[发明专利]水下鱼类动态视觉序列运动目标检测方法

权利要求书

1.一种水下鱼类动态视觉序列运动目标检测方法，包括步骤：

S1：获取一水下鱼类视频数据集；

S2：对所述水下鱼类视频数据集进行预处理，获得一预处理视频帧图像集，所述预处理视频帧图像集包括多个预处理视频帧图像；

S3：利用GMG背景去除算法提取所述预处理视频帧图像集中各所述预处理视频帧图像的前景，获得各所述预处理视频帧图像的前景图像，所述前景图像形成一前景图像集；

S4：利用LBP算法提取获得所述前景图像集的一纹理特征集，所述纹理特征集包括多个纹理特征向量，并对所述前景图像集进行灰度值特征提取获得一灰度特征集，所述灰度特征集包括多个灰度特征向量；

S5：分别利用所述纹理特征集和所述灰度特征集对一PLS分类器进行训练，获得一最优PLS分类器；

S6：利用所述最优PLS分类器对一水下鱼视频序列进行目标检测；

所述灰度特征向量包括所述前景图像所有像素的灰度值、最小值、标准差、平均值和最大值；

利用公式(4)获得所述灰度值：

FI₁(x，y)＝HI(x，y)  (4)；

其中，FI₁(x，y)表示在所述前景图像的像素坐标系中坐标为(x，y)的像素所对应的灰度值；I(x，y)表示在所述前景图像的像素坐标系中坐标为(x，y)的像素所对应的亮度值；

利用公式(5)获得所述最小值：

FI₂(x，y)＝HI(x，y)-min{HI(s，t)}   (5)；

(s，t)εS⁹_x，y；

其中，FI₂(x，y)表示在所述前景图像的像素坐标系中坐标为(x，y)的像素所对应的最小值；S⁹_x，y表示目标S的灰度重心坐标；(s，t)表示S⁹_x，y中横坐标为s纵坐标为t的坐标点；I(s，t)表示S⁹_x，y中坐标点(s，t)所对应的亮度值；

利用公式(6)获得所述标准差：

FI₃(x，y)＝std{HI(s，t)}    (6)；

(s，t)εS⁹_x，y；

其中，FI₃(x，y)表示在所述前景图像的像素坐标系中坐标为(x，y)的像素所对应的标准差；

利用公式(7)获得所述平均值：

FI₄(x，y)＝HI(x，y)-mean{HI(s，t)}  (7)；

(s，t)εS⁹_x，y；

其中，FI₄(x，y)表示在所述前景图像的像素坐标系中坐标为(x，y)的像素所对应的平均值；

利用公式(8)获得所述最大值：

FI₅(x，y)＝max{HI(s，t)-HI(x，y)}  (8)；

(s，t)εS⁹_x，y；

其中，FI₅(x，y)表示在所述前景图像的像素坐标系中坐标为(x，y)的像素所对应的最大值；

所述PLS分类器满足公式(9)：

A＝B·β+ε    (9)；

其中，A表示具有分类度量的向量，B表示特征向量，β表示线性回归系数，ε表示残余向量；

所述S5步骤中，将分别所述纹理特征集和所述灰度特征集代入所述特征向量B对所述PLS分类器进行训练，得到最优的所述线性回归系数β；将带有最优的所述线性回归系数β的所述PLS分类器作为所述最优PLS分类器。

2.根据权利要求1所述的水下鱼类动态视觉序列运动目标检测方法，其特征在于，所述S1步骤中：使用水下摄像头拍摄获得所述水下鱼类视频数据集，所述水下鱼类视频数据集包括白天视频数据和夜晚视频数据；在拍摄所述夜晚视频数据时添加白光照明。