[发明专利]一种基于集约化养殖的鱼类轨迹预测方法

权利要求书

1.一种基于集约化养殖的鱼类轨迹预测方法，其特征在于：所述基于集约化养殖的鱼类轨迹预测方法包括如下步骤：

S1、获取鱼群活动轨迹视频，对每一帧图像建立平面几何鱼塘模型并进行区域划分，设定各所述区域的变化参数{d₁，d₂，d₃，d₄}，并通过目标识别算法获取每条鱼苗的检测框，滤除各帧图像中置信度低于预设阈值的所述检测框，并采用卷积神经网络算法获得向量L^e作为对应所述检测框的外观特征，其中，g为向量维度；

S2、将各条鱼苗的状态向量均表示为p＝[a，b，r，h，v_a，v_b，v_r，v_h]^T，其中，a为所述鱼苗的检测框中心横坐标，b为所述鱼苗的检测框中心纵坐标，r为所述检测框的长宽比，h为所述检测框的宽度，v_a为所述鱼苗的检测框中心横坐标方向变化速度，v_b为所述鱼苗的检测框中心纵坐标方向变化速度，v_r为所述检测框的长宽比变化速度，v_h为所述检测框的宽度变化速度；

S3、采集所述鱼群活动轨迹视频中任一条鱼苗的连续N帧对应的状态向量{p₁，p₂，...，p_n，...，p_N-1，p_N}，n＝1，…，N，获得鱼群的平均速度横坐标平均变化量纵坐标平均变化量和平均长度l；

S4、在检测第一帧时进行初始化，具体如下：

S41、获取第一帧各所述检测框对应的位置信息[a₁，b₁，r₁，h₁]^T；

S42、对应创建各所述检测框的预测跟踪框，所述预测跟踪框包括对应所述检测框的状态向量p₁、协方差矩阵S₁和历史外观特征列表L₁，为各所述预测跟踪框分配一个id作为跟踪编号并进行初始化，初始化后的所述状态向量p₁＝[a₁，b₁，r₁，h₁，0，0，0，0]^T，所述协方差矩阵所述历史外观特征列表L₁为空；

S5、根据第k(k＝1，…，N-1)帧各所述预测跟踪框的所处区域、状态向量p_k和协方差矩阵S_k，对应生成第k+1帧预测跟踪框的状态向量p_k+1和协方差矩阵S_k+1；

S6、采用匈牙利算法将第k+1帧检测框与所述第k+1帧预测跟踪框进行匹配；

S7、判断是否满足k≤N-1，若是，更新所述第k+1帧预测跟踪框的状态向量p_k+1和协方差矩阵S_k+1分别为状态向量p′_k+1和协方差矩阵S′_k+1，并更新所述第k+1帧预测跟踪框的历史外观特征列表L_k+1为上一帧所述历史外观特征列表L_k与匹配到的所述第k+1帧检测框的外观特征L^e之和，所述历史外观特征列表L_k包括最近M次匹配到的对应所述检测框的外观特征L^e，M为正整数，置k＝k+1，重复步骤S5，进行新一轮的运动轨迹预测，否则，结束预测。