[发明专利]基于视频图像的鱼类智能监测方法

权利要求书

1.基于视频图像的鱼类智能监测方法，其特征在于，包括：

S1、获取鱼道入口处t时段的过鱼视频，并对过鱼视频进行抽帧处理得到若干帧图像；

S2、对所有帧图像进行降噪处理，之后按时间顺序将帧图像依次输入已训练的Faster-RCNN，得到帧图像中每条鱼的识别信息；所述识别信息包括鱼所在框的长宽，中心位置及属于每类鱼的概率；

S3、根据相邻两张帧图像i，i+1中每条鱼的识别信息，计算帧图像i中每条鱼的中心位置与帧图像i+1中所有同类型鱼的中心位置的距离；

S4、判断帧图像i中的鱼j与帧图像i+1中同类型鱼的所有距离中是否存在一个距离小于预设距离；若是，进入步骤S5，否则进入步骤S7；

S5、鱼j同时存在于帧图像i，i+1中，之后判断鱼j在帧图像i，i+1上的中心位置是否分别位于基准线的两侧，若是进入步骤S6，否则，进入步骤S7；

S6、判断鱼j在帧图像i，i+1中的中心位置的变化量是否为正值，若是，则将鱼j所在类型鱼的数量加1，进入步骤S7，否则将鱼j所在类型鱼的数量减1，进入步骤S7；

S7、判断帧图像i中的鱼是否均已判断完成，若是，进入步骤S8，否则，令j＝j+1，返回步骤S4；

S8、判断t时段抽取的所有帧图像是否均已判断完成，若是，则令t＝t+1，并返回步骤S1，否则，令i＝i+1，返回步骤S3。

2.根据权利要求1所述的基于视频图像的鱼类智能监测方法，其特征在于，Faster-RCNN的训练方法为：

获取过鱼通道中设定时间段内采集的过鱼视频，并对过鱼视频进行抽帧处理得到若干帧图像A；

对所有帧图像A中的鱼进行标记，并对标记后的帧图像A进行降噪处理，之后将每张帧图像A调整为720*406像素大小的图片；

将所有调整尺寸的图片按设定比例划分为训练集和测试集，之后采用训练集和测试集对Faster-RCNN进行训练，得到训练完成的Faster-RCNN。

3.根据权利要求2所述的基于视频图像的鱼类智能监测方法，其特征在于，采用训练集对Faster-RCNN进行训练的方法包括：

将训练集中的图片输入卷积神经网络中进行特征的提取得到特征图；

采用RPN生成Anchor box，之后对特征图进行裁剪过滤，用softmax分类器对特征图像进行前景与后景判断；

将边界盒回归修正anchor box后的建议窗口映射到卷积神经网络的最后一层特征图上，通过ROI池化层将每个ROI生成预设尺寸的特征图；

最后利用探测分类概率和探测边框回归分别对分类概率和边框回归进行联合训练。

4.根据权利要求1所述的基于视频图像的鱼类智能监测方法，其特征在于，将帧图像输入Faster-RCNN之前还包括将每张帧图像调整为720*406像素大小的图片。

5.根据权利要求1或2所述的基于视频图像的鱼类智能监测方法，其特征在于，降噪处理时采用高斯低通滤波器对帧图像进行滤波处理。

6.根据权利要求1-4任一所述的基于视频图像的鱼类智能监测方法，其特征在于，所述过鱼视频拍摄角度与鱼道入口中轴线垂直。