本發(fā)明屬于群集運(yùn)動(dòng)研究技術(shù)領(lǐng)域，更具體地，涉及一種群集運(yùn)動(dòng)數(shù)據(jù)采集方法及系統(tǒng)。

背景技術(shù)：

群集運(yùn)動(dòng)是一種普遍存在的自然現(xiàn)象，從到螞蟻、細(xì)菌等的集體移動(dòng)，到鳥群的成群飛翔、魚群的結(jié)隊(duì)巡游、蝗蟲的集群遷徙，以及在現(xiàn)實(shí)生活中的人群都是群集運(yùn)動(dòng)的典型代表。這些由大量自主個(gè)體所組成的群體在飛行、巡游及移動(dòng)過程中如何形成各種各樣協(xié)調(diào)有序的集體運(yùn)動(dòng)模式,又如何就外部作用迅速地、幾乎步調(diào)一致地改變當(dāng)前運(yùn)動(dòng)狀態(tài)，這種高度協(xié)調(diào)且極度有序的集體運(yùn)動(dòng)模式的產(chǎn)生機(jī)理和內(nèi)在機(jī)制，長(zhǎng)期以來一直是群集運(yùn)動(dòng)研究所探討的核心問題。但是實(shí)驗(yàn)數(shù)據(jù)的缺乏嚴(yán)重制約了群集運(yùn)動(dòng)研究的進(jìn)展，實(shí)驗(yàn)場(chǎng)地、數(shù)據(jù)采集以及數(shù)據(jù)處理分析的過程涉及的模塊眾多，因此有必要建立完整的數(shù)據(jù)采集處理方案，以供群集運(yùn)動(dòng)的分析和研究。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的問題和迫切技術(shù)需求，本發(fā)明提供一種通用的群集運(yùn)動(dòng)數(shù)據(jù)采集方法及系統(tǒng)，其目的在于，可以快速的獲取群集運(yùn)動(dòng)實(shí)驗(yàn)數(shù)據(jù)，大大降低實(shí)驗(yàn)周期和數(shù)據(jù)處理周期。

一種群集運(yùn)動(dòng)實(shí)驗(yàn)數(shù)據(jù)采集方法，該方法包括以下步驟：

(1)在實(shí)驗(yàn)場(chǎng)景中采集群集運(yùn)動(dòng)目標(biāo)的視頻；

(2)從當(dāng)前視頻幀中提取目標(biāo)運(yùn)動(dòng)區(qū)域；

(3)對(duì)目標(biāo)運(yùn)動(dòng)區(qū)域?yàn)V除背景；

(4)將濾除背景的目標(biāo)運(yùn)動(dòng)區(qū)域與目標(biāo)灰度閾值進(jìn)行比較，判定大于目標(biāo)閾值的像素點(diǎn)為可疑目標(biāo)像素點(diǎn)，將鄰近的可疑目標(biāo)像素點(diǎn)視為一個(gè)可疑目標(biāo)；

(5)將可疑目標(biāo)與預(yù)定目標(biāo)長(zhǎng)度、寬度和面積閾值進(jìn)行比較，判定可疑目標(biāo)為個(gè)體目標(biāo)、多目標(biāo)重合、非目標(biāo)中的一種；

(6)若可疑目標(biāo)為個(gè)體目標(biāo)，則將可疑目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測(cè)位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給可疑目標(biāo)；

(7)若可疑目標(biāo)為多個(gè)個(gè)體目標(biāo)重疊，則進(jìn)行可疑目標(biāo)拆分操作，再將拆分得到的個(gè)體目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測(cè)位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給個(gè)體目標(biāo)；

(8)若可疑目標(biāo)為非目標(biāo)，則忽略。

進(jìn)一步地，所述步驟(5)的具體實(shí)現(xiàn)過程為：

設(shè)可疑目標(biāo)d的長(zhǎng)為a，寬為b，面積為s；預(yù)訂的長(zhǎng)度邊界上、下閾值為A_max，A_min，寬度邊界上下閾值為B_max，B_min，面積的邊界上下閾值為S_max，S_min，則：

如滿足A_min＜a＜A_max,且B_min＜b＜B_max,且S_min＜s＜S_max，則d是個(gè)體目標(biāo)；

如滿足a＜A_min，或b<B_min，或s<S_min，則d是非目標(biāo)；

如滿足a＞A_max，或b>B_max，或s>S_maxs，則d為多目標(biāo)重合。

進(jìn)一步地，所述步驟(6)的具體實(shí)現(xiàn)過程為：依據(jù)前一幀定位的目標(biāo)位置、方向、速度預(yù)測(cè)目標(biāo)在當(dāng)前幀中的位置，將可疑目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測(cè)位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給可疑目標(biāo)。

進(jìn)一步地，所述步驟(7)可疑目標(biāo)拆分操作的具體實(shí)現(xiàn)過程為：往當(dāng)前幀的相鄰前后幾幀中，找尋可疑目標(biāo)區(qū)域附近的目標(biāo)，如果存在幾個(gè)運(yùn)動(dòng)目標(biāo)，則根據(jù)這幾個(gè)目標(biāo)的速度和方向，預(yù)測(cè)這幾個(gè)目標(biāo)在當(dāng)前幀中的位置，若預(yù)測(cè)目標(biāo)位置在可疑目標(biāo)區(qū)域中，則在當(dāng)前幀中將預(yù)測(cè)目標(biāo)作為目標(biāo)；若預(yù)測(cè)目標(biāo)位置不在可疑目標(biāo)區(qū)域中，則忽略該可疑目標(biāo)。

進(jìn)一步地，還包括步驟(9)后期修正，具體的實(shí)現(xiàn)過程為：

遍歷所有視頻幀，找到目標(biāo)個(gè)體數(shù)量異常減少的視頻幀，手動(dòng)增加個(gè)體運(yùn)動(dòng)目標(biāo)；

遍歷所有視頻幀，找到目標(biāo)個(gè)體數(shù)量異常增加的視頻幀，手動(dòng)減少個(gè)體運(yùn)動(dòng)目標(biāo)；

遍歷所有視頻幀，找到目標(biāo)個(gè)體速度和方向異常突變的視頻幀，將涉及異常的兩個(gè)目標(biāo)ID進(jìn)行交換。

進(jìn)一步地，所述目標(biāo)灰度閾值

其中，threshold是目標(biāo)灰度閾值，X(p)是像素點(diǎn)p的灰度值，u(p)是背景圖像像素點(diǎn)p的值，σ(p)是像素點(diǎn)p的標(biāo)準(zhǔn)差。

一種群集運(yùn)動(dòng)數(shù)據(jù)采集系統(tǒng)，包括：實(shí)驗(yàn)圖像采集單元和上位機(jī)處理單元。

實(shí)驗(yàn)圖像采集單元包括攝像機(jī)、支撐架、可控光源、穩(wěn)壓源；其中，攝像機(jī)置于支撐架上，立于實(shí)驗(yàn)場(chǎng)地正上方，將整個(gè)實(shí)驗(yàn)場(chǎng)地完全覆蓋拍攝；可控光源放置在實(shí)驗(yàn)場(chǎng)地的四周，提供均勻的柔性光照；穩(wěn)壓源用以控制補(bǔ)光燈的亮度；

上位機(jī)處理單元用于對(duì)采集的群集運(yùn)動(dòng)目標(biāo)視頻圖像進(jìn)行處理，獲取運(yùn)動(dòng)目標(biāo)的軌跡信息，包括：

視頻幀提取子模塊，用于提取群集運(yùn)動(dòng)目標(biāo)的視頻；

目標(biāo)運(yùn)動(dòng)區(qū)域提取子模塊，用于從當(dāng)前視頻幀中提取目標(biāo)運(yùn)動(dòng)區(qū)域；

背景濾除子模塊，用于對(duì)目標(biāo)運(yùn)動(dòng)區(qū)域?yàn)V除背景；

可疑目標(biāo)定位子模塊，用于將濾除背景的目標(biāo)運(yùn)動(dòng)區(qū)域與目標(biāo)灰度閾值進(jìn)行比較，判定大于目標(biāo)閾值的像素點(diǎn)為可疑目標(biāo)像素點(diǎn)，將鄰近的可疑目標(biāo)像素點(diǎn)視為一個(gè)可疑目標(biāo)；

可疑目標(biāo)識(shí)別子模塊用于將可疑目標(biāo)與預(yù)定目標(biāo)長(zhǎng)度、寬度和面積閾值進(jìn)行比較，判定可疑目標(biāo)為個(gè)體目標(biāo)、多目標(biāo)重合、非目標(biāo)中的一種；

個(gè)體目標(biāo)跟蹤子模塊用于若可疑目標(biāo)為個(gè)體目標(biāo)，則將可疑目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測(cè)位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給可疑目標(biāo)

多目標(biāo)重疊跟蹤子模塊用于若可疑目標(biāo)為多個(gè)個(gè)體目標(biāo)重疊，則進(jìn)行可疑目標(biāo)拆分操作，再將拆分得到的個(gè)體目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測(cè)位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給個(gè)體目標(biāo)；

非目標(biāo)跟蹤子模塊用于若可疑目標(biāo)為非目標(biāo)，則忽略。

進(jìn)一步地，所述可疑目標(biāo)識(shí)別子模塊的具體實(shí)現(xiàn)過程為：

設(shè)可疑目標(biāo)d的長(zhǎng)為a，寬為b，面積為s；預(yù)訂的長(zhǎng)度邊界上、下閾值為A_max，A_min，寬度邊界上下閾值為B_max，B_min，面積的邊界上下閾值為S_max，S_min，則：

如滿足A_min＜a＜A_max,且B_min＜b＜B_max,且S_min＜s＜S_max，則d是個(gè)體目標(biāo)；

如滿足a＜A_min，或b<B_min，或s<S_min，則d是非目標(biāo)；

如滿足a＞A_max，或b>B_max，或s>S_maxs，則d為多目標(biāo)重合；

所述個(gè)體目標(biāo)跟蹤子模塊的具體實(shí)現(xiàn)過程為：依據(jù)前一幀定位的目標(biāo)位置、方向、速度預(yù)測(cè)目標(biāo)在當(dāng)前幀中的位置，將可疑目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測(cè)位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給可疑目標(biāo)；

所述多目標(biāo)重疊跟蹤子模塊的具體實(shí)現(xiàn)過程為：往當(dāng)前幀的相鄰前后幾幀中，找尋可疑目標(biāo)區(qū)域附近的目標(biāo)，如果存在幾個(gè)運(yùn)動(dòng)目標(biāo)，則根據(jù)這幾個(gè)目標(biāo)的速度和方向，預(yù)測(cè)這幾個(gè)目標(biāo)在當(dāng)前幀中的位置，若預(yù)測(cè)目標(biāo)位置在可疑目標(biāo)區(qū)域中，則在當(dāng)前幀中將預(yù)測(cè)目標(biāo)作為目標(biāo)；若預(yù)測(cè)目標(biāo)位置不在可疑目標(biāo)區(qū)域中，則忽略該可疑目標(biāo)。

進(jìn)一步地，還包括后期修正子模塊，用于：

遍歷所有視頻幀，找到目標(biāo)個(gè)體數(shù)量異常減少的視頻幀，手動(dòng)增加個(gè)體運(yùn)動(dòng)目標(biāo)；

遍歷所有視頻幀，找到目標(biāo)個(gè)體數(shù)量異常增加的視頻幀，手動(dòng)減少個(gè)體運(yùn)動(dòng)目標(biāo)；

遍歷所有視頻幀，找到目標(biāo)個(gè)體速度和方向異常突變的視頻幀，將涉及異常的兩個(gè)目標(biāo)ID進(jìn)行交換。

進(jìn)一步地，還包括后期修正子模塊，所述目標(biāo)灰度閾值其中，threshold是目標(biāo)灰度閾值，X(p)是像素點(diǎn)p的灰度值，u(p)是背景圖像像素點(diǎn)p的值，σ(p)是像素點(diǎn)p的標(biāo)準(zhǔn)差。

本發(fā)明的有益效果體現(xiàn)在：

本發(fā)明公開了一種基于圖像處理技術(shù)的群集運(yùn)動(dòng)數(shù)據(jù)采集方法，根據(jù)視頻數(shù)據(jù)進(jìn)行目標(biāo)跟蹤得到軌跡，在跟蹤過程中識(shí)別重合目標(biāo)并拆分，提高了跟蹤準(zhǔn)確度，可實(shí)現(xiàn)各種大小群集目標(biāo)的準(zhǔn)確跟蹤。進(jìn)一步地，能對(duì)跟蹤出現(xiàn)的異常，如目標(biāo)個(gè)體的減少、增加和交換等情況進(jìn)行后期手動(dòng)修正。本發(fā)明可以方便的采集數(shù)據(jù)，并且基于軟件處理系統(tǒng)的圖像軌跡跟蹤和后期人工修正，大大加快了實(shí)驗(yàn)數(shù)據(jù)的獲取的速度和準(zhǔn)確性。

附圖說明

圖1為本發(fā)明的實(shí)驗(yàn)平臺(tái)實(shí)物結(jié)構(gòu)示意圖；

圖2為本發(fā)明的方法流程圖；

圖3為本發(fā)明的圖像處理獲取運(yùn)動(dòng)目標(biāo)軌跡的效果圖。

具體實(shí)施方式

為了使本發(fā)明的目的、實(shí)施方案和優(yōu)點(diǎn)更加清楚明白，下面結(jié)合采集魚群數(shù)據(jù)的實(shí)驗(yàn)進(jìn)行詳細(xì)說明。但因?yàn)閳D像處理中運(yùn)動(dòng)目標(biāo)的大小可自由設(shè)置，因此本發(fā)明并不局限于魚群。

一、準(zhǔn)備工作

(1)根據(jù)目標(biāo)大小，制作群集運(yùn)動(dòng)目標(biāo)的實(shí)驗(yàn)場(chǎng)地。實(shí)驗(yàn)場(chǎng)地是根據(jù)目標(biāo)的大小和運(yùn)動(dòng)情況來選擇，主要以規(guī)則的長(zhǎng)方形和圓形為主。圖1給出了一個(gè)實(shí)例，在實(shí)物示意圖1中最下方的部件1，是一個(gè)邊長(zhǎng)為1米的正方形(或半徑1米的圓形)塑料水池。目標(biāo)是魚群，種類為錦鯉，顏色為紅色，大小為3-6厘米，高度為3-5厘米，每次實(shí)驗(yàn)的數(shù)量為3-20只不等。因此設(shè)置邊長(zhǎng)為1米的活動(dòng)場(chǎng)地，并且塑料水池的顏色為白色，方便作為背景和魚群區(qū)分。

(2)補(bǔ)光裝置的安裝。補(bǔ)光裝置用于輔助圖像采集，在實(shí)驗(yàn)場(chǎng)地四周提供均勻的補(bǔ)光，大大提高數(shù)據(jù)的精度。在活動(dòng)場(chǎng)地的四周，安裝大型的柔性LED燈，如圖1中部件2，用鐵質(zhì)支架支撐，提供均勻的光照，消除環(huán)境光照(陽(yáng)光)的不均勻帶來的陰影。同時(shí)，圖1中部件5所示的穩(wěn)壓電源，用來給LED燈提供穩(wěn)定的直流電源。

(3)安裝攝像頭采集系統(tǒng)。攝像頭裝置如圖1部件3所示，安裝在白色水池的正上方，調(diào)整到合適的高度正好能將整個(gè)水池完全拍攝。需要注意的是，攝像頭輕微的晃動(dòng)對(duì)后期處理帶來很大的影響，因此需要安裝固定結(jié)實(shí)。此外，攝像頭的數(shù)據(jù)需要實(shí)時(shí)導(dǎo)入到圖1部件4所示的電腦中。

二、數(shù)據(jù)采集

在白色塑料水池中，加水到目標(biāo)魚群的相等高度，在此設(shè)置為5厘米，設(shè)置此值的原因是，需要使用攝像頭進(jìn)行軌跡跟蹤，必須使得魚群不能上下重合，否則圖像處理將不能區(qū)分。選定目標(biāo)魚群數(shù)量為3-20只，放到水池中。開啟補(bǔ)光裝置和電腦，打開攝像頭錄制選項(xiàng)，持續(xù)錄制20分鐘左右后關(guān)閉系統(tǒng)，得到真實(shí)的視頻數(shù)據(jù)。

三、處理工作

(1)截取合適的群集運(yùn)動(dòng)視頻幀。

針對(duì)采集的數(shù)據(jù)，設(shè)定起始幀數(shù)和結(jié)束幀數(shù)，省略掉視頻開始和結(jié)束有干擾的視頻段。F_i1表示原始視頻數(shù)據(jù)的起始幀數(shù)，F(xiàn)_j1表示原始視頻數(shù)據(jù)的結(jié)束幀數(shù)，設(shè)置i2，j2，處理后留下i2到j(luò)2之間的視頻數(shù)據(jù)幀數(shù)。

F_i1:F_j1→F_i2:F_j2(其中i2＞i1,j2＜j1)

(2)從當(dāng)前視頻幀中提取目標(biāo)運(yùn)動(dòng)區(qū)域。

針對(duì)攝像頭采集的數(shù)據(jù)區(qū)域會(huì)比實(shí)際的區(qū)域大，需要在視頻中選擇目標(biāo)區(qū)域，如上所說的正方形、圓形。此處使用的原理是Hough變化，實(shí)現(xiàn)直線和圓形的自動(dòng)檢測(cè)，來得到正方形和圓形的目標(biāo)區(qū)域。在Hough直線變換中，采用(r,theta)來表示一條直線。其中r為該直線到原點(diǎn)的距離，theta為該直線的垂線與x軸的夾角，思想就是：為每一個(gè)點(diǎn)假設(shè)n個(gè)方向的直線，通常n＝180，此時(shí)檢測(cè)的直線的角度精度為1°，分別計(jì)算這n條直線的(r,theta)坐標(biāo)，得到n個(gè)坐標(biāo)點(diǎn)。如果要判斷的點(diǎn)共有N個(gè)，最終得到的(r,theta)坐標(biāo)有N*n個(gè)。有關(guān)這N*n個(gè)(r,theta)坐標(biāo)，其中theta是離散的角度，共有180個(gè)取值。如果多個(gè)點(diǎn)在一條直線上，那么必有這多個(gè)點(diǎn)在theta＝某個(gè)值theta_i時(shí)，這多個(gè)點(diǎn)的r近似相等于r_i。也就是說這多個(gè)點(diǎn)都在直線(r_i，theta_i)上。

(3)使用背景差法進(jìn)行運(yùn)動(dòng)軌跡跟蹤需要獲取背景圖像。獲取原理是，從整個(gè)數(shù)據(jù)段中，選取一定數(shù)量的圖像的平均作為背景圖像的估計(jì)。如下，T為視頻數(shù)據(jù)的幀數(shù)，n為選取的背景幀數(shù)數(shù)量(一般是100，n<T)，則采樣間隔：

Δ＝T/n

在處理中，假設(shè)每個(gè)像素點(diǎn)p都是滿足高斯分布的，則得到背景圖像p的高斯分布中心u(p)如下：

其中X_iΔ(p)表示像素點(diǎn)p的第i次采樣值，Δ為采樣幀數(shù)間隔則均值絕對(duì)標(biāo)準(zhǔn)差σ(p)如下：

其中a為經(jīng)驗(yàn)值，決定背景更新的快慢。雖然選取的圖像中也存在著目標(biāo)個(gè)體，但是由于選取間隔的幀數(shù)比較多，目標(biāo)個(gè)體的位置變化很大，經(jīng)過平均后，目標(biāo)個(gè)體對(duì)背景圖像的影響很小，可以得到比較準(zhǔn)確的背景估計(jì)。這樣目標(biāo)檢測(cè)就可利用，當(dāng)前幀圖像和背景圖像相減，像素點(diǎn)的閾值大于某一值threshold時(shí)，則屬于某一個(gè)目標(biāo)個(gè)體，否則忽略。

(4)設(shè)定目標(biāo)灰度閾值，來判斷相減后的像素點(diǎn)是否是運(yùn)動(dòng)目標(biāo)，此值需要?jiǎng)討B(tài)調(diào)節(jié)達(dá)到最優(yōu)。如果大于此值，則是運(yùn)動(dòng)目標(biāo)像素點(diǎn)。閾值判斷公式為：

其中，threshold是目標(biāo)灰度閾值，X(p)是像素點(diǎn)p的灰度值，u(p)是背景圖像像素點(diǎn)p的值，若調(diào)大threshold，檢測(cè)目標(biāo)數(shù)量少，會(huì)將低對(duì)比度的個(gè)體當(dāng)成背景，但不易受環(huán)境(如光照、水波)影響。若調(diào)小threshold，檢測(cè)目標(biāo)數(shù)量多，會(huì)將環(huán)境的變化(如光照變化、水波波動(dòng))等識(shí)別成目標(biāo)。因此，threshold大小對(duì)目標(biāo)的檢測(cè)有重要的作用，調(diào)節(jié)此值的目的是，讓視頻數(shù)據(jù)的大多數(shù)幀數(shù)中檢測(cè)的目標(biāo)個(gè)數(shù)盡量與實(shí)際的運(yùn)動(dòng)目標(biāo)個(gè)數(shù)相等。

得到可疑目標(biāo)像素點(diǎn)后，將相鄰的像素點(diǎn)連接起來，看成一個(gè)可疑目標(biāo)個(gè)體。

(5)將可疑目標(biāo)與預(yù)定目標(biāo)長(zhǎng)度、寬度和面積閾值進(jìn)行比較，判定可疑目標(biāo)為個(gè)體目標(biāo)、多個(gè)個(gè)體目標(biāo)重疊、非目標(biāo)中的一種

可能存在可疑目標(biāo)和實(shí)際目標(biāo)不匹配的情況。假定第i幀圖像識(shí)別出來的可疑目標(biāo)有n(i)個(gè)，實(shí)際目標(biāo)恒為m個(gè)，則需要使得以下方程最?。?/p>

即在大多數(shù)幀數(shù)中，檢測(cè)的可疑目標(biāo)和實(shí)際目標(biāo)數(shù)量相等。但是在此過程中，會(huì)出現(xiàn)以下兩種情況導(dǎo)致識(shí)別可疑目標(biāo)和實(shí)際目標(biāo)相差很大。

1、將水波波動(dòng)、光照陰影等識(shí)別成可疑目標(biāo)；

2、多個(gè)運(yùn)動(dòng)目標(biāo)重合，識(shí)別成一個(gè)目標(biāo)；

針對(duì)問題1，水波波動(dòng)和光照陰影導(dǎo)致的可疑目標(biāo)，目標(biāo)比較小，通過目標(biāo)大小過濾模塊，去除小目標(biāo)。

針對(duì)問題2，多個(gè)目標(biāo)重合，會(huì)導(dǎo)致可疑目標(biāo)比較大，需要將此區(qū)域附件前后幀數(shù)中的目標(biāo)進(jìn)行位置預(yù)測(cè)，預(yù)測(cè)會(huì)出現(xiàn)在可疑目標(biāo)的什么位置，這樣就可以拆分可疑目標(biāo)成為幾個(gè)目標(biāo)。因此設(shè)置目標(biāo)長(zhǎng)、寬、面積的最大值后，當(dāng)超出此值，則進(jìn)行可疑目標(biāo)的拆分操作。

設(shè)檢測(cè)目標(biāo)d的長(zhǎng)為a，寬為b，面積為s，設(shè)定的長(zhǎng)度邊界值為A_min，A_max，寬度邊界值為B_min，B_max，面積的邊界值S_min，S_max，則：

1、如滿足A_min＜a＜A_max,且B_min＜b＜B_max,且S_min＜s＜S_max，則d是一個(gè)個(gè)體目標(biāo)。

2、如滿足a＜A_min，或b<B_min，或s<S_min，則d是干擾，會(huì)被忽略。

3、如滿足a＞A_max，或b>B_max，或s>S_maxs，則d為多目標(biāo)重合，會(huì)進(jìn)行拆分操作。如果拆分操作不成功，則d會(huì)被忽略(這種情況只能通過后期修正處理)。

(6)若可疑目標(biāo)為個(gè)體目標(biāo)，則將可疑目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測(cè)位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給可疑目標(biāo)。

依據(jù)前一幀定位的目標(biāo)位置和速度預(yù)測(cè)目標(biāo)在當(dāng)前幀中的位置。根據(jù)運(yùn)動(dòng)目標(biāo)的方向和速度進(jìn)行位置預(yù)測(cè)，采樣的時(shí)間間隔為25幀/s即t＝40ms，位置預(yù)測(cè)將前后兩幀圖片中的個(gè)體對(duì)應(yīng)起來，相同的個(gè)體設(shè)置為同樣的標(biāo)號(hào)ID，這樣遍歷所有幀數(shù)，就可以得到所有個(gè)體的軌跡。

(7)若可疑目標(biāo)為多個(gè)個(gè)體目標(biāo)重疊，則進(jìn)行可疑目標(biāo)拆分操作，再將拆分得到的個(gè)體目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測(cè)位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給個(gè)體目標(biāo)

若可疑目標(biāo)為多個(gè)個(gè)體目標(biāo)重合，此時(shí)進(jìn)行可疑目標(biāo)拆分操作，具體步驟為：往前后幾幀中，找尋可疑目標(biāo)區(qū)域附近的目標(biāo)，如果存在幾個(gè)正常大小的目標(biāo)，則根據(jù)這幾個(gè)目標(biāo)的速度和方向，預(yù)測(cè)這幾個(gè)目標(biāo)在當(dāng)前幀中的位置，如果預(yù)測(cè)目標(biāo)位置在可疑目標(biāo)區(qū)域中，則將預(yù)測(cè)目標(biāo)作為目標(biāo)。否則，如果運(yùn)動(dòng)目標(biāo)速度和方向急速變化，預(yù)測(cè)目標(biāo)位置可能不在可疑目標(biāo)區(qū)域中，不能拆分此可疑目標(biāo)，則先忽略，最后通過后期修正處理。保存的數(shù)據(jù)格式為：ntarget(目標(biāo)個(gè)數(shù))、identity(目標(biāo)標(biāo)號(hào))，xpos(目標(biāo)x坐標(biāo))、ypos(目標(biāo)y坐標(biāo))。目標(biāo)標(biāo)號(hào)用來標(biāo)識(shí)前后幀中的同一個(gè)運(yùn)動(dòng)個(gè)體，即identity相同的數(shù)據(jù)表示為同一個(gè)個(gè)體的軌跡。

(8)若可疑目標(biāo)為非目標(biāo)，則忽略。

(9)后期修正環(huán)節(jié)，后期修正算法主要是解決軟件系統(tǒng)自動(dòng)跟蹤中存在的問題：目標(biāo)個(gè)體的丟失(如多個(gè)個(gè)體聚集在一起)，目標(biāo)個(gè)體的增加(將環(huán)境變化識(shí)別成個(gè)體)。此模塊，此算法自動(dòng)找出可能出現(xiàn)異常的時(shí)刻點(diǎn)，具體原理為：1、遍歷所有幀數(shù)，找到目標(biāo)個(gè)體數(shù)量減少的情況，程序顯示出前后兩幀圖像的處理結(jié)果；2、遍歷所有幀數(shù)，找到目標(biāo)個(gè)體數(shù)量增加的情況，程序顯示出此時(shí)前后兩幀圖像的處理結(jié)果；3、遍歷所有幀數(shù)，找到目標(biāo)個(gè)體速度和方向突變較大的情況，程序顯示出此時(shí)前后兩幀圖像的處理結(jié)果。然后人工判斷是否異常，如果存在異常，則會(huì)出現(xiàn)修正的界面，供手動(dòng)調(diào)整，大大增加了數(shù)據(jù)的準(zhǔn)確性。

針對(duì)每種具體的異常問題，進(jìn)行手動(dòng)修正。對(duì)于識(shí)別個(gè)體的減少，可能原因是兩個(gè)個(gè)體運(yùn)動(dòng)到一起，識(shí)別成一個(gè)，此時(shí)需要手動(dòng)增加一個(gè)個(gè)體，將丟失的軌跡連起來。對(duì)于識(shí)別個(gè)體的增加，可能是個(gè)體運(yùn)動(dòng)導(dǎo)致的水波變化，并且水波大小和個(gè)體相似，被識(shí)別成了運(yùn)動(dòng)個(gè)體，需要手動(dòng)將此軌跡刪除。對(duì)于個(gè)體交換，會(huì)在重合時(shí)出現(xiàn)并且方向突變情況下，只需將后一幀圖像中，兩個(gè)個(gè)體標(biāo)號(hào)ID進(jìn)行交換。

經(jīng)過以上步驟，可以快速的得到魚群運(yùn)動(dòng)的位置變化數(shù)據(jù)，對(duì)于后續(xù)的群集動(dòng)力學(xué)研究提供了重要支撐。應(yīng)當(dāng)注意，本發(fā)明不局限于魚群了，比如蟻群、昆蟲群等都可適用，只需要更改實(shí)驗(yàn)的活動(dòng)場(chǎng)地即可。

本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。