專利名稱：河蟹單目標行為分析方法
技術(shù)領(lǐng)域：
本發(fā)明涉及水生動物學(xué)和水產(chǎn)養(yǎng)殖學(xué)領(lǐng)域，具體涉及一種河蟹單目標行為分析方法。
背景技術(shù)：
河蟹學(xué)名叫中華絨螯蟹，又稱毛蟹、螃蟹、大閘蟹，被譽為“水中上品、湯筵佳肴”，是我國名優(yōu)特產(chǎn)，主要分布在我國東部各海域沿岸及通海的河流。近幾年我國河蟹養(yǎng)殖業(yè)發(fā)展迅速，已成為產(chǎn)值超千億元的大產(chǎn)業(yè)，并已由追求產(chǎn)量的“大養(yǎng)蟹”向以質(zhì)量效益為中心的“養(yǎng)大蟹”和“養(yǎng)生態(tài)蟹”轉(zhuǎn)變，河蟹養(yǎng)殖業(yè)在改善人民生活和引導(dǎo)農(nóng)民致富上發(fā)揮著越來越重要的作用。隨著不斷增長的河蟹食用需求，大規(guī)模和超大規(guī)模集約化河蟹養(yǎng)殖是必然方向。但是目前對河蟹生態(tài)學(xué)的研究不夠系統(tǒng)，并未達到生態(tài)學(xué)高度，特別是河蟹行為的研究(主要是河蟹行為和養(yǎng)殖生態(tài)環(huán)境關(guān)系的研究)基本處于依靠人工觀察和分析的階段。這·種河蟹行為分析的方法和模式不僅耗費人力、物力和時間更無法得到科學(xué)的、量化的監(jiān)測數(shù)據(jù)和分析結(jié)果。由于無法了解河蟹行為與養(yǎng)殖環(huán)境(特別是脅迫養(yǎng)殖環(huán)境)的外在表現(xiàn)和內(nèi)在聯(lián)系，使得河蟹的攝食行為、活動狀態(tài)、病害感染、格斗、死亡、環(huán)境適宜性等許多問題都無法得到科學(xué)的、合理的解釋，進而導(dǎo)致很多河蟹養(yǎng)殖技術(shù)難題難以攻破，尤其是環(huán)境脅迫下造成的大量死亡問題(一個池塘，在短暫I小時內(nèi)，可能出現(xiàn)絕產(chǎn)，幾萬元損失)，在當前發(fā)展優(yōu)質(zhì)、高效、高產(chǎn)漁業(yè)的新形勢下，極大地限制了河蟹養(yǎng)殖業(yè)發(fā)展。河蟹對外界環(huán)境反應(yīng)迅速，既能在水中作短暫游泳，又能迅速爬行和攀登高處。晝伏夜出，白天隱藏于洞穴、池底、石隙或草叢中，在夜間河蟹依靠嗅覺、靠一對復(fù)眼在微弱的光線下尋找食物。這樣的生活習(xí)性使得常規(guī)的監(jiān)測和分析方法根本無法進行河蟹行為的監(jiān)測和分析，特別是脅迫環(huán)境下的行為監(jiān)測和分析方法是多年來一直是困擾河蟹養(yǎng)殖專家的棘手難題。目前，如專利文獻200710173514. 7、專利文獻200910106867. 4所述的系統(tǒng)和方法都可以對動物行為進行分析，但針對河蟹行為的分析主要存在以下不足(I)現(xiàn)有系統(tǒng)所述的實驗裝置不能用于河蟹行為監(jiān)測，無法取得河蟹行為數(shù)據(jù)，更無法使用相應(yīng)軟件進行分析；(2)現(xiàn)有方法主要研究對象為陸生哺乳動物，使用陸生動物行為特征和行為分類，不能適用于河蟹行為的分析。綜上，為了更好的進行河蟹生態(tài)學(xué)、河蟹行為學(xué)和河蟹養(yǎng)殖學(xué)研究并將其應(yīng)用于河蟹的大規(guī)模和超大規(guī)模集約化養(yǎng)殖中，需要迫切地解決河蟹行為分析的難題。

發(fā)明內(nèi)容
(一 )要解決的技術(shù)問題本發(fā)明要解決的技術(shù)問題是如何有效地監(jiān)測并分析河蟹的行為。
(二)技術(shù)方案為解決上述技術(shù)問題，本發(fā)明提供了一種河蟹單目標行為分析方法，包括以下步驟SI :讀入利用3D視覺監(jiān)測技術(shù)采集的彩色視頻文件file_和filefMnt，其中fiIetop表示正上方采集的視頻，fIlefront表示正前方采集的視頻；S2 :對步驟SI讀入的文件進行3D視頻跟蹤處理，得到基于3D視覺技術(shù)的河蟹行為特征模型，所述基于3D視覺的河蟹行為特征模型定義為Fev= {fp,ev|p = 1，2，…，fs}，其中，P為幀號，fs為總幀數(shù)，fp,cv為第p幀基于3D視覺技術(shù)的河蟹行為特征，fp,cv定義為
權(quán)利要求
1.一種河蟹單目標行為分析方法，其特征在于，包括以下步驟 S1:讀入利用3D視覺監(jiān)測技術(shù)采集的彩色視頻文件file_和filefMnt，其中file_表示正上方采集的視頻，fIlefront表示正前方采集的視頻； S2:對步驟SI讀入的文件進行3D視頻跟蹤處理，得到基于3D視覺技術(shù)的河蟹行為特征模型，所述基于3D視覺的河蟹行為特征模型定義為Fev= {fp,cv|p = 1,2,…，fs}，其中，P為幀號，fs為總幀數(shù)，fp, cv為第p幀基于3D視覺技術(shù)的河蟹行為特征，fp, cv定義為fcv = pstjclaw,rcla^ ^ 5、, fc/avi,和,分別表不河蟹的速度、加速度、空間位置、左側(cè)蟹螯狀態(tài)和右側(cè)蟹螯狀態(tài),￥、a , 和^^分別定義如下: ,s/m (.s'/凡收/,..v/d\vv功二s/xt)，其中speed、spdx、spdy和spdz分別表示河蟹的速度值、速度方向的X分量、速度方向的I分量和速度方向的z分量； a =,其中asp、adx、ady和adz,分別表示加速度值、加速度方向的x分量、加速度方向的Y分量、加速度方向的z分量； pst = (x, v,z)，其中x、y和z分別表示X坐標、y坐標和z坐標；Iclaw. = {ftcmgle Jmattgle Jbangle)其中 I tangle、Imangle 和 Ibangle 分別表不左側(cè)螯足指節(jié)夾角、腕節(jié)夾角和長節(jié)夾角； re/aw = (r/a"g/e，r/mwg/e,r&wg/e)，其中 rtangle、rmangle 和 rbangle 分別表示右側(cè)螯足指節(jié)夾角、腕節(jié)夾角和長節(jié)夾角； S3:對步驟S2所得特征模型進行分類訓(xùn)練并得到基于3D視覺技術(shù)的河蟹行為分類器Ccv及按該分類器Cct分類的結(jié)果； S4:讀入利用無線傳感技術(shù)所采集的河蟹運動傳感信息； S5:對步驟S4讀入的數(shù)據(jù)進行特征提取，形成基于無線傳感監(jiān)測技術(shù)的河蟹行為特征模型，定義為FW= {ft,w|t = 1,2,…，tm}，其中t為時間序列號，tm為時間序列號最大值，其中ft,w為第t時間基于無線傳感技術(shù)的河蟹行為特征，定義為其中;；表示速度、2表示加速度、Wl表示水位、Wt表示水溫,按時間采集順序ft,w組合為Fw ； 其中巧、5分別定義如下，—辦，，其中 sPeW、spdx'、spdy'和 spdz'分別表示速度值、速度方向的X分量、速度方向的I分量、速度方向的z分量； > adx1 > ady;和 adz'分別表不加速度值、加速度方向的X分量、加速度方向的I分量、加速度方向的z分量； S5:分析步驟S3得到分類器分類結(jié)果和步驟S5得到特征模型，得到基于無線傳感監(jiān)測技術(shù)的河蟹行為分類器Cw; S7:根據(jù)不同的數(shù)據(jù)采集技術(shù)，選取相應(yīng)的分類器分析得到河蟹的行為的分類結(jié)果。
2.如權(quán)利要求I所述的河蟹單目標行為分析方法，其特征在于，所述步驟S2中利用粒子濾波跟蹤算法進行河蟹單目標跟蹤，得到跟蹤路徑并在跟蹤過程中計算出河蟹基于3D視覺技術(shù)的行為特征集，從而得到基于3D視覺技術(shù)的河蟹行為特征模型，具體步驟包括 S21 :初始化巾貞計數(shù)器p = 0,得到總巾貞數(shù)fs ；S22 :分別對fiIettjp和fiIeftmt的第p幀進行分割處理，得到fiIettjp和fiIefrant第P幀河蟹的位置及姿態(tài)，同時獲得河蟹得空間位置;^、左側(cè)蟹螯狀態(tài)—、右側(cè)蟹螯狀態(tài)rclaw ； S23:對河蟹目標進行軌跡點記錄，分別計算運動速度$加速度并將運動速度$加速度叾、空間位置;^、左側(cè)蟹螯狀態(tài)—、右側(cè)蟹螯狀態(tài);^線性組合成為第P幀基于3D視覺技術(shù)的河蟹行為特征fp,CT，并將fp,CT加入基于3D視覺技術(shù)的河蟹行為特征集Fct中；S24 :巾貞計數(shù)器p = p+1,若p = fs則結(jié)束,否則轉(zhuǎn)到步驟S22。
3.如權(quán)利要求I所述的河蟹單目標行為分析方法，其特征在于，所述步驟S3具體包括 531:將采集的部分視頻信息經(jīng)過人工觀察，標記出其典型行為； 532:采用隨機森林法得到所述基于3D視覺技術(shù)的河蟹行為分類器(；v，并使用十折交叉驗證法對分類器驗證，分類條件集合為cd = {thsp, tha, thpst, thlclaw, thrclaw},其中th表示對應(yīng)下標向量的閾值,= IcdClassel I cl = 1,2,tel},其中，CdClassel表示河蟹行為類別為Classd的行為的分類條件； 533:對未被標記的視頻信息所對應(yīng)的基于3D視覺技術(shù)的河蟹行為特征模型使用S32步驟得到分類器Cct，通過計算待識別河蟹行為所屬河蟹行為類別的綜合隸屬度得到分類結(jié)果集CB， 其中，按如下公式計算待識別河蟹行為所屬河蟹行為類別的決策集 y = (Classcl I cl = 1,2,…，tel} Yoriginal = {yi I i = 1,2，…，n}其中，y為河蟹行為類別代碼，Yoriginal為隨機森林的決策集，對于每巾貞的/CT, = i^p，a,pstJclaw,rc!cn^對應(yīng)一個YOTiginal，Yi為第i棵決策樹的決策結(jié)果，即第i課決策樹對當前輸入幀的河蟹行為特征所判定的河蟹行為類別代碼，n為隨機森林中決策樹的總數(shù)，tcl是河蟹行為類型的總數(shù)； 按如下公式計算隨機森林結(jié)果的統(tǒng)計集 Ystat Stsit (YQriginai)Ystat = {Num(Classcl) cl = 1,2,…，tcl} 其中，Ystat為Ytffiginal的統(tǒng)計集，Stat ( )為統(tǒng)計函數(shù)，用以對Ymiginal中出現(xiàn)的相同結(jié)果做數(shù)量統(tǒng)計，Num(Classcl)表示河蟹行為類別代碼為Classcd的結(jié)果在結(jié)果集Ymiginal中的數(shù)量； 按如下公式計算待識別河蟹行為所屬河蟹行為類別代碼 cb = argmax (Ystat) 其中，arg表示取max函數(shù)得到的最大值所代表的類別代碼而非最大值本身，cb即為向量中具有最大綜合隸屬度的河蟹行為類別代碼，按幀號順序?qū)b組合成分類結(jié)果集CB CB=Icbp I p = 1,2, , fs},其中cbp為第p巾貞河蟹行為類別代碼，fs為總巾貞數(shù)。
4.如權(quán)利要求I所述的河蟹單目標行為分析方法，其特征在于，所述步驟S6具體包括 S61 :利用時間序列號和幀號為對應(yīng)關(guān)系，以步驟S5中構(gòu)造的基于無線傳感技術(shù)的河蟹行為特征模型Fw為輸入，以步驟S33中得到分類結(jié)果CB為參考，構(gòu)造待分析的樣本數(shù)據(jù)集; S62 :將S61中得到的樣本數(shù)據(jù)集作為訓(xùn)練樣本，采用一對一 V-支持向量機訓(xùn)練，得到基于無線傳感技術(shù)的河蟹行為分類器Cw，分類器Cw中共含有tcl X (tcl-1) /2個v-SVM分類器，其中tcl為河蟹行為類型總數(shù)。
5.如權(quán)利要求I所述的河蟹單目標行為分析方法，其特征在于，所述步驟S7具體包括 若數(shù)據(jù)為基于3D視覺技術(shù)采集，則選取步驟S32得到的基于3D視覺技術(shù)的河蟹行為分類器Cct對數(shù)據(jù)進行處理，并得到河蟹行為的分類結(jié)果； 若數(shù)據(jù)為基于無線傳感技術(shù)采集，則選取步驟S62得到的基于無線傳感技術(shù)的河蟹行為分類器Cw對數(shù)據(jù)進行處理，經(jīng)過投票機制，即選取tcl X (tcl-1) /2個v-SVM分類器出現(xiàn)次數(shù)最多的結(jié)果，作為行為分類結(jié)果。
全文摘要
本發(fā)明公開了一種河蟹單目標行為分析方法，包括S1讀入利用3D視覺監(jiān)測技術(shù)采集的彩色視頻文件；S2對視頻文件進行3D視頻跟蹤處理，得到基于3D視覺技術(shù)的河蟹行為特征模型；S3對該特征模型進行分類訓(xùn)練并得到基于3D視覺技術(shù)的河蟹行為分類器和分類結(jié)果；S4讀入利用無線傳感技術(shù)所采集的河蟹運動傳感信息；S5根據(jù)步驟S4讀入的數(shù)據(jù)形成基于無線傳感監(jiān)測技術(shù)的河蟹行為特征模型；S6分析步驟S3得到分類器分類結(jié)果和步驟S5得到特征模型，得到基于無線傳感監(jiān)測技術(shù)的河蟹行為分類器；S7對后續(xù)采集的實驗數(shù)據(jù)可以使用步驟S3和步驟S6得到的分類器進行處理，并得到河蟹行為分類結(jié)果。本發(fā)明使得對河蟹行為分析結(jié)果更為量化和準確。
文檔編號A01K61/00GK102722716SQ20121016116
公開日2012年10月10日 申請日期2012年5月22日 優(yōu)先權(quán)日2012年5月22日
發(fā)明者姜宇, 岳峻, 李振波, 李道亮, 段延娥 申請人:中國農(nóng)業(yè)大學(xué)