欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025117366761
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种典型水域渔获量统计方法,其特征在于,包括:获取典型水域内的典型渔获数据;

将所述典型渔获数据中的第一图像数据集进行分辨率的梯度降低,得到各个待识别图像识别所有所述待识别图像中的各个目标对象的特征信息;

根据所述第一图像数据集的时序演变信息,确定每一所述目标对象的运动轨迹;

根据所述运动轨迹和所述特征信息对每一所述目标对象进行相似度判断;

以相似度判断结果对所有所述目标对象进行标记,得到第二图像数据集;

对所有所述第二图像数据集进行重标记处理,其中,所述重标记处理过程被设计为在包含已识别出的相同目标对象的图像集合中,将满足预设的图像进行重标记;

整合所有具有重标记的图像,形成第三图像数据集;

基于所述第三图像数据集的渔获统计结果,确定所述典型水域的渔获量数据;

所述将所述典型渔获数据中的第一图像数据集进行分辨率的梯度降低,得到各个待识别图像,包括:对所述第一图像数据集进行识别处理,至少确定其结构特征与表观特征;

分别对所述结构特征和所述表观特征进行多级分辨率转换,生成所述待识别图像,其中,转换后的各层级分辨率均低于原始图像的分辨率;

所述特征信息至少包括生物特征信息和运动特征信息,所述根据所述第一图像数据集的时序演变信息,确定每一所述目标对象的运动轨迹,包括:基于所述第一图像数据集中相邻帧的所述目标对象的所述生物特征信息,构建跨帧运动一致性度量指标;

根据所述跨帧运动一致性度量指标,生成相邻帧的所述目标对象的关联置信度;

基于所述关联置信度,对相邻帧的所述目标对象的所述运动特征信息进行计算处理,得到所述目标对象的所述运动轨迹;

所述根据所述运动轨迹和所述特征信息对每一所述目标对象进行相似度判断,包括:基于所述运动轨迹和所述特征信息,建立所述运动轨迹与所述特征信息的关联映射,得到关联数据集;

基于所述关联数据集,对不同图像中轨迹连续且特征相似度高于阈值的所述目标对象进行初步判定,确定同一所述目标对象的候选组;

对所述候选组进行轨迹连续性校验和特征稳定性分析,得到相似度判断结果。

2.如权利要求1所述的典型水域渔获量统计方法,其特征在于,所述分别对所述结构特征和所述表观特征进行多级分辨率转换,生成所述待识别图像,包括:采用高斯多尺度构建方法,对所述结构特征和所述表观特征进行同步的多分辨率转换,分别得到结构特征多尺度序列和表观特征多尺度序列;

其中,每一尺度的分辨率由其前一尺度的分辨率通过高斯卷积和降采样操作确定,且序列的总层数由原始图像的分辨率与预设的最小分辨率阈值共同决定;

将每一分辨率层级上的所述结构特征与所述表观特征进行融合,形成初始多尺度图像集合;

对所述初始多尺度图像集合进行跨层级特征增强处理,得到所述待识别图像。

3.如权利要求2所述的典型水域渔获量统计方法,其特征在于,所述采用高斯多尺度构建方法,对所述结构特征和所述表观特征进行同步的多分辨率转换,分别得到结构特征的多尺度序列和表观特征的多尺度序列,包括:对所述结构特征和所述表观特征采用预设标准差的高斯核对其进行高斯卷积运算,得到平滑处理后的特征图;

基于预设尺度因子对所述特征图执行隔行隔列的降采样操作,得到分辨率降低的下一层特征图;

重复所述高斯卷积运算与所述降采样操作,得到所述结构特征多尺度序列和所述表观特征多尺度序列。

4.如权利要求3所述的典型水域渔获量统计方法,其特征在于,所述对所述结构特征和所述表观特征采用预设标准差的高斯核对其进行高斯卷积运算,得到平滑处理后的特征图,包括:所述高斯卷积被配置为使用第一标准差的高斯核对前一层的结构特征图进行处理;

在构建所述表观特征多尺度序列时,所述高斯卷积被配置为使用第二标准差的高斯核对前一层的表观特征图进行处理,其中所述第二标准差小于所述第一标准差。

5.如权利要求2所述的典型水域渔获量统计方法,其特征在于,所述对所述初始多尺度图像集合进行跨层级特征增强处理,得到所述待识别图像,包括:提取所述初始多尺度图像集合中某一目标层级特征图的相邻上层特征图和相邻下层特征图,确定初始跨层级参考特征;

将所述相邻上层特征图的分辨率和所述相邻下层特征图的分辨率调整至与所述目标层级特征图一致,得到参考特征图;

基于所述参考特征图对所述初始跨层级参考特征进行修正,确定跨层级参考特征;

利用特征交互技术对所述跨层级参考特征和所述目标层级特征图进行处理,得到第二目标层级特征图;

基于所述第二目标层级特征图,生成所述待识别图像。

6.如权利要求1所述的典型水域渔获量统计方法,其特征在于,所述典型渔获数据至少包括捕捞数据;

所述基于所述第三图像数据集的渔获统计结果,确定所述典型水域的渔获量数据,包括:对所述第三图像数据集中的重标记信息进行处理,得到所述渔获统计结果;

对所述捕捞数据进行量化处理,确定捕捞努力量;

对至少一个所述渔获统计结果和其对应的所述捕捞努力量进行处理,得到标准化渔获量数据;

对所述标准化渔获量数据进行插值处理,确定渔获量密度分布图;

基于所述典型水域和所述渔获量密度分布图,确定所述典型水域的所述渔获量数据。

7.一种典型水域渔获量统计系统,其特征在于,包括:获取模块,用于获取典型水域内的典型渔获数据;

梯度模块,用于将所述典型渔获数据中的第一图像数据集进行分辨率的梯度降低,得到各个待识别图像;

特征模块,用于识别所有所述待识别图像中的各个目标对象的特征信息;

轨迹模块,用于根据所述第一图像数据集的时序演变信息,确定每一所述目标对象的运动轨迹;

判断模块,用于根据所述运动轨迹和所述特征信息对每一所述目标对象进行相似度判断;

标记模块,用于以相似度判断结果对所有所述目标对象进行标记,得到第二图像数据集;

重标记模块,用于对所有所述第二图像数据集进行重标记处理,其中,所述重标记处理过程被设计为在包含已识别出的相同目标对象的图像集合中,将满足预设的图像进行重标记;

整合模块,用于整合所有具有重标记的图像,形成第三图像数据集;

确定模块,用于基于所述第三图像数据集的渔获统计结果,确定所述典型水域的渔获量数据;

所述将所述典型渔获数据中的第一图像数据集进行分辨率的梯度降低,得到各个待识别图像,包括:对所述第一图像数据集进行识别处理,至少确定其结构特征与表观特征;

分别对所述结构特征和所述表观特征进行多级分辨率转换,生成所述待识别图像,其中,转换后的各层级分辨率均低于原始图像的分辨率;

所述特征信息至少包括生物特征信息和运动特征信息,所述根据所述第一图像数据集的时序演变信息,确定每一所述目标对象的运动轨迹,包括:基于所述第一图像数据集中相邻帧的所述目标对象的所述生物特征信息,构建跨帧运动一致性度量指标;

根据所述跨帧运动一致性度量指标,生成相邻帧的所述目标对象的关联置信度;

基于所述关联置信度,对相邻帧的所述目标对象的所述运动特征信息进行计算处理,得到所述目标对象的所述运动轨迹;

所述根据所述运动轨迹和所述特征信息对每一所述目标对象进行相似度判断,包括:基于所述运动轨迹和所述特征信息,建立所述运动轨迹与所述特征信息的关联映射,得到关联数据集;

基于所述关联数据集,对不同图像中轨迹连续且特征相似度高于阈值的所述目标对象进行初步判定,确定同一所述目标对象的候选组;

对所述候选组进行轨迹连续性校验和特征稳定性分析,得到相似度判断结果。