隨著環(huán)境污染的日益加劇,水資源極度匱乏已成為世界普遍性問題。水源污染日益嚴重,水源的污染導(dǎo)致飲用水等生活用水中的有毒有害物質(zhì)明顯增加,污染的水質(zhì)對人類健康和生活造成了極大威脅。為此研究在線水質(zhì)監(jiān)測技術(shù)刻不容緩。生物式監(jiān)測技術(shù)由于其自身具有實時、富集、綜合等特性逐漸成為水質(zhì)監(jiān)測研究者關(guān)注的熱點。在生物式水質(zhì)監(jiān)測中,魚類作為重要的指示生物,其運動特征、生理特征等信息,直接反映水環(huán)境的變化情況,表征當前水質(zhì)污染狀況。針對水污染監(jiān)測問題,利用正常水質(zhì)和異常水質(zhì)下的魚類具有明顯區(qū)別的運動特征和運動模式。本文提出了基于視覺感知和魚類運動特征集成的生物式水質(zhì)監(jiān)測。具體研究內(nèi)容如下:(1)利用兩個視角的攝像機采集魚體運動視頻圖像,通過Kuhn-Munkres(KM)算法對魚體目標進行特征點匹配,卡爾曼濾波進行更新當前狀態(tài),找到最優(yōu)的跟蹤位置作為跟蹤結(jié)果。KCF算法對跟蹤過程中出現(xiàn)丟失和運動過程中產(chǎn)生碰撞或遮擋的目標進行補償,有效地降低了光照、遮擋、水面波動所帶來的誤差。此算法可以直接得到了目標運動軌跡,避免了從圖像序列中質(zhì)心點再提取,在很大程度上提高了效率。(2)為避免二維運動軌跡的片面性,實驗將不同...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 魚類跟蹤研究現(xiàn)狀
        1.2.2 水異常狀態(tài)研究現(xiàn)狀
    1.3 當前研究成果存在的不足
    1.4 本文的主要研究內(nèi)容
第2章 生物式水質(zhì)監(jiān)測系統(tǒng)建立
    2.1 引言
    2.2 實驗平臺搭建
        2.2.1 實驗平臺硬件搭建
        2.2.2 實驗平臺軟件搭建
    2.3 實驗方案
        2.3.1 實驗用魚
        2.3.2 實驗試劑
        2.3.3 試驗方法
    2.4 本章小結(jié)
第3章 魚體目標跟蹤與檢測
    3.1 引言
    3.2 魚體目標檢測算法研究
        3.2.1 常見的目標檢測算法
        3.2.2 Mobile Net_SSD目標檢測算法
        3.2.3 目標檢測實驗結(jié)果
    3.3 魚體目標跟蹤算法研究
        3.3.1 常見的目標跟蹤算法
        3.3.2 孿生網(wǎng)絡(luò)單目標跟蹤算法
        3.3.3 卡爾曼濾波多目標跟蹤算法
        3.3.4 目標跟蹤實驗結(jié)果
    3.4 本章小結(jié)
第4章 魚類三維運動軌跡重建
    4.1 引言
    4.2 直接線性變換原理
    4.3 空間運動三維軌跡重建
    4.4 利用軌跡判別水質(zhì)
    4.5 運動特征參數(shù)提取
    4.6 本章小結(jié)
第5章 生物式水質(zhì)分類器建立
    5.1 引言
    5.2 本文選取的水質(zhì)分類算法
        5.2.1 SVM水質(zhì)分類器
        5.2.2 XGBoost水質(zhì)分類器
        5.2.3 Pointnet水質(zhì)分類器
    5.3 集成學習
        5.3.1 投票法
        5.3.2 平均法
        5.3.3 學習法
        5.3.4 MAIS集成學習
    5.4 模型訓(xùn)練與優(yōu)化
    5.5 實驗結(jié)果與分析
    5.6 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間承擔的科研任務(wù)與主要成果
致謝



本文編號：3744480