一種基于視頻圖像的斑馬魚跟蹤方法
【技術領域】：
[0001] 本發(fā)明涉及一種基于視頻圖像的斑馬魚跟蹤方法，屬信息技術領域。
【背景技術】：
[0002] 隨著近年來計算機視覺技術的發(fā)展，基于視頻圖像的斑馬魚行為分析已經成為一 個熱門研宄問題。要對斑馬魚進行行為分析，首先必須得到每一條游動的斑馬魚的軌跡信 息，然后對這些信息進行統(tǒng)計分析來發(fā)現各種斑馬魚的運動規(guī)律，跟蹤系統(tǒng)的魯棒性和準 確性直接影響著行為分析的效果。因此，斑馬魚跟蹤是斑馬魚行為分析中的關鍵步驟。因 為斑馬魚的身體結構具有非剛性特點，它的形狀會不斷發(fā)生變化。另外，斑馬魚在游動過程 中存在相互遮擋的現象，這些問題為基于視頻圖像的斑馬魚跟蹤帶來了極大的困難。
[0003] 目前常見的斑馬魚跟蹤方法為基于運動信息的跟蹤，它通過對檢測到的每條斑馬 魚進行運動狀態(tài)的分析來預測下一時刻魚的位置。該方法能夠同時跟蹤數量較多的斑馬 魚，但是跟蹤的準確性和穩(wěn)定性不佳。

【發(fā)明內容】
：
[0004] 本發(fā)明的目的在于克服基于運行信息的斑馬魚跟蹤的不足，提供一種簡單而高效 的斑馬魚跟蹤方法。
[0005] 本發(fā)明的基于視頻圖像的斑馬魚跟蹤方法，其特征在于該方法由目標檢測和目標 跟蹤兩部分構成；其中：目標檢測包括運動區(qū)域分割、中心線提取、魚頭端點檢測和魚頭方 向計算四個步驟；目標跟蹤包括代價函數計算和全局優(yōu)化關聯兩個步驟；該方法的具體步 驟如下：
[0006] (1)運動區(qū)域分割
[0007] 使用基于時域的中值濾波法對背景進行建模來獲得運動區(qū)域，即：選取視頻的前 η幀圖像的中值圖像作為背景圖像，通過對背景圖像與輸入圖像的差分圖像進行閾值化處 理分割出圖像中的運動區(qū)域：
【主權項】
1. 一種基于視頻圖像的斑馬魚跟蹤方法，其特征在于該方法由目標檢測和目標跟蹤 兩部分構成；其中：目標檢測包括運動區(qū)域分割、中心線提取、魚頭端點檢測和魚頭方向計 算四個步驟；目標跟蹤包括代價函數計算和全局優(yōu)化關聯兩個步驟；該方法的具體步驟如 下： (1) 運動區(qū)域分割 使用基于時域的中值濾波法對背景進行建模來獲得運動區(qū)域，即：選取視頻的前η幀 圖像的中值圖像作為背景圖像，通過對背景圖像與輸入圖像的差分圖像進行閾值化處理分 割出圖像中的運動區(qū)域：
式中：It(x，y)表示第t幀圖像，表示由前η幀中值圖像得到的背景圖像，Rt(x，y)表示 得到的運動區(qū)域； (2) 中心線提取 使用快速行進算法提取中心線，即：在圖像區(qū)域外圍構造一個活動窄帶，活動窄帶內 部點的到達時間U未定，當前傳播邊界利用逆向差分格式向內傳播，凡是傳播到的點，就 凍結到達時間U，然后構造新的活動窄帶，如此循環(huán)，得到整個平面上每個點的到達時間U， 通過設置閾值T u來消除中心線上的細小分支，最終的骨架S定義為： C= {(i, j) I max (| ux |, | uy |) > Tj ux = U (i+1, j) -U (i, j), uy = U (i, j+1) -U (i, j) 上式中表示：當一個點與其領域x方向和y方向的兩個點間到達時間U的最大差值大 于Tu時，該點為骨架點；T u值越大，被忽略的細節(jié)越多；T u值越小，被保留的細節(jié)越多； (3) 魚頭端點檢測 中心線描述了運動區(qū)域的主體形狀特征，線的端點表示魚頭或魚尾位置；為排除魚體 中除魚頭和魚尾端點以外的其它分支上的端點，對上一步得到的所有端點進行過濾，只有 端點距離其最近交叉點的長度大于閾值1\時，該端點才被認為是魚頭或魚尾端點，否則過 濾該端點；由于魚的頭部寬度大于尾部寬度，我們以得到的端點為圓心，以該點到區(qū)域邊緣 的最小距離為半徑做圓，則圓的直徑能夠近似表示端點位置的區(qū)域寬度，然后通過設定的 寬度閾值T w來判定端點是否屬于魚頭端點； (4) 魚頭方向計算 使用魚頭端點的Hessian矩陣來計算魚頭區(qū)域的方向，即：首先使用不同尺度生成的 高斯模板對圖像進行卷積運算，得到圖像在各個尺度下的DoH響應值，然后在魚頭端點位 置搜索具有最大DoH響應值的尺度作為最終的Hessian矩陣，設魚頭端點為（X，y)，最大響 應值的尺度為s，該尺度下對應的Hessian矩陣表示為：
令λ 2(| λ」>| λ2|)分別表示Hessian矩陣的特征值，對應的特征向量a JP α 2 分別表示（x，y)點曲率最大和最小的方向，則魚頭區(qū)域的方向表示為arctanU/aJ ; (5) 代價函數計算 斑馬魚在相鄰兩幀圖像中，同一目標的魚頭位置和方向的變化較小，不同目標的魚頭 位置和方向變化較大，為在跟蹤中使用這一規(guī)律，定義當前幀中第i個目標和前一幀中第j 個目標的代價函數如下：
這里pcmax和dc max分別表示魚在相鄰幀間的最大方向變化和最大位置變化；pc u和dc u 分別表示當前幀目標i和前一幀目標j之間的位置變化和方向變化；ω和（l-ω)分別表 示位置變化率和方向變化率在代價函數中所占權重； (6)全局優(yōu)化關聯 根據代價函數，利用全局優(yōu)化方法對相鄰幀目標進行關聯，即：設前一幀目標數為η， 當前幀目標數為m，則定義m行Xn列的代價函數矩陣，并按照總代價函數值最小的原則選 擇當前幀中的η個目標與前一幀的目標進行關聯；如果已經關聯過的前一幀目標，則從代 價函數矩陣中刪除該目標所在列；如果存在前一幀的目標沒有被關聯（n>m)，則在當前幀 中保持該目標在前一幀中的狀態(tài)；如果存在當前幀的目標沒有被關聯（n〈m)，則忽略該目 標；為減少關聯數量，提尚跟蹤性能，定義一個最大遮擋距尚閾值T。，只有當相鄰幀目標間 的距離變化小于最大遮擋距離時才進行數據關聯，否則不進行關聯。
【專利摘要】一種基于視頻圖像的斑馬魚跟蹤方法，屬信息技術領域。該方法通過斑馬魚圖像的形狀特點對斑馬魚的魚頭進行檢測，根據魚頭區(qū)域的灰度分布計算魚頭方向，根據檢測到的位置和方向信息，使用全局優(yōu)化方法對相鄰幀間的目標進行關聯，完成斑馬魚的跟蹤。方法包括目標檢測和目標跟蹤；目標檢測包括運動區(qū)域分割、中心線提取、魚頭端點檢測和魚頭方向計算步驟；目標跟蹤包括代價函數計算和全局優(yōu)化關聯步驟。有益效果在于：能同時檢測出魚頭位置和方向信息，檢測準確率高；無需用運動模型對魚進行運動預測，簡化了跟蹤過程；能較好的處理魚在運動中的遮擋問題，跟蹤的穩(wěn)定性高；能較好的處理斑馬魚跟蹤中出現的問題，具有跟蹤準確，魯棒性較強的優(yōu)點。
【IPC分類】G06T7-20
【公開號】CN104766346
【申請?zhí)枴緾N201510181901
【發(fā)明人】錢志明, 秦海菲, 劉曉青, 趙勇超
【申請人】楚雄師范學院
【公開日】2015年7月8日
【申請日】2015年4月15日