【技术实现步骤摘要】
本专利技术涉及计算机视觉，具体地，涉及一种基于端到端的红螯螯虾行为轨迹追踪方法。
技术介绍
1、红螯螯虾也被称为澳洲淡水小龙虾，是一种具有重要经济价值和广泛市场需求的淡水虾类。红螯螯虾肉质结实、滑脆、味道鲜美香甜，与海水龙虾肉质相似。不仅如此，红螯螯虾的适应性和抗病性强、耐低氧、成活率较高，生存温度范围较宽。因此，市场需求旺盛，在国内市场上可以卖出非常不错的价格。
2、但是红螯螯虾生性好斗，在养殖池经常出现相互间打架的现象，增加了养殖死亡率，给养殖户造成不小的经济损失。而随着对红螯螯虾行为的进一步研究，仅依靠传统的人眼目测难以满足需求，这种传统的方法容易让人产生视觉疲劳，效率低下。
3、随着图像识别技术的不断发展和对生物行为监测的需要，图像识别技术在生物识别的应用越来越广泛，目前已经在鱼的分类和猪的个体追踪有所应用。jde类型的多目标跟踪算法数据标注成本高，且模型不易调优、泛化性不强。sde类型的多目标跟踪算法将模型分为检测器和跟踪器两部分，可以针对两个部分分别调优，但需要精度特别高的检测器模型。但是传统的目标检测算法如光流法、粒子滤波等算法在处理复杂场景时容易出现漏检错检，容易受拍摄的光线和角度影响；而像深度学习中基于锚框方法的yolo系列算法、faster r-cnn算法等产生的锚框数量多冗余巨大，不利于后续跟踪器的构建。随着端到端设计理念的提出和transformer模型在视觉领域的越来越多的应用，一系列无锚框且结合transformer的模型被创造出来如detr、rtdetr等，在目标检测领域大显
4、而申请号为202410362230.6的中国专利技术专利公开了《一种基于卡尔曼滤波器的鱼类追踪方法》，其技术方案包括：s1、利用目标检测器在当前视频帧中检测出多个第一鱼类目标，获取与每个第一鱼类目标相对应的第一矩形框；s2、按照视频帧的时间顺序，利用卡尔曼滤波器根据先前视频帧中的第一矩形框对当前视频帧中的鱼类目标位置进行估计，得到第二矩形框；s3、利用匈牙利算法根据iou值对当前视频帧中的第一矩形框、第二矩形框或鱼类目标在其出现的最后一帧中的矩形框进行共三次匹配；s4、根据匹配结果对卡尔曼滤波器进行更新，分配编号；s5、对每一视频帧按照步骤s1至步骤s4进行处理，直至所有视频帧均被处理，输出鱼类目标的追踪信息，追踪信息包括鱼类目标在每一视频帧中的位置信息与编号。
技术实现思路
1、为解决现有技术多目标跟踪算法存在准确率低、精度不足、运行速度慢的技术问题，本专利技术提供了一种基于端到端的红螯螯虾行为轨迹追踪方法，本专利技术采用的技术方案是：
2、本专利技术第一方面提供了一种基于端到端的红螯螯虾行为轨迹追踪方法，所述方法包括：
3、获取红螯螯虾图像样本数据集并进行预处理；
4、通过预处理后的红螯螯虾图像样本数据集训练预设的检测器，得到训练好的检测器；
5、通过预设的筛选模块对所述预设的检测器的输出图像帧进行筛选，根据筛选结果构建跟踪器；
6、将所述训练好的检测器、所述筛选模块以及跟踪器串联桥接，得到红螯螯虾行为轨迹追踪模型；
7、通过所述模型对红螯螯虾进行行为轨迹追踪，得到红螯螯虾对应的移动总路程和行为轨迹图。
8、作为一种优选方案，获取红螯螯虾图像样本数据集并进行预处理的方法包括：
9、使用图像传感器采集各场景包含红螯螯虾的图像，得到红螯螯虾图像样本数据集；
10、将所述红螯螯虾图像样本数据集统一裁切缩放到预设的分辨率；
11、通过预设的图像标注工具对图片中的红螯螯虾进行标注，得到包含标注框信息的红螯螯虾图像样本数据集；
12、将红螯螯虾图像样本数据集按预设比例分为训练集、验证集和测试集。
13、作为一种优选方案，通过预设的图像标注工具对图片中的红螯螯虾进行标注，得到包含标注框信息的红螯螯虾图像样本数据集的方法包括：
14、通过makesense网站对图片中的红螯螯虾进行标注，得到包含标注框信息的红螯螯虾图像样本数据集。
15、作为一种优选方案，将红螯螯虾图像样本数据集按预设比例分为训练集、验证集和测试集的方法包括：
16、将红螯螯虾图像样本数据集按7：2：1的比例分为训练集、验证集和测试集。
17、作为一种优选方案，通过预处理后的红螯螯虾图像样本数据集训练预设的检测器，得到训练好的检测器的方法包括：
18、将所述训练集输入到所述预设的检测器进行训练，通过所述验证集对检测器进行性能评估，保留性能最佳的检测器，得到训练好的检测器。
19、作为一种优选方案，通过预设的筛选模块对所述预设的检测器的输出图像帧进行筛选，根据筛选结果构建跟踪器的方法包括：
20、设定置信度阈值，将置信度大于该阈值的检测器输出图像帧作为跟踪器输入图像帧；
21、根据跟踪器输入图像帧中的红螯螯虾个体数初始化当前追踪个体数量和容纳不同个体每帧位置的字典，字典的键为每只红螯螯虾的id，值为其位置信息；
22、在后续帧检测过程中，实时更新字典，具体为：
23、若当前跟踪器输入图像帧中红螯螯虾数量大于上一帧，则为新检测到的红螯螯虾分配新的id，并将其位置信息设置为none；
24、遍历字典，将位置信息none的键值对划分到无意字典，其余的划分到有意字典；
25、遍历所述有意字典，对每个红螯螯虾id的所有历史帧位置信息进行卡尔曼滤波预测，得到每个id在当前跟踪器输入图像帧中的预测位置信息；
26、将每个id的预测位置信息与当前跟踪器输入图像帧中的每个红螯螯虾实际位置信息进行匹配，根据匹配成功的红螯螯虾实际位置信息更新对应id在字典中的位置信息；
27、将未匹配的红螯螯虾实际位置信息分配给无意字典中的id，并将其移入有意字典中。
28、作为一种优选方案，将每个id的预测位置信息与当前跟踪器输入图像帧中的每个红螯螯虾实际位置信息进行匹配的方法包括；
29、将每个id的预测位置信息分别与当前跟踪器输入图像帧中的每个红螯螯虾实际位置信息进行iou计算，若计算结果大于预设阈值则匹配成功，若计算结果小于预设阈值，则匹配失败，并将匹配失败的id从有意字典移入无意字典。
30、作为一种优选方案，通过所述模型对红螯螯虾进行行为轨迹追踪，得到红螯螯虾对应的移动总路程和行为轨迹图的方法包括：
31、采集预设时长的红螯螯虾视频；
32、将所述红螯螯虾视频输入到红螯螯虾行为轨迹追踪模型；
33、将跟踪器内存储有位置信息的字典取出，按不同id分成一系列检测框坐标，并将检测框坐标取中点作为质心坐标；
34、根据所述质心坐标通过数据可视化库绘制成轨迹图，并把每两帧之间的质心本文档来自技高网...
【技术保护点】
1.一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，获取红螯螯虾图像样本数据集并进行预处理的方法包括：
3.根据权利要求2所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，通过预设的图像标注工具对图片中的红螯螯虾进行标注，得到包含标注框信息的红螯螯虾图像样本数据集的方法包括：
4.根据权利要求2所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，将红螯螯虾图像样本数据集按预设比例分为训练集、验证集和测试集的方法包括：
5.根据权利要求2所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，通过预处理后的红螯螯虾图像样本数据集训练预设的检测器，得到训练好的检测器的方法包括：
6.根据权利要求1所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，通过预设的筛选模块对所述预设的检测器的输出图像帧进行筛选，根据筛选结果构建跟踪器的方法包括：
7.根据权利要求6所述的一种基于端到端的红螯螯
8.根据权利要求1所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，通过所述模型对红螯螯虾进行行为轨迹追踪，得到红螯螯虾对应的移动总路程和行为轨迹图的方法包括：
9.一种计算机可读存储介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的一种基于端到端的红螯螯虾行为轨迹追踪方法的步骤。
10.一种计算机设备，其特征在于：包括存储介质、处理器以及储存在所述存储介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的一种基于端到端的红螯螯虾行为轨迹追踪方法的步骤。
...【技术特征摘要】
1.一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，获取红螯螯虾图像样本数据集并进行预处理的方法包括：
3.根据权利要求2所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，通过预设的图像标注工具对图片中的红螯螯虾进行标注，得到包含标注框信息的红螯螯虾图像样本数据集的方法包括：
4.根据权利要求2所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，将红螯螯虾图像样本数据集按预设比例分为训练集、验证集和测试集的方法包括：
5.根据权利要求2所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，通过预处理后的红螯螯虾图像样本数据集训练预设的检测器，得到训练好的检测器的方法包括：
6.根据权利要求1所述的一种基于端到端的红螯螯虾行为轨迹追踪方法，其特征在于，通过预设的筛选模块对...
【专利技术属性】
技术研发人员：王庆，莫竣翔，黄步词，蒋盈盈，左小玲，翁梓扬，王隆鑫，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。