一种大鲵行为的监测方法与流程

本发明涉及一种动物的行为监测方法，尤其涉及一种仿生态大鲵行为监测方法。

背景技术：

中国大鲵（andriasdavidianus）属于两栖纲、有尾目、隐鳃鲵科，为国家二级重点保护野生动物。大鲵行为研究主要是通过访谈或者定点定时观察法，从观察到的部分现象结合推测得到其可能的行为。王文林等通过调查访问野生大鲵栖息点当地群众，最早报道了大鲵产卵前有明显性行为；大鲵孵化期具有护卵等亲代抚育行为（王文林，杜秀琦，张丽琴.大鱿繁殖生物学初探.河南教育学院学报:自然科学版，2002,11(1):21-22.）。于虎虎等通过定时观察并拍摄大鲵繁殖行为发现，在繁殖前期，大鲵夜间出洞活动的数量与水温、光照强度相关性较强(于虎虎,梁刚,刘巧巧,等.中国大鲵繁殖前期夜间活动节律及其与环境因子的关系,陕西师范大学学报(自然科学版),2013,41(3):56-61)。以上的观测方法没有全面而准确的记录大鲵的活动，并且没有系统的影像观测资料支撑。此外，由于大鲵为夜起昼伏，人们直接观察并拍摄录像需要大量的人力。

中国野生大鲵种群数量极少，多栖息在人类难以到的溶洞和暗河中，难以对其观察研究。在大鲵生态繁育池中，大鲵昼伏夜出，白天多栖息在洞穴中，养殖人员很难观察其行为状态，不能及时发现和处理不良情况，对其行为的实时监控的实现，可以及时准确掌握大鲵的生长状况，及时实施妥善的饲养管理。通过安装数字监控系统，对仿生态繁育池大鲵在繁育季节进行全程监控，了解大鲵的繁殖行为过程，通过软件系统，统计大鲵的行为规律，揭示大鲵的行为生态学特点，并为野生大鲵种群保护提供科学依据。

技术实现要素：

本发明的目的在于提供一种大鲵行为的观测方法，包括监测大鲵行为的监测装置的构成、安装及使用方法，并开发分析大鲵行为特征的软件系统，自动记录大鲵行为的时间规律，统计与生态因子的相关性，以减少传统方法中直接使用人力监测与统计的巨大工作量，并且能够全面实时了解大鲵的行为动态，掌握大鲵洞内外行为特征与规律，并积累了大鲵行为的影像资料。

为到达上述技术目的，本发明的技术方案为：提供一种大鲵行为的监测方法，包括：

（1）在大鲵栖息洞穴内外安装视频数据采集设备，图像采集设备包括洞内摄像头和洞外摄像头，所述洞内摄像头安装在大鲵人工栖息洞穴上方，摄像头镜头高于水面15~30cm，所述洞外摄像头安装大鲵栖息溪流上方，摄像头距离水面150~250cm，与水平夹角30~60°；

（2）将安装好的视频数据采集设备与控制设备、终端设备连接，通过录像机和电脑控制视频采集设备对大鲵行为实时监控并录像控制视频数据采集时间、回放、抓图和备份，然后通过视频处理软件ethovision将视频数据记录，同时供远程访问设备访问；

（3）利用opencv开源图像库进行图像预处理，包括对图片进行伽马变换等图片增强算法，改善采集视频中的图像存在的噪声，图像的色调、饱和度和对比度较差的问题，以保证后续识别分析的准确性。

（4）经过预处理后，通过时间序列采集含有大鲵的图片作为正样本集，不含大鲵的图片作为负样本集，通过adaboost-haar分类算法对大鲵进行轮廓检测与定位；

（5）通过背景消除法，将大鲵与环境进行分离，获得大鲵的roi区域，然后通过基于区域增长型分割方法将得到的静态大鲵roi区域分割为头、躯干、尾部和四肢四部分；根据大鲵动作行为建立行为标签集，标签集内容为不同行为下头、躯干、尾部和四肢的姿态；

（6）根据所建立的标签集，利用模板匹配最小标准方差行为分类算法识别出视频序列中大鲵进出洞、冲凉、求偶、以及推沙等繁殖行为，并统计各类行为的时间分布。

步骤（1）中，所述摄像头为icr红外滤片式红外广角摄像头，该摄像头像素为200~400万，红外照射距离30~50m，最小照度0lux，防水摄像头，工作温度-30℃~60℃；

步骤（1）中，所述洞内摄像头和洞外摄像头的安装方法是，在洞穴上方的观察孔上方倒扣花钵，花钵的周长大于观察孔，把洞内摄像头通过花钵底的漏水孔放入洞穴中，调节高度使摄像头能捕捉整个洞穴的画面，然后固定，花钵上面用木板或者泡沫板覆盖，把卵石覆于上面；将立柱安装在大鲵人工栖息溪流的一端，并把洞外摄像头装于立柱上，调节高度使摄像头能捕捉整条人工溪流画面。

步骤（4）中，采集1000~1200帧含有大鲵的图片作为正样本集，2800~3000帧不含大鲵的图片作为负样本集。

本发明具有以下优点和效果：（1）本发明采用监控技术对大鲵行为观察，记录并分析了大鲵行为的全过程，揭示了大鲵的行为生态学规律，为野生大鲵种群保护提供科学依据。（2）本发明克服了大鲵栖息环境和活动规律难以观察的问题，随时掌握养殖大鲵的生长状态，以便及时调整管理技术，提高大鲵自然繁殖成功率，确保养殖大鲵的安全。（3）本发明需要的设备和人工较少，成本低，使用简捷，对大鲵日常活动干扰小。并全面掌握大鲵的行为特征。尤其是在大鲵繁殖季节以及意外事件突发时，能够随时而全面掌握大鲵的状况。（4）本发明采用软件系统，自动记录大鲵行为的时间规律，统计与生态因子的相关性，减少传统方法中直接使用人力进行图像分析与统计的巨大工作量。

附图说明

图1为本发明洞内摄像头的安装示意图

图2为雌雄大鲵出洞时间情况图；

图3为雌雄大鲵进洞时间情况图。

具体实施方式

下面结合实施例，对本发明作进一步说明：

实施例1：（一）安装视频数据采集设备。如图1所示，把观察孔上的活动盖（石板）往洞口方向平移10cm，把icr红外滤片式红外广角、300万像素、具有防水功能的洞内摄像头安装在中间的空隙，调节洞内摄像头高度距水面15cm，，能捕捉整个洞穴画面。在大鲵人工栖息溪流中安装立柱，将洞外摄像头安装在立柱上，洞外摄像头距地面220cm，水平夹角30°，能捕捉整个人工溪流画面。

（二）监测记录大鲵行为：将安装好的视频数据采集设备通过同轴视频电缆线与控制设备、终端设备连接，通电连网运行。通过录像机和电脑控制视频采集设备对大鲵行为实时监控并录像，通过同轴视频电缆线将视频信号传送至录像机和显示器，运行ethovision对所接收到的视频材料将结果存储，并接收远程视频显示设备访问。

（三）大鲵行为识别软件系统的开发与图像识别：

（1）利用opencv开源图像库进行图像处理与增强。首先利用视频采集技术实时采集实验图像，由于周围环境影响，采集视频中的图像可能会存在噪声，图像的色调、饱和度和对比度较差，所以先对图片进行伽马变换等图片增强算法，以保证后续识别分析的准确性；

（2）经过预处理后，通过时间序列采集1000帧含有大鲵图片作为正样本集，2800帧不含大鲵作为负样本集。通过adaboost-haar分类算法对大鲵进行轮廓检测与定位。该步骤从视频中找到运动的大鲵区域，将大鲵与周围环境进行分离。这是进行行为分析的前提，获得大鲵目标的基本位置后，将进行目标的跟踪和特征提取；

（3）通过背景消除法，将大鲵与环境进行分离，获得大鲵的roi区域。然后通过基于区域增长型分割方法将得到的静态大鲵roi区域分割为头、躯干、尾部和四肢四部分；

（4）根据大鲵动作行为建立行为标签集，标签集内容为不同行为下头、躯干、尾部、和四肢的姿态。根据所建立的标签集，利用模板匹配最小标准方差行为分类算法就可以识别出视频序列中大鲵冲凉、求偶、以及推沙等繁殖行为。并记录每类行为所持续的时间，具体见表1-4

实施例2：

（一）安装视频数据采集设备。在洞穴上方的观察孔上方倒扣花钵，花钵的周长大于观察孔，把洞内摄像头通过花钵底的漏水孔放入洞穴中，调节高度使摄像头能捕捉整个洞穴的画面，然后固定，花钵上面用木板或者泡沫板覆盖，把卵石覆于上面；将立柱安装在大鲵人工栖息溪流的一端，并把洞外摄像头装于立柱上，调节高度使摄像头能捕捉整条人工溪流画面。摄像头为icr红外滤片式红外广角摄像头，该摄像头像素为400万，红外照射距离50m，最小照度0lux，防水摄像头，工作温度-30℃~60℃；

（二）监测记录大鲵行为：将安装好的视频数据采集设备通过同轴视频电缆线与控制设备、终端设备连接，通电连网运行。通过录像机和电脑控制视频采集设备开始对大鲵行为实时监控并录像，通过同轴视频电缆线将视频信号传送至录像机和显示器，运行ethovision对所接收到的视频材料存储，并接收远程视频显示设备访问。

（三）大鲵行为识别软件系统的开发：

（1）利用opencv开源图像库进行图像处理与增强。首先利用视频采集技术实时采集实验图像，由于周围环境影响，采集视频中的图像可能会存在噪声，图像的色调、饱和度和对比度较差，所以先对图片进行伽马变换等图片增强算法，以保证后续识别分析的准确性；

（2）经过预处理后，通过时间序列采集1200帧含有大鲵图片作为正样本集，3000帧不含大鲵图片作为负样本集。通过adaboost-haar分类算法对大鲵进行轮廓检测与定位。该步骤从视频中找到运动的大鲵区域，将大鲵与周围环境进行分离。这是进行行为分析的前提，获得大鲵目标的基本位置后，将进行目标的跟踪和特征提取；

（3）通过背景消除法，将大鲵与环境进行分离，获得大鲵的roi区域。然后通过基于区域增长型分割方法将得到的静态大鲵roi区域分割为头、躯干、尾部和四肢四部分；

（4）根据大鲵动作行为建立行为标签集，标签集内容为不同行为下头、躯干、尾部、和四肢的姿态。根据所建立的标签集，利用模板匹配最小标准方差行为分类算法就可以识别出视频序列中大鲵进出洞行为，并记录每天进出洞天进出洞的时间。具体见图2-3。