复杂背景下高原鼠兔的检测与跟踪技术研究

Ochotona curzoniae is one of the main creature calamities in Qinghai-Tibet Plateau. It is necessary to investigate the number and the harm of Ochotona curzoniae before prevention and is likely to take effective prevention and control measures. With the development of the sensor technologies and the advanced image processing technologies, intelligent monitoring system based on the machine vision can be used to monitor and study the Ochotona curzoniae. During the process of the video surveillance of Ochotona curzoniae, the small body or the small size of the target is made the target be lack of detection characteristics. Under the complicated background, it is difficult to distinguish the noise, background and the target, and which increased the difficulty of objection detection and tracking. The continuous motion characteristic between the small target in the video surveillance and the random noise will be used in this project under the complicated background and dynamic programming algorithm will be adopted for detection and tracking of Ochotona curzoniae in high contrast scenes; In low scenes, after a series of image pre-processing technologies, the direction of weighted method and dynamic programming principle are combined to realize the accurate detection and tracking of Ochotona curzoniae. By the detection and tracking results, the morphology and behavior model of Ochotona curzoniae are established which provides a new basis for prevention for Ochotona curzoniae and the ecological protection for plateau grassland.

高原鼠兔是青藏高原以及邻近地区破坏草地生态的主要生物灾害之一。防治高原鼠兔的危害，就必须对该区的鼠兔数量、危害程度等进行调查研究，才有可能采取经济有效的防治措施。随着传感技术和图像处理技术的发展，可利用基于机器视觉的视频监控系统对鼠兔进行监测和研究。在对高原鼠兔进行视频监控时，由于高原鼠兔形体较小，缺少明显的可探测特征，在复杂的背景下，难以把噪声、背景与目标加以区分，增大了目标检测和跟踪的难度。本项目将利用复杂的大场景监控中，被监控的小目标区别于随机噪声的持续性运动特性，采用动态规划检测方法进行高对比度场景下的鼠兔目标的检测与跟踪；在低对比度场景下，在采取对比度增强等一系列图像预处理技术后，将方向加权策略与动态规划原理相结合来实现鼠兔图像的精确检测与跟踪。根据检测与跟踪的结果，建立高原鼠兔形态与行为学系统模型，从而为高原鼠兔的防治与高原草地的生态保护提供新的依据。

高原鼠兔是青藏高原以及邻近地区的主要生物灾害之一，对高原鼠兔进行防治，就需要对高原鼠兔的数量、危害程度以及行为方式等进行调查研究。借助视频记录对复杂背景下的高原鼠兔行为进行自动分析，可为高原鼠兔的调查研究与防治提供一种新的信息化的手段。.针对含弱小目标图像的基本特性，分析图像噪声模型、背景空间分布模型和弱小目标模型，建立了相应的适用于高原鼠兔目标的图像噪声模型、背景空间分布模型和弱小目标模型。.针对局部二值拟合(LBF)模型在演化过程中极易陷入局部极小值的问题，引入图像形态学梯度信息，对LBF模型进行改进。针对高原鼠兔图像前景灰度不均和目标区域多色彩的问题，对CV模型进行改进。采用改进的两帧帧差法以及背景减除法，提取运动目标初始轮廓曲线，弥补了改进模型需要手动设置初始活动轮廓曲线的不足。研究表明，以上两种方法可以较为准确地实现运动目标的连续精确检测。.针对高原鼠兔跟踪中，目标与背景颜色相近场景下，颜色信息不具有足够的目标与背景区别力的问题，把纹理信息和颜色信息相结合作为目标的表征方法，并把该目标表征方法引入到Mean-Shift跟踪框架下，得到一种新的目标跟踪方法。研究表明，该方法不仅可以准确、稳定地跟踪目标与背景颜色具有一定反差场景下的目标，而且对目标与背景颜色极为相近场景下的高原鼠兔跟踪也具有较强的稳健性。.针对高原鼠兔跟踪中，目标运动的随机性和不确定性问题，提出了一种运动信息引导的高原鼠兔突变运动跟踪方法。通过运动信息来判断目标的运动模式，不同的运动模式采取不同的采样跟踪策略，提高了目标跟踪中采样的有效性。研究表明该方法在保证高原鼠兔突变运动跟踪性能的同时，也改善了目标平滑运动的跟踪性能，提高了方法的鲁棒性。.针对高原鼠兔的行为预测问题，构建了一个三层的小波神经网络模型，对高原鼠兔行为序列进行预测。研究表明，利用小波神经网络对高原鼠兔行为进行预测，具有较高的预测准确率。