王麗娜,方景龍
(杭州電子科技大學(xué)圖形圖像研究所,浙江杭州310018)
隨著自然生態(tài)系統(tǒng)的破壞和環(huán)境污染程度的加劇,突發(fā)性自然災(zāi)害及環(huán)境污染事故逐漸增多。這些災(zāi)害及事故產(chǎn)生的污染物一旦進入水體,就會直接威脅并污染到飲用水水源的水質(zhì)?,F(xiàn)在,水質(zhì)生物監(jiān)測系統(tǒng)的環(huán)境保護作用已普遍為歐美國家接受[1]。水生生物對污染物的反應(yīng)是綜合的,生物在接觸一種或幾種混合的污染物后即可作出反應(yīng),顯示出可見癥狀,可以及時預(yù)報污染。因此把這些能夠反應(yīng)水質(zhì)環(huán)境質(zhì)量的水生生物或微生物稱作“生物指示器”。近幾年,人們普遍采用魚類作為水體污染的生物指示器,因為魚類在水質(zhì)監(jiān)測中具有其獨特的優(yōu)勢[2]:首先,魚類比其它水生生物更易于識別;其次,魚類是低營養(yǎng)級上毒性影響的綜合反映者;另外,魚類通過各種行為變化能夠直觀地反應(yīng)水質(zhì)污染情況。目前,很多供水公司和水廠都在利用魚類的生態(tài)狀況來觀察引水口的水質(zhì)是否安全[3,4]。因此,該實驗中采用活體魚作為水質(zhì)生物指示器進行水質(zhì)監(jiān)測。
基于視頻理解的活體魚水質(zhì)監(jiān)測實驗涉及計算機視覺、目標(biāo)檢測與跟蹤、圖像理解分析、水質(zhì)檢測等多方面技術(shù),是一個綜合性的系統(tǒng)工程。該實驗主要由計算機、水質(zhì)監(jiān)測魚缸、攝像機傳感器、視頻圖像理解分析等組成,利用計算機視覺技術(shù)將活體魚運動轉(zhuǎn)化為視頻圖像數(shù)據(jù),然后對其進行目標(biāo)檢測、跟蹤、理解分析,通過對活體魚運動行為的實時監(jiān)測和理解,有效地實現(xiàn)了對水質(zhì)污染的早期發(fā)現(xiàn)。
視頻圖像理解就是模式分析和理解,是一門研究計算機系統(tǒng)解釋和分析視頻圖像,實現(xiàn)類似人類視覺系統(tǒng)理解外部世界的學(xué)科。它所討論的問題是:為完成某一任務(wù)需要從視頻圖像中獲得哪些信息;如何利用這些信息獲得必要的解釋,這些解釋可以說明圖像所包含內(nèi)容的意義[5]。視頻圖像理解主要是對視頻圖像進行分割和目標(biāo)識別,獲取有用信息,將這些信息與應(yīng)用環(huán)境的語義進行相關(guān)聯(lián),以得到應(yīng)用。該實驗就是應(yīng)用了視頻圖像理解技術(shù)對水質(zhì)安全狀況進行初步的分析和判斷。為了從活體魚視頻圖像中獲取與水質(zhì)狀況相關(guān)的信息,首先要對視頻圖像進行處理獲取活體魚的運動軌跡,然后提取并分析理解活體魚的可以反映水質(zhì)污染狀況的行為參數(shù),進而達到綜合評價水質(zhì)的目的。
為了能夠比較真實地模擬活體魚水質(zhì)監(jiān)測實驗的使用環(huán)境,實驗中采用了從正面拍攝水質(zhì)監(jiān)測魚缸里活體魚的生態(tài)狀況的攝像裝置,如圖1所示。魚缸內(nèi)放養(yǎng)了6條小型熱帶魚,它們對水質(zhì)污染的靈敏度較高。然后將拍攝到的活體魚視頻圖像傳輸?shù)街黝l為3.0G雙核處理器,內(nèi)存為2.0G,圖像處理能力為25幀/s的計算機上進行實時生物監(jiān)測。
圖1 實驗裝置
運動目標(biāo)的檢測與跟蹤處于整個活體魚水質(zhì)監(jiān)測系統(tǒng)的最底層,是各種后續(xù)高級處理如行為分析、理解等的基礎(chǔ)。運動目標(biāo)檢測是指從視頻流中實時提取目標(biāo),而運動目標(biāo)跟蹤則指對目標(biāo)進行連續(xù)的跟蹤以確定其運動軌跡。
實驗中,由于活體魚所在的背景固定、簡單,環(huán)境光照變化等噪聲干擾較少,所以,首先可以采用單高斯分布背景模型從序列圖像中提取出可靠的、穩(wěn)定的背景圖像,然后利用當(dāng)前幀圖像減去背景圖像,取一定的閾值,得到差值圖像,再對差值圖像利用形態(tài)學(xué)濾波進行后處理得到前景目標(biāo)[6]。其次,采用二階Kalman濾波器作為目標(biāo)的運動模型,預(yù)測運動目標(biāo)的位置,在對預(yù)測后的運動目標(biāo)和前景目標(biāo)進行匹配時,利用圖象塊匹配來精確定位目標(biāo)的位置[7]。視頻圖像處理結(jié)果如圖2所示:
圖2 活體魚目標(biāo)對象的檢測
魚類是終生生活在水中用腮呼吸的脊椎動物,行動反應(yīng)敏捷,對毒物有強烈的反應(yīng),如游泳能力、游泳活動和回避反應(yīng)等行為變化,通常以魚類死亡為終點和魚類的正趨流性為監(jiān)測方式[8]。因此,通過活體魚視頻圖像處理后的運動軌跡,提取出魚能夠表現(xiàn)水質(zhì)污染程度的行為參數(shù):平均泳速(平均游泳速度),平均泳高(平均游泳高度)和活魚的數(shù)量(前景目標(biāo)的數(shù)量),它們使該裝置可以迅速地確定活魚的行為和健康狀況。根據(jù)計算得到行為參數(shù)的統(tǒng)計值,分別描繪出平均泳速、平均泳距和活魚的數(shù)量曲線。如圖3所示,為水質(zhì)正常情況下各行為參數(shù)的曲線,其中橫坐標(biāo)表示的是時間,縱坐標(biāo)表示的是行為參數(shù)的統(tǒng)計值。
圖3 水質(zhì)正常情況下各行為參數(shù)的曲線
在實驗過程中,向魚缸內(nèi)加入適量化學(xué)藥品(NaOH固體)來觀察魚的行為參數(shù)的曲線變化情況。然后與未加入化學(xué)藥品的變化情況進行對比,這樣就可以直觀地表現(xiàn)出魚對水質(zhì)變化的不同反應(yīng),從而達到活體魚水質(zhì)監(jiān)測的目的。
當(dāng)加入適量化學(xué)藥品時,約5分鐘后,魚體出現(xiàn)了瘋狂游動的行為,如圖4所示,平均泳速曲線出現(xiàn)了峰值,平均泳高曲線出現(xiàn)了明顯的下降。約10分鐘后,魚體漸漸停止了瘋狂游動行為,并且平均泳速明顯減慢,平均泳高逐漸減少,接著活魚的數(shù)量就減少了,整個實驗周期為30分鐘。
圖4 水質(zhì)異常情況下各行為參數(shù)的曲線
根據(jù)大量的實驗觀察,活魚的數(shù)量減少的越快,死亡的時間越短并且開始接觸污染物后平均泳速和平均泳高變化很大,證明水質(zhì)污染的程度就越嚴(yán)重;而水質(zhì)輕度污染時,魚體死亡的時間較長。
本文所設(shè)計的實驗具有簡單的視頻記錄數(shù)據(jù)、運動檢測、行為理解等能力,可以大致反應(yīng)水質(zhì)的污染狀況,這是理化監(jiān)測所不能實時監(jiān)測到的。盡管基于視頻理解的水質(zhì)生物監(jiān)測具備常規(guī)理化監(jiān)測沒有的優(yōu)點,但是它不能完全代替理化監(jiān)測,只有兩者結(jié)合才能更準(zhǔn)確、有效地監(jiān)測水環(huán)境。對于基于視頻理解的活體魚水質(zhì)監(jiān)測實驗仍需進一步的研究和探討,尤其是早期預(yù)警算法的研究。發(fā)展智能化、網(wǎng)絡(luò)化、小型化、可視化、合理化的基于視頻理解的在線生物監(jiān)測系統(tǒng)是將來水質(zhì)監(jiān)測方面的重點所在。
[1] 張增光.水生生物在水質(zhì)監(jiān)測中的應(yīng)用[J].科技情報開發(fā)與經(jīng)濟,2004,14(7):150-151.
[2] 費學(xué)寧.現(xiàn)代水質(zhì)監(jiān)測分析技術(shù)[M].北京:化學(xué)工業(yè)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] 浙江省環(huán)境保護科學(xué)設(shè)計研究院.海寧飲用水水源地毒性度預(yù)警示范工程[EB/OL].http://www.zjshky.com.cn/Project.aspx/id=32,2007-07-28.
[5] 張克軍,劉哲.圖像理解原理的數(shù)學(xué)評價[J].計算機工程與設(shè)計,2007,28(8):1 876-1 878.
[6] 周鴻斌.基于計算機視覺的魚類運動監(jiān)測系統(tǒng)研究[D].杭州:浙江工業(yè)大學(xué),2009.
[7] 劉亞,艾海舟,徐光佑.一種基于背景模型的運動目標(biāo)檢測與跟蹤算法[J].信息與控制,2002,31(4):315-320.
[8] 李志良.魚類行為學(xué)在水質(zhì)在線監(jiān)測與預(yù)警中的應(yīng)用研究[D].濟南:山東師范大學(xué),2008.