没有合适的资源?快使用搜索试试~ 我知道了~
基于图像和IMU传感器的生物行为分析系统设计.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 9 浏览量
2022-07-13
17:14:27
上传
评论
收藏 611KB DOCX 举报
温馨提示
试读
17页
基于图像和IMU传感器的生物行为分析系统设计.docx
资源推荐
资源详情
资源评论
近年来,随着计算机图像采集与处理技术的进步,各种监测装置的研发发展
迅速。随着视频、图像采集与监测分辨率不断提高,可利用现有检测设备进行
生物简单活动的检测跟踪,并捕获微小体态变化。在实验室中,基于数字图像处
理获取生物行为参数是目前生物行为研究中的热点。行为参数是实验生物行为
分析的关键评价指标
[1]
。目前基于数字图像处理的生物行为分析方法主要有基
于阈值分割的生物行为分析方法、基于背景差分的生物行为分析方法、基于
Meanshift 跟 踪 的 生 物 行 为 分 析 方 法 和 基 于 深 度 学 习 的 生 物 行 为 分 析 方 法
[2,3,4,5,6,7]
。
视觉传感器拍摄到的图像是二维的,只能检测到生物在二维平面中运动的
信息,无法获得生物在三维空间的姿态信息。目前对于运动物体姿态信息的测
量,多采用惯性测量传感器(Inertial Measurement Unit,IMU)。九轴 IMU 是一款
集成了三轴加速度计、三轴角速度计、三轴磁力计的微型装置,具有体积小、
重量轻、成本低、功耗低、可靠性高抗震动冲击能力强等优势
[8,9,10]
,可以实时检
测出运动物体的姿态信息。鉴于此,在生物行为分析系统中,本文选用 IMU 测量
小鼠的姿态信息。
本文利用数字图像处理技术检测出小鼠在二维平面上的运动行为信息;使
用 IMU 传感器检测出小鼠在三维空间中的加速度、角速度、磁力等信息,并利
用扩展卡尔曼滤波算法(Extended Kalman Filtering,EKF)解算出小鼠的姿态信
息。实验结果显示,所设计的系统能够有效地实现小鼠行为信息的全面检测和
分析。
1 系 统综述
图 1 为所设计的系统的总体框图,具体操作步骤如下:
图 1
图 1 视觉和 IMU 传感器的生物行为分析系统图
Figure 1. Biological behavior analysis system diagram of vision and IMU
sensors
步骤 1 将视觉传感器固定在小鼠正上方进行小鼠活动拍摄,同时将 IMU 附
着在小鼠的腹部进行参数测量;
步骤 2 对视频中的图像帧进行预处理。由于 IMU 姿态解算是实时的,所以
想要得到小鼠的姿态信息,就需要设置响应指令记录同一时刻 IMU 测量的参数;
步骤 3 利用主线程进行图像帧的目标检测和小鼠重心的计算,并利用子线
程进行小鼠的姿态解算;
步骤 4 主线程和子线程全部结束后,获得小鼠的重心和姿态角;
步骤 5 用当前帧的重心与上一帧的重心计算出位移、速度等运动行为参数,
最后将运动行为参数和姿态参数保存并显示到界面上。
循环上述步骤实现生物行为分析系统实时运行。
2 目 标检测 及运动 信息获 取
2.1 目标检测
VIBE(Visual Background Extractor)算法是一种简洁高效的运动目标检测
算法。该算法逻辑简单,通过初始化背景模型、前景检测、背景模型更新完成
检测任务
[11]
:
(1)背景模型初始化。VIBE 算法利用视频第一帧图像初始化背景模型。在
第一帧图像中,任意一个像素值为 v(x)的像素点 x,在以其为中心的八邻域中等
概率随机选取 N 个背景样本元素作为像素点 x 的背景模型样本集 B(x)
[12]
,即
B(x)={B
1
(x),B
2
(x),…,B
N
(x)}
(1)
式中,B(x)为像素点 x 的背景模型集合,以此完成背景模型初始化;
(2)前景检测。在前景检测过程中,将像素点 x 处新的像素值和背景样本集
中的元素比较判断,确认是否属于前景。样本集合大小为 N,以 v(x)为中心,R 为
半径建立一个二维欧式空间 S
R
(v(x)),如图 2 所示。若背景样本集 B(x)中的样本
落入 S
R
(v(x))的采样值个数大于给定的预设值 T
min
,则认为 v(x)是背景像素点,否
则是前景像素点
[13]
;
图 2
图 2 二维欧式空间图
[14]
Figure 2. Two-dimensional Euclidean space map
(3)背景模型更新。VIBE 算法采用随机更新策略,设定更新概率为 φ。当前
像素 v(x)被判定为背景像素后,v(x)有 1/φ 的概率被更新为该像素点的背景样本
模型,随机替换样本模型中的任意一个样本值,同时也有 1/φ 的概率随机更新邻
域 像 素 的 背 景 模 型 的 样 本 值
[14]
。 VIBE 算 法 中 , 以 上 变 量 的 默 认 值 为
N=20,R=30,T
min
=2,φ=16;
(4)算法更新。针对 VIBE 算法使用第一帧图片初始化背景模型时,图片中
包含运动目标,在后续帧中易产生鬼影的问题。本文在实验开始时通过加载无
小鼠的初始背景帧解决鬼影问题,如图 3 所示。
图 3
图 3 改进前后的第 20 帧目标检测图
(a)改进前 (b)改进后
Figure 3. The 20th frame target detection map before and after the
improvement
(a)Before improvement (b)After improvement
针对实验室内光线微弱变化的问题,本文使用自适应阈值抑制背景扰动。
设 η(x)为衡量光照变化影响的指标,则有
ηi(x)=∑j=1N∣∣vi(x)−Bij(x)∣∣Nηi(x)=∑j=1Nvix-BjixN
(2)
剩余16页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3550
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功