-
公开(公告)号：CN110031597A
公开(公告)日：2019-07-19
申请号：CN201910316179.4
申请日：2019-04-19
Applicant: 燕山大学
IPC: G01N33/18
Abstract: 本发明提供一种生物式水质监测方法，采用KCF跟踪算法对丢失和运动过程中产生碰撞或遮挡的鱼体运动目标进行补偿；在跟踪过程中使用光流算法进行轨迹平滑，直接得到了鱼类运动轨迹，避免了从图像序列中质心点再提取，在很大程度上提高了效率；提取的是三维轨迹坐标，提供了更加真实的鱼类游动轨迹，可以尽可能减少鱼类面向摄像机横向运动的潜在误差，将3D数据转化为可视化运动轨迹，提供了鱼类运动的直观表示方法；使用集成学习的方式将传统的基于SVM和XGBoost的水质异常监测方法与深度学习神经网络的监测方法进行融合，水质判断结果的错误率呈指数级下降，准确率高。本发明有效节省了人力、物力和财力，同时增强了水质监测的实时性和鲁棒性。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
