1. 研究目的与意义
众所周知，我国的湖泊河流面积和领海面积还是很大的，这么大的面积也为鱼类的生存提供了很好的生存环境。
各种鱼类，由于它们对食物的需求不同，经常栖息和活动于不同水层；在自然水体温度较低时，各类鱼都喜欢到向阳的水域活动觅食；鱼类在水体中作具有一定时间、范围、方向、距离的迁移称作洄游；除鲶鱼、黑鱼之外，大多数鱼类喜群居。
而且鱼类养殖也是我国比较发达的产业之一，所以对鱼类的研究，特别是鱼类集群的研究，能更好的发现鱼类生存的方式特点，为鱼类养殖提供一定的理论基础，从而促进了渔业生产的快速增长。
2. 研究内容和预期目标
研究内容
基于机器学习算法，研究视频中运动鱼群检测方法。具体内容包括：
（1）研究视频中运动目标检测的常用方法；
3. 研究的方法与步骤
鱼群运动视频跟踪整个过程分成三个步骤:第一个步骤为图像预处理，通过图像预处理可以去掉一些嗓声，特别是阴影；第二个步骤为运动目标检测，在这个步骤用当前图像减去背景把鱼从图像背景中分离出来，再运用带标记的分水岭算法结合实验池尺寸、固定鱼条数等约束条件.获得每条鱼的质心坐标；第三个步骤为目标跟踪。在这个步骤中需要匹配前一帧和后一恢的运动目标.即已知t时刻的鱼标号.如何确定t 1时刻相应的鱼标号，从而获得目标的轨迹。下面对这些过程进行共体阐述。3.1图像预处理在鱼群视颇中，最大的数据嗓声来自阴影[11]。受光线等因素影响，运动目标的阴影也会随运动目标一起被检出.出现形影不离的现象.常导致系统误判.阴影经常会被误认为目标鱼的一部分，而且更容易导致鱼体之问发生粘连。因此，我们需要对原始图像中鱼的阴影进行去除。但是.阴影其有两个重要的显若的视觉特征:(1)阴影显著异于背景而被视为前景;(2)阴影与目标物存在相同的运动属性.因此，阴影检测与去除成为应用系统中比较困难的问题。我们利用sanin等的c 软件库对鱼群的阴影进行去除，方法采用huang等的算法。对于给定的像素p，用u（p）表示从阴影到背景的颜色变化向量，颜色变化用三维特征表示，表示亮度梯度，为球坐标下的方向： 其中，bg（p）表示p像素点的背景颇色，上标r, g, b分别表示rgb颜色空间中的红色、绿色和蓝色分量。该方法采用无监督方式，首先，根据亮度和饱和度把异于背景的像素筛选出来作为前景候选点，然后以这些候选点的特征向量x(p)建立混合高斯模型，再根据模型计算这些像素点的后验概率以判断是前景点还是背景.
3.2运动目标检测
对于运动日标的检测方法采用较多的是:背景差分法、帧差分法、光流场法[12]。本文综合全面地考虑了各算法的优缺点，选择采用背景差分法来检测鱼群运动目标，该算法优点突出，表现在实现简单、速度快并且能提供完整的特征数据，是对本课题有效的检测算法。
4. 参考文献
[1] 周应祺.应用鱼类行为学[M].北京：北京科学出版社，2011[2] Aoki. An analysis of the schooling behavior of fish: internal organization and communication process[J]. Bull. Ocean Res. Insl., 1980, 12:1-62.[3] Cavagna A., Giardina I., Orlandi A., Paris! G., Procaccini A The STARFLAG handbook on collective animal behavior: 2.Three-dimensional analysis[J] Animal Behaviour, 2008, 765:237-248[4] Kato S.,Nakagawa T.,Ohkawa M.,Muramoto K.,Oyama 0.,Watanabe A.,Nakashima H.,Memoto T.,SugltaniK.A computer image processing system for quantification of zebrafish behavior[J].J.Neurosci.Methods,2004,134:1-7.[5] Stien L.H.,Bratland S.,Austevoll I.,Oppedal F.,Kristiansen T.S.A video analysis procedure for assessing vertical fish distribution in aquaculture tanks[J].Aquacultural Engineering,2007,37:115-124.[6] Fontaine Ebraheem,David Lentink,Sander Kranenbarg,Ulrike K.Miller,van Leeuwen ohan L.,Alan H.Barr.Joel W.Burdick.Automated visual tracking for studying the ontogeny of zebrafish sa-imming[J]. Journal of Experimental Biology. 2008,211(8):1305-1316[7] Kristin Branson, Alice A Robie. John Bender, Pietro Peronal, Michael H Dickinson. High-throughout ethomics in large groups of Drosophila[J].Nature Methods,2009,6:451-457.[8] Miller N., Gerlai R. Automated tracking of zebrafieh shoals and the analysis of shoaling behavior.In Zebrafish Protocols for Neurobehavioral Research, New York: Humanna Press,2012,21T-230.[9] Papadalds V. M., Papadalds I.E.，Lamprianidou F., Glaropoulos A., Kentouri M. A computer-vision system and methodology for the analysis of fish behavior[J].Aquacultural Engineering,2012,46:53-59.[10] 简夏,刘军清,陈鹏,雷帮军,李伟生.基于DIDSON的鱼群检测及鬼影抑制方法[J].计算机应用与软件,3,2016.[11] 卢焕达.基于视频数据的鱼群动态行为建模与异常检测研究[D]. 浙江大学博士论文, 2014.[12] 吴军. 基于视觉感知的鱼群目标检测与跟踪技术研究[D],浙江工业大学硕士论文，2011.[13] Jger, Jonas , Rodner, Erik , Denzler, Joachim. SeaCLEF 2016: Object proposal classification for fish detection in underwater videos[J].CLEF (Working Notes), 481-489,2016).[14] Wanli Ouyang, Xiaogang Wang, Xingyu Zeng, etc. DeepID-Net: Deformable Deep Convolutional Neural Networks for Object Detection[C].CVPR,2015
5. 计划与进度安排
（1）3月4日~3月15日：阅读相关参考文献，熟悉编程和需求；
（2）3月15日~3月31日：撰写并修改开题报告；
（3）4月1日~4月30日：系统设计与实现以及测试；
