基于视觉感知鱼类行为的生物水质监测系统
专利汇可以提供基于视觉感知鱼类行为的生物水质监测系统专利检索，专利查询，专利分析的服务。并且一种基于视觉 感知 鱼类行为的 生物 水 质监测系统，包括用于盛放鱼类的透明鱼缸、用于监视鱼类行为的摄像机、视频采集卡和水质监测中心，所述鱼缸位于摄像机的视觉范围内，各个摄像机均通过视频采集卡与水质监测中心数据通信连接，水质监测中心包括 图像采集 模 块 、 图像处理 模块、目标 跟踪 模块和鱼类行为数据分析模块，鱼类行为数据分析模块包括数据建模部分和数据匹配部分，获取待分析水域的图像 帧 序列的数据，并代入到模型公式(6)、(7)中匹配，若当前计算值与正常行为值之间的差值在预设 阈值 范围内，表明鱼类行为属于正常的，判定水质状况良好；若差值超出预设阈值范围，则判定水质受到污染。本 发明 降低成本、适合大规模实施、实时性良好。，下面是基于视觉感知鱼类行为的生物水质监测系统专利的具体信息内容。
1.一种基于视觉感知鱼类行为的生物水质监测系统，其特征在于：包括用于盛放鱼
类的透明鱼缸、用于监视鱼类行为的摄像机、视频采集卡和水质监测中心，所述鱼缸位
于所述摄像机的视觉范围内，各个摄像机均通过视频采集卡与水质监测中心数据通信连
接，所述水质监测中心包括：
图像采集模块，用于采集摄像机拍摄的图像帧序列信息；
图像处理模块，用于对采集到的图像帧进行预处理，并对鱼类进行目标检测；
目标跟踪模块，用于采用CamShift目标跟踪算法实现单目标跟踪，并计算单目标的
运动速度和加速度，采用基于多目标交互观测模型的粒子滤波算法进行多目标跟踪；
鱼类行为数据分析模块，用于根据图像帧序列信息进行鱼类行为分析，包括：
数据建模部分，用于依照历史数据，建立鱼类正常行为的PTW模型，设定鱼类的坐
标信息(s(t)， (t))，其中，s(t)表示从t=0时刻起的轨迹长度， (t)则是t=0时刻起的转动角度；
在计算每点坐标时同时选取该点前后两个点的位置，连续的三点为Pi-1，Pi，Pi+1，瞬
时速度Vi和角速度Wi通过下面公式计算：
在Pi的s(t)和 (t)是随时间变化计算出来的，其相应的公式为：
转角的范围并非[-π,+π]；
建立一个动力学模型，其模型公式为：
其中，bi是一个均值为0、方差为s的随机高斯变量，α则为单步长角速度之间的关
联系数；
公式（6）在统计学中称为一阶自回归过程，它的参数α和s通过下列公式计算
的：
(7)、(8)计算出α和s后代入公式(6)中，即得出每步长角速度之间的关系；
数据匹配部分，用于获取待分析水域的图像帧序列的数据，并代入到模型公式(5)、
(6)中匹配，若当前计算值与正常行为值之间的差值在预设阈值范围内，表明鱼类行为属
于正常的，判定水质状况良好；若差值超出预设阈值范围，则判定水质受到污染。
2.如权利要求1所述的基于视觉感知鱼类行为的生物水质监测系统，其特征在于：
所述鱼类行为数据分析模块还包括：
自适应更新模型部分，用于将数据匹配是属于正常的数据存储到数据库中，待累计
时间超过预设时间值则将这些数据并入到历史数据，重新计算速度和角速度，实时更新
PTW模型中的参数数据。
3.如权利要求1或2所述的基于视觉感知鱼类行为的生物水质监测系统，其特征在
于：所述水质监测中心还包括：数据管理模块，用于数据进行管理，包括：
数据获取部分，用于将视频采集卡获得的视频数据传给本地服务端主机处理，或者
通过网络传输到给远程客户端设备进行处理，或者以视频文件AVI格式的形式进行存
储；
数据存储部分，用于将运动目标在图像中的像素坐标位置(x，y)、时间(time)参数
存储在数据库中；将速度v、角速度关联系数α和随机高斯变量bi的方差s存储在数据
库中，以及监控点单元的信息也存储在数据库中。
4.如权利要求3所述的基于视觉感知鱼类行为的生物水质监测系统，其特征在于：
所述数据管理模块还包括：
双队列缓冲池，由数据缓冲块组成，每一个数据缓冲块存储一帧视频数据，所有缓
冲块的内存空间在创建缓冲池时预先分配；双队列缓冲池使用两个队列对数据缓冲区进
行管理，分别是工作队列和空闲队列；
初始情况下，所有的缓冲块都在空闲队列中，工作队列为空；视频数据获取线程从
缓冲池的空闲队列的队首取得一个空闲缓冲块，将从视频源获取的视频帧数据填充进空
闲缓冲块，然后将负载数据的缓冲块放回缓冲池，加到工作队列的队尾，如果空闲队列
为空，则等待；同时，视频数据的处理线程从缓冲池的工作队列中取得已填充视频帧数
据的缓冲块进行处理，处理完后将该数据缓冲块放回缓冲池，加入空闲队列的队尾，如
果工作队列为空，则等待。
5.如权利要求1或2所述的基于视觉感知鱼类行为的生物水质监测系统，其特征在
于：所述图像处理模块中，包括图像差分、背景更新、差分图像二值化和目标标识；图
像差分的求取包括背景差分和帧间差分；使用结合帧间差分的平均背景模型对背景进行
简单有效的更新；背景差分图像中包含了运动前景的信息，使用在线自动阈值分割方法
对视频序列的背景差分图像进行二值化分割，提取运动目标前景；在通过二值化分割提
取出来的运动目标前景中包含了多个运动目标，使用连通域标记方法对每个目标进行标
识。
基于视觉感知鱼类行为的生物水质监测系统
技术领域
背景技术
水的安全，特别是一些突发性水污染事故的发生，给人民群众的健康和生态安全造成严
重威胁。 同时，水环境安全问题已经成为我国社会经济可持续发展的重要制约因素之
一。
现在线实时连续监测。 此外，由于污染种类繁多，很多化学分析方法必须在已知目标污
染物的情况下才能进行测定，因此，对一些突发性污染事故不能及时的作出判断。
生化等相应的行为信息变化，这些变化参数就是建立水环境安全监测系统的信息数据基
础。 目前，以鱼类为监测对象的生物监测系统发展速度比较快，相关方面的研究也比较
多。
发明内容
为的生物水质监测系统。
用于监视鱼类行为的摄像机、视频采集卡和水质监测中心，所述鱼缸位于所述摄像机的
视觉范围内，各个摄像机均通过视频采集卡与水质监测中心数据通信连接，所述水质监
测中心包括：
图像采集模块，用于采集摄像机拍摄的图像帧序列信息；
图像处理模块，用于对采集到的图像帧进行预处理，并对鱼类进行目标检测；
目标跟踪模块，用于采用CamShift目标跟踪算法实现单目标跟踪，并计算单目标的
运动速度和加速度，采用基于多目标交互观测模型的粒子滤波算法进行多目标跟踪；
鱼类行为数据分析模块，用于根据图像帧序列信息进行鱼类行为分析，包括：
数据建模部分，用于依照历史数据，建立鱼类正常行为的PTW模型，设定鱼类的坐
标信息(s(t)， (t))，其中，s(t)表示从t=0时刻起的轨迹长度， (t)则是t=0时刻起的转动角度；
在计算每点坐标时同时选取该点前后两个点的位置，连续的三点为Pi-1，Pi，Pi+1，瞬
时速度Vi和角速度Wi通过下面公式计算：
在Pi的s(t)和 (t)是随时间变化计算出来的，其相应的公式为：
转角的范围并非[-π,+π]；
建立一个动力学模型，其模型公式为：
其中，bi是一个均值为0、方差为s的随机高斯变量，α则为单步长角速度之间的关
联系数；
公式（6）在统计学中称为一阶自回归过程，它的参数α和s通过下列公式计算
的：
(7)、(8)计算出α和s后代入公式(6)中，即得出每步长角速度之间的关系；
数据匹配部分，用于获取待分析水域的图像帧序列的数据，并代入到模型公式(5)、
(6)中匹配，若当前计算值与正常行为值之间的差值在预设阈值范围内，表明鱼类行为属
于正常的，判定水质状况良好；若差值超出预设阈值范围，则判定水质受到污染。
将这些数据并入到历史数据，重新计算速度和角速度，实时更新PTW模型中的参数数
据。
数据获取部分，用于将视频采集卡获得的视频数据传给本地服务端主机处理，或者
通过网络传输到给远程客户端设备进行处理，或者以视频文件AVI格式的形式进行存
储；
数据存储部分，用于将运动目标在图像中的像素坐标位置(x，y)、时间(time)参数
存储在数据库中；将速度v、角速度关联系数α和随机高斯变量bi的方差s存储在数据
库中，以及监控点单元的信息也存储在数据库中。
双队列缓冲池使用两个队列对数据缓冲区进行管理，分别是工作队列和空闲队列；
初始情况下，所有的缓冲块都在空闲队列中，工作队列为空；视频数据获取线程从
缓冲池的空闲队列的队首取得一个空闲缓冲块，将从视频源获取的视频帧数据填充进空
闲缓冲块，然后将负载数据的缓冲块放回缓冲池，加到工作队列的队尾，如果空闲队列
为空，则等待；同时，视频数据的处理线程从缓冲池的工作队列中取得已填充视频帧数
据的缓冲块进行处理，处理完后将该数据缓冲块放回缓冲池，加入空闲队列的队尾，如
果工作队列为空，则等待。
景进行简单有效的更新；背景差分图像中包含了运动前景的信息，使用在线自动阈值分
割方法对视频序列的背景差分图像进行二值化分割，提取运动目标前景；在通过二值化
分割提取出来的运动目标前景中包含了多个运动目标，使用连通域标记方法对每个目标
进行标识。
行实时跟踪监测，跟踪时可选择单目标跟踪功能，也可选择多目标跟踪功能，用户面板
会实时显示运动目标的运动轨迹、运动速度和运动加速度，同时目标在图像中的位置坐
标信息将被存储到数据库中，由数据分析模块对数据进行计算，建立正常的鱼类行为模
型，再通过实时数据的匹配来判断水质的安全性，若发生鱼类行为异常情况，系统会有
提示信息，并弹出对话框预警；若实时采集的数据在正常的阈值范围内，则数据会被存
储起来，存储的数据累计到设定的时间便并入历史数据重新计算，更新建立的模型，达
到自适应更新的目标。 也可通过网络将监控点的视频数据传输到其他监控点主机设备，进行前述同样操作，在此就不累述。 另外，数据分析的数据来源也可以是视频文件数据。
用性和耦合性；4、能够实现大规模鱼类行为监测，易于操作应用；5、视频资源存储在
各个监控点主机的数据库中，避免了集中存储数据访问量庞大而引起的通讯阻塞或服务
器瘫痪，将数据分布式存储在各个客户端，有利于并行处理数据和监测跟踪。
附图说明
具体实施方式
括用于盛放鱼类的鱼缸、用于监视鱼类行为的摄像机、视频采集卡、主机和应用程序。
力；背景差分图像中包含了运动前景的信息，使用在线自动阈值分割方法对视频序列的
背景差分图像进行二值化分割，提取运动目标前景；在通过二值化分割提取出来的运动
目标前景中包含了多个运动目标，使用连通域标记方法对每个目标进行标识。
色投影图，并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小，从而得到当前
图像中目标的尺寸和中心位置。
运动交互作用而失败的问题，对多个鱼类运动目标可以进行有效的跟踪。 其实现基本步
骤为：
假设有M 个目标在t-1时刻的目标状态为 ,…, ，并为每一个目
标状态产生一个具有N 个状态粒子初始的状态粒子集合 ,…, ,其中，
。 对每一个目标状态使用基于多目标交互观测模型的
粒子滤波器进行滤波跟踪，得到t 时刻的目标状态 ,…, ，
=MPF_TRACKER
l 计算目标之间的关系矩阵
l 对每一个目标 使用粒子滤波器进行滤波跟踪：
l FOR j = 1 : M
n 从参考分布采样 ：
n 计算重要性权值：
l END FOR
l 计算权值的总合：
l FOR j = 1 : N
n 归一化权值：
l END FOR
l 估计目标状态：
l 重采样： = RESAMPLE
所述的单目标运动参数显示是通过单个目标在图像帧中的游动像素位置来计算该目
标的游动速度、加速度，并调用MFC中的坐标图动态实时地显示目标的运动轨迹、速度
和加速度变化曲线。
在 时刻的运动速度可以通过下式计算得到：
这里的目标运动速度只是一个标量，表示目标运动速度的大小，反映了目标运动的
快慢，表征了鱼类游动的激烈程度，是衡量鱼类目标在被监测水体中的活性的一个重要
指标。
可以通过下式计算得到：
目标运动加速度可正可负，分别表示目标运动速度的增加和减少。 目标的运动加速
度表示了目标运动速度的变化，主要反映了目标在运动过程中的突发运动状况，是衡量
鱼类目标在被监测水体中的活性变化的重要指标。
度、加速度和角速度等参数，建立起鱼类正常行为的模型。该系统采用S． Motsch等人
基于鱼类行为提出的PTW （Persistent Turning Walker）模型，PTW模型通过一致的游动
速度和角速度的自相关性来描述，其基本思路如下：
① 数据采集：对于单条鱼的跟踪，每点的位置坐标采用的并不是笛卡尔二维坐
标，而是使用其固有的坐标信息(S(t)，ψ(t))来表示，其中，S(t)表示从t=0时刻起的
轨迹长度，ψ(t)则是t=0时刻起的转动角度。
算：
在Pi的s(t)和 (t)是随时间变化计算出来的，其相应的公式为：
需要注意的是此处的转角的范围并非[-π,+π]，这样定义的好处在于处理转动扩散
时它是最重要的因素，因为它与游动的持续演化是一致的。
关性，采用这样一个动力学模型，其模型公式为：
其中，bi是一个均值为0、方差为s的随机高斯变量，α则为单步长角速度之间的关
联系数。
(7)、(8)计算出α和s后代入公式(6)中，即可得出每步长角速度之间的关系，
实验中为简便起见，将各个时间点所计算出的速度V在2分钟内求平均值作为游动速度；
角速度之间的相关系数和随机高斯变量亦是通过相邻角速度相关系数求平均值作为模型
公式中的α和bi。 至此PTW模型初步建成。
的阈值范围则产生预警措施，该系统目前采用在用户界面弹出对话框显示和驱动警报装
置两种方式提示工作人员鱼类行为发生异常，即水质发生异常状态。 实验中，速度差的
阈值采用经验值Tv=0.005；角速度的差值阈值为Tw=0.01。
坏的趋势而系统没有发生预警行为，所以模型在更新的过程中PTW模型中的参数变化的
差值须在设定的阈值范围内，这样能充分体现科学性和合理性。 实验中累计时间设定为
2分钟，PTW模型参数变化阈值设置为经验值，Tcv=0.006，Tcw=0.015。
看分析和处理。 因此，对于数据分析功能模块来说，分析的视频数据来源主要有三种，
分别是：本地采集卡视频数据、远程实时视频数据和视频文件数据。
中，还有监控点单元的信息也存储在数据库中。数据库采用SQL Server 2000数据库管理
系统，其适用于中小型规模的数据存储，比较符合本系统的实际数据需求，避免了人工
操作的繁琐和错误。
视频采集卡获取视频数据，以供数据处理线程进行处理。 一般情况下，数据处理的速度
要比获取的速度慢，这导致了部分的视频图像帧由于来不及处理而丢失。 这个问题的解
决方法是使用一个共享的数据缓冲池，对视频数据获取线程获取的数据进行缓冲。
据缓冲区分配内存和释放内存的操作，提高了数据处理的效率。
线程从缓冲池的空闲队列的队首取得一个空闲缓冲块，将从视频源获取的视频帧数据填
充进空闲缓冲块，然后将负载数据的缓冲块放回缓冲池，加到工作队列的队尾，如果空
闲队列为空，则等待。 同时，视频数据的处理线程从缓冲池的工作队列中取得已填充
视频帧数据的缓冲块进行处理，处理完后将该数据缓冲块放回缓冲池，加入空闲队列的
队尾，实现了缓冲块的回收，以备数据获取线程的再次取用，如果工作队列为空，则等
待。
类，各个监测点均有此装置；③表示每个监测点中安装有应用程序、摄像机和警报器的
驱动程序、海康威视视屏采集卡及SQL Server 2000数据库管理系统的主机设备，可在本
地进行实时监控、目标跟踪、数据分析和数据管理操作。
密不可分，缺一不可。 各主模块下设子功能模块，形成层次分明的功能体系框架。
分、背景更新、差分图像二值化和目标标识。
的问题，且运算效率较高。 其算法流程为：首先选择初始搜索窗口，使窗口恰好包含整
个跟踪目标，然后对窗口中每个像素的H通道上的值采样，从而得到目标的色调(Hue)
直方图，将该直方图保存下来作为目标的颜色直方图模型。 在跟踪过程中，对视频图像
处理区域中的每一个像素，通过查询目标的颜色直方图模型，可以得到该像素为目标像
素的概率，图像处理区域之外的其他区域作为概率为0的区域。
可以求得搜索窗口内的质心位置为：
然后根据M00调整搜索窗口的大小，并将搜索窗口的中心移动到质心，如果移动距离
大于预设的固定阀值，则重新计算调整后的窗口质心，进行新一轮的窗口位置和尺寸调
整。 直到窗口中心与质心间的移动距离小于预设的固定阀值，或者循环运算的次数达到
某一最大值，认为收敛条件满足，进入下一帧图像进行新的目标搜索。 在新的图像中，
利用上一帧图像中最终得到的窗口质心位置和零阶矩M00来设置新的搜索窗口的位置和尺
寸。 CamShift跟踪算法在图像帧内与帧间都根据上一步得到的M00自适应的调整搜索窗
口的大小，因而可以适应跟踪目标动态变形的情形。
作用而失败的问题，对多个鱼类运动目标可以进行有效的跟踪。 实现步骤见前述内容。
取的视频帧数据填充进空闲缓冲块，然后将负载数据的缓冲块放回缓冲池，加到工作队
列的队尾，如果空闲队列为空，则等待。 同时，视频数据的处理线程从缓冲池的工作队
列中取得已填充视频帧数据的缓冲块进行处理，处理完后将该数据缓冲块放回缓冲池，
加入空闲队列的队尾，实现了缓冲块的回收，以备数据获取线程的再次取用，如果工作
队列为空，则等待。 这样管理可以提高两个线程对共享数据的使用效率。
（Persistent Turning Walker）模型，详细步骤见前述内容。 数据匹配负责将实时数据与建立的模型参数进行比对，若发现异常，则产生预警措施；若在设定的阈值范围内，则数
据存储起来。 自适应更新主要是完成数据模型参数的实时更新，在数据匹配过程中属于
正常的数据在累积到一定时间就并入到历史数据重新计算模型参数，保持模型参数的自
适应性。
其中在数据匹配时发生鱼类行为异常时，则会产生预警措施，本发明中采用在用户界面
弹出对话框提示报警信息。 详细内容可见前述工作原理部分。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 感知装置 | 2020-05-11 | 332 |
| 一种以物联网为依托的感知城市系统 | 2020-05-11 | 598 |
| 新感知盲道 | 2020-05-12 | 149 |
| 含氧感知器 | 2020-05-12 | 604 |
| 速度感知器 | 2020-05-12 | 941 |
| 机架感知 | 2020-05-11 | 429 |
| 增强光学和感知数字护目镜 | 2020-05-11 | 896 |
| 感知无线网络的协作频谱感知方法和感知节点 | 2020-05-13 | 529 |
| 仿人眼感知技术 | 2020-05-13 | 956 |
| 感知水杯 | 2020-05-12 | 770 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
-
10 感知型高尔夫球杆
