需要，本项目构建了基于立体视觉的行为观测实验装置。该装置还采用了可见光和红外光混合照明的方式，实现了鱼类的夜间行为监测，可最大程度降低可见光源对鱼类生理行为的影响。该装置适用于长期的鱼类行为监测。利用该装置本项目分析了斑马鱼昼夜行为模式的差别。还进行鱼在污染水体中观测实验及异常行为模式分析。这些研究结果证明了本观测装置具有很高的使用性。本项目研制的三维观测系统是一种新型的鱼类行为监测工作，对开展鱼类行为学、毒理学等科学研究具有重要意义，也是生物感知式水质监测的核心技术。该成果可用于科学研究及环境监测相关仪器的研发，具有广泛的应用前景。.此外，本项目基于飞行时间相机构建水下三维成像装置，实现了鱼类等生物的快速高分辨三维成像。基于深度数据，实现了重度遮挡下的生物个体分割。这些新技术和新方法，为原位生物监测提供了新思路，具有重要的应用意义。