申请/专利权人：大连海洋大学

申请日：2023-10-31

公开（公告）日：2024-06-14

公开（公告）号：CN117409368B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/26;G06V10/75;G06T11/20;G06Q50/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.02.02#实质审查的生效;2024.01.16#公开

摘要：基于密度分布的鱼群聚集行为和鱼群饥饿行为实时分析方法，属于图像处理和计算机视觉领域，为了解决鱼群密度准确评估的问题，通过将时间维度与二维空间维度进行叠加，生成密度值叠加的密度图；将所述密度图可视化显示；将可视化的密度图均匀划分为若干区域；计算每个区域的鱼群密度变化值；将所有区域计算得到的鱼群密度变化差值累加，获取整张密度图的鱼群密度变化总差值；根据鱼群密度变化总差值与阈值对比关系，确定鱼群聚集或分散行为，效果是相较于MCNN算法在MAE方面分别提升了1.63和1.35，在MSE方面分别提升了1.92和1.58，预测时间上平均减少了2.56秒。

主权项：1.一种基于密度分布的鱼群行为分析方法，所述鱼群行为包括聚集和分散，其特征在于，所述分析方法，包括图像预处理；通过网络模型获取某一时间点对应的单张图像的密度图；通过将时间维度与二维空间维度进行叠加，生成密度值叠加的密度图；将所述密度值叠加的密度图可视化显示；将可视化的密度图均匀划分为若干区域；计算每个区域的鱼群密度变化值；将所有区域计算得到的鱼群密度变化差值累加，获取整张密度图的鱼群密度变化总差值；根据鱼群密度变化总差值与阈值对比关系，确定鱼群聚集或分散行为；其中：所述网络模型基于如下方式获取某一时间点对应的单张图像的密度图：输入图像通过16个卷积层和4个池化层提取特征，然后应用上采样操作；上采样后的特征图经过一个包含2个卷积层的密度回归序列模块，提取和学习鱼群密度特征；经过密度回归处理后的特征图传递给密度估计层，密度估计层产生密度图，密度图中的每个像素值表示对应位置的鱼群密度或数量的估计，并输出密度图；其中：所述通过将时间维度与二维空间维度进行叠加，生成密度值叠加的密度图，基于如下方式实现：每张密度图代表一个所述某一时间点上的鱼群密度分布，获取一定数量的某一时间点对应的单张图像的密度图后，将这些密度图进行叠加计算，将每张密度图上对应位置的鱼群密度值进行累加，得到一幅综合一段时间内鱼群密度变化信息的密度值叠加的密度图。

全文数据：

权利要求：

百度查询： 大连海洋大学 基于密度分布的鱼群聚集行为和鱼群饥饿行为实时分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD