基于深度学习的鱼群视频轨迹追踪

【摘要】：鱼群视频轨迹追踪是量化判断水下噪声对鱼群是否影响的有效手段,然而现有鱼群视频轨迹追踪系统多针对斑马鱼等特定鱼类的灰度特征设计算法进行鱼群检测,由于依赖鱼类灰度等特征进行追踪,易受环境干扰且处理时间较长等缺点,因此不易迁移于其他鱼类。本研究将深度学习引入鱼群视频轨迹追踪中,提出了一种基于YOLODeepSORT目标检测-数据关联的鱼群视频轨迹追踪方法。其中,在目标检测部分使用YOLOv5算法检测鱼群位置;在数据关联部分,使用DeepSORT算法将YOLOv5检测得到的鱼群位置信息在时间轴上关联起来得到鱼群轨迹。将所提方法分别应用于两种不同复杂度的场景下鲫鱼及大黄鱼的视频追踪,实验结果表明:追踪准确率分别达到了98%和94%以上,且平均单帧处理时间仅为0.014 s,表明了所提方法的有效性。