基于视频理解的活体鱼水质监测实验

王丽娜,方景龙

(杭州电子科技大学图形图像研究所,浙江杭州310018)

0 引 言

随着自然生态系统的破坏和环境污染程度的加剧,突发性自然灾害及环境污染事故逐渐增多。这些灾害及事故产生的污染物一旦进入水体,就会直接威胁并污染到饮用水水源的水质。现在,水质生物监测系统的环境保护作用已普遍为欧美国家接受[1]。水生生物对污染物的反应是综合的,生物在接触一种或几种混合的污染物后即可作出反应,显示出可见症状,可以及时预报污染。因此把这些能够反应水质环境质量的水生生物或微生物称作“生物指示器”。近几年,人们普遍采用鱼类作为水体污染的生物指示器,因为鱼类在水质监测中具有其独特的优势[2]:首先,鱼类比其它水生生物更易于识别;其次,鱼类是低营养级上毒性影响的综合反映者;另外,鱼类通过各种行为变化能够直观地反应水质污染情况。目前,很多供水公司和水厂都在利用鱼类的生态状况来观察引水口的水质是否安全[3,4]。因此,该实验中采用活体鱼作为水质生物指示器进行水质监测。

1 实验原理

基于视频理解的活体鱼水质监测实验涉及计算机视觉、目标检测与跟踪、图像理解分析、水质检测等多方面技术,是一个综合性的系统工程。该实验主要由计算机、水质监测鱼缸、摄像机传感器、视频图像理解分析等组成,利用计算机视觉技术将活体鱼运动转化为视频图像数据,然后对其进行目标检测、跟踪、理解分析,通过对活体鱼运动行为的实时监测和理解,有效地实现了对水质污染的早期发现。

视频图像理解就是模式分析和理解,是一门研究计算机系统解释和分析视频图像,实现类似人类视觉系统理解外部世界的学科。它所讨论的问题是:为完成某一任务需要从视频图像中获得哪些信息;如何利用这些信息获得必要的解释,这些解释可以说明图像所包含内容的意义[5]。视频图像理解主要是对视频图像进行分割和目标识别,获取有用信息,将这些信息与应用环境的语义进行相关联,以得到应用。该实验就是应用了视频图像理解技术对水质安全状况进行初步的分析和判断。为了从活体鱼视频图像中获取与水质状况相关的信息,首先要对视频图像进行处理获取活体鱼的运动轨迹,然后提取并分析理解活体鱼的可以反映水质污染状况的行为参数,进而达到综合评价水质的目的。

为了能够比较真实地模拟活体鱼水质监测实验的使用环境,实验中采用了从正面拍摄水质监测鱼缸里活体鱼的生态状况的摄像装置,如图1所示。鱼缸内放养了6条小型热带鱼,它们对水质污染的灵敏度较高。然后将拍摄到的活体鱼视频图像传输到主频为3.0G双核处理器,内存为2.0G,图像处理能力为25帧/s的计算机上进行实时生物监测。

2 活体鱼视频理解

图1 实验装置

2.1 活体鱼视频图像处理

运动目标的检测与跟踪处于整个活体鱼水质监测系统的最底层,是各种后续高级处理如行为分析、理解等的基础。运动目标检测是指从视频流中实时提取目标,而运动目标跟踪则指对目标进行连续的跟踪以确定其运动轨迹。

实验中,由于活体鱼所在的背景固定、简单,环境光照变化等噪声干扰较少,所以,首先可以采用单高斯分布背景模型从序列图像中提取出可靠的、稳定的背景图像,然后利用当前帧图像减去背景图像,取一定的阈值,得到差值图像,再对差值图像利用形态学滤波进行后处理得到前景目标[6]。其次,采用二阶Kalman滤波器作为目标的运动模型,预测运动目标的位置,在对预测后的运动目标和前景目标进行匹配时,利用图象块匹配来精确定位目标的位置[7]。视频图像处理结果如图2所示:

图2 活体鱼目标对象的检测

2.2 活体鱼行为参数的提取及理解

鱼类是终生生活在水中用腮呼吸的脊椎动物,行动反应敏捷,对毒物有强烈的反应,如游泳能力、游泳活动和回避反应等行为变化,通常以鱼类死亡为终点和鱼类的正趋流性为监测方式[8]。因此,通过活体鱼视频图像处理后的运动轨迹,提取出鱼能够表现水质污染程度的行为参数:平均泳速(平均游泳速度),平均泳高(平均游泳高度)和活鱼的数量(前景目标的数量),它们使该装置可以迅速地确定活鱼的行为和健康状况。根据计算得到行为参数的统计值,分别描绘出平均泳速、平均泳距和活鱼的数量曲线。如图3所示,为水质正常情况下各行为参数的曲线,其中横坐标表示的是时间,纵坐标表示的是行为参数的统计值。

图3 水质正常情况下各行为参数的曲线

在实验过程中,向鱼缸内加入适量化学药品(NaOH固体)来观察鱼的行为参数的曲线变化情况。然后与未加入化学药品的变化情况进行对比,这样就可以直观地表现出鱼对水质变化的不同反应,从而达到活体鱼水质监测的目的。

当加入适量化学药品时,约5分钟后,鱼体出现了疯狂游动的行为,如图4所示,平均泳速曲线出现了峰值,平均泳高曲线出现了明显的下降。约10分钟后,鱼体渐渐停止了疯狂游动行为,并且平均泳速明显减慢,平均泳高逐渐减少,接着活鱼的数量就减少了,整个实验周期为30分钟。

图4 水质异常情况下各行为参数的曲线

根据大量的实验观察,活鱼的数量减少的越快,死亡的时间越短并且开始接触污染物后平均泳速和平均泳高变化很大,证明水质污染的程度就越严重;而水质轻度污染时,鱼体死亡的时间较长。

3 结束语

本文所设计的实验具有简单的视频记录数据、运动检测、行为理解等能力,可以大致反应水质的污染状况,这是理化监测所不能实时监测到的。尽管基于视频理解的水质生物监测具备常规理化监测没有的优点,但是它不能完全代替理化监测,只有两者结合才能更准确、有效地监测水环境。对于基于视频理解的活体鱼水质监测实验仍需进一步的研究和探讨,尤其是早期预警算法的研究。发展智能化、网络化、小型化、可视化、合理化的基于视频理解的在线生物监测系统是将来水质监测方面的重点所在。

[1] 张增光.水生生物在水质监测中的应用[J].科技情报开发与经济,2004,14(7):150-151.

[2] 费学宁.现代水质监测分析技术[M].北京:化学工业出版社,2005:42-43.

[3] Comis D.Heed the Mummichog!-Fish used as water quality indicator[EB/OL].http://findarticles.com/p/articles/m i_m3741/is_nl1_v39/ai_11845375/pg_1:FindArticles,2007-11-23.

[4] 浙江省环境保护科学设计研究院.海宁饮用水水源地毒性度预警示范工程[EB/OL].http://www.zjshky.com.cn/Project.aspx/id=32,2007-07-28.

[5] 张克军,刘哲.图像理解原理的数学评价[J].计算机工程与设计,2007,28(8):1 876-1 878.

[6] 周鸿斌.基于计算机视觉的鱼类运动监测系统研究[D].杭州:浙江工业大学,2009.

[7] 刘亚,艾海舟,徐光佑.一种基于背景模型的运动目标检测与跟踪算法[J].信息与控制,2002,31(4):315-320.

[8] 李志良.鱼类行为学在水质在线监测与预警中的应用研究[D].济南:山东师范大学,2008.