在早期的经典行为学研究中,主要依赖人为直接观察统计来进行鱼类行为量化,这种量化方法缺点明显,耗时耗力且容易有较大误差。
运动目标的检测
运动目标的检测主要使用的技术是图像差分,图像差分就是目标场景在连续时间点图像相减,差分法有两种方式,当前图像与固定背景图像的差分和连续两幅图像之间的差分。
背景差分主要用于提取图像中感兴趣的运动目标,而帧间差分主要用于衡量两帧图像间的变化,变化程度较小的情况下,能够反映图像的变化速度。差分法计算量较小,编程实现难度小,是目标检测的最常用的算法之一。
光流法是利用运动目标随时间变化的光流矢量来提取图像中的运动目标的方法,可以简单的认为光流是物体运动的特征,如下图。目前,opencv中集成了的光流算法,如Horn-Schunck光流。Horn-Schunck光流法求得的是稠密光流,需要对每一个像素计算光流值,该算法假设同一子图像的像素点有相同的运动。可以根据实际视频图像自行设定光流计算窗口的大小,避免跟踪图像特征点,但计算量比较大。
个体追踪
摆尾,心跳等生理指标
聚集程度
社会力模型
参考文献
领取专属 10元无门槛券
私享最新 技术干货