[发明专利]基于视频图像的鱼类智能监测方法

说明书

本发明公开了一种基于视频图像的鱼类智能监测方法，其包括获取过鱼视频，并进行抽帧处理，之后进行降噪处理后输入已训练的Faster‑RCNN进行识别；判断相邻两张帧图像中同类型鱼之间的中心位置距离，以确定出一条鱼是否位于相邻帧图像上；在同一条鱼位于相邻两张帧图像上时，基于同一条鱼在相邻两张帧图像上的中心位置和基准线的关系及中心位置的变化量，确定鱼道内每类型鱼数量的变化。本方案通过该种方式能够实现每种类型鱼数量的准确计数。

技术领域

本发明涉及水下目标监测的方法，具体涉及一种基于视频图像的鱼类智能监测方法。

背景技术

近年来我国兴建了大量各型水电站，这些电站的坝体给鱼类自由迁移造成了困难，尤其是季节性和生理性迁徙带来了问题，威胁到鱼类的生存和繁衍。为解决这一问题，目前新建的大坝上专门设计有供鱼类通过的鱼道，并利用光、声及生化诱鱼技术试图将鱼诱导到鱼道入口，引导并帮助其通过鱼道。

鱼道是在闸、坝或天然障碍处为沟通鱼类洄游通道而设置的一种过鱼建筑物，是河流生态系统健康的评价指标之一，也是水利水电工程环境影响评价中生态环境保护的重要指标。当前，国内外对于鱼道的监测，主要在于监控过鱼的种类和数量，以验证鱼道的有效性，从而进行鱼道的改良，传统的鱼道中鱼类型的检测方式有基于光栅数据结合Hu不变矩，实现鱼类的确定，由于鱼在经过光栅时，若不能按照固定方式经过，其采集信息差距较大，使得难以实现过鱼类型及数量的准确识别。

发明内容

针对现有技术中的上述不足，本发明提供的基于视频图像的鱼类智能监测方法解决了现有技术中基于Hu不变矩不能对每种类型鱼数量进行计数的问题。

为了达到上述发明目的，本发明采用的技术方案为：

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。

本发明的有益效果为：本方案首先通过神经网络对每帧图像中鱼类型进行识别，以降低现有技术中光栅计数时鱼姿势不标准，引起鱼类型确定不准确的问题；基于相邻两张同类型鱼的中心位置确定同一条鱼，可以准确地确定出相邻两张帧图像中的同一条鱼，从而保证后续同一类型鱼计数的准确性。

通过同一条鱼的的中心位置的变化量可以准确确定鱼的运动方向，以此确定在鱼道入口处的鱼是进入还是游出鱼道，从而保证每类型鱼的准确计算。

通过每类型鱼通过鱼道的数量，可以辅助管理人员了解每种类型对鱼道的适用性，以促进管理人员对鱼道进行改良，以尽量使鱼道适用流域中所有类型的鱼。