水质评价方法、装置、设备及存储介质与流程

1.本发明涉及人工智能领域，尤其涉及一种水质评价方法、装置、设备及存储介质。


背景技术：

2.随着工农业生产的不断发展，大量的外来污染物通过直接排放、转化、迁移进入水体，使得水体污染日益严重，水质急剧恶化，对居民的生活饮用水、城镇集中供水等产生了直接的影响，尤其是突发水污染事件，对人们的身体和生态安全构成了极大的威胁。而水资源的安全问题也是制约我国经济和社会发展的一个主要障碍。
3.常规的水质检测方法以理化方法为主，其技术已经相当成熟，但是，理化方法消耗成本较大，并且难以实现高精度监测和预警。因此，本文针对这一问题，提出了一种以生物监控为基础的水质监控方案，能够实现高准确度的水质评价。


技术实现要素：

4.本发明实施例提供了一种水质评价方法、装置、设备及存储介质，用于提高水质评价分析的准确性。
5.本发明第一方面提供了一种水质评价方法，包括：采集鱼群在待检测水体中的运动视频帧集合；对所述运动视频帧集合进行预处理，得到目标图像帧集合；将所述目标图像帧集合输入预置的轨迹分析模型进行轨迹分析，得到鱼群运动轨迹信息；通过所述鱼群运动轨迹信息对所述鱼群进行行为特征分析，得到多个行为特征数据；将所述多个行为特征数据输入预置的水质评价模型进行水质评价，得到水质评价结果。
6.可选的，在本发明第一方面的第一种实现方式中，所述对所述运动视频帧集合进行预处理，得到目标图像帧集合包括：对所述运动视频帧集合中每一运动视频帧进行双边滤波处理，得到候选图像帧集合；对所述候选图像帧集合中每一候选图像帧进行离散余弦变换处理，得到目标图像帧集合。
7.可选的，在本发明第一方面的第二种实现方式中，所述对所述运动视频帧集合中每一运动视频帧进行双边滤波处理，得到候选图像帧集合包括：采用预置的均值滤波器对每一所述运动视频帧进行预滤波处理，得到多个中间运动视频帧；对所述多个中间运动视频帧进行运动估计值计算，得到每一中间运动视频帧对应的运动估计值；基于每一中间运动视频帧对应的运动估计值进行运动方差矩阵构建，得到每一中间运动视频帧对应的运动方差矩阵；基于每一中间视频帧对应的运动方差矩阵对每一中间视频帧进行降噪处理，得到候选图像帧集合。
8.可选的，在本发明第一方面的第三种实现方式中，所述对所述候选图像帧集合中每一候选图像帧进行离散余弦变换处理，得到目标图像帧集合包括：对所述候选图像帧集合中每一候选图像帧进行分块处理，得到每一所述候选图像帧对应的多个像素块；通过每一候选图像帧对应的多个像素块进行变换系数计算，得到每一候选图像帧中每一像素块对应的离散余弦变换系数；通过每一候选图像帧中每一像素块对应的离散余弦变换系数对每
一候选图像帧进行离散余弦变换，得到目标图像帧集合。
9.可选的，在本发明第一方面的第四种实现方式中，所述将所述目标图像帧集合输入预置的轨迹分析模型进行轨迹分析，得到鱼群运动轨迹信息包括：通过所述轨迹分析模型的均值漂移算法对所述目标图像帧集合进行背景去除处理，得到去除背景后的图像帧集合；对所述去除背景后的图像帧集合中每一图像帧进行灰度处理，得到所述灰度图像帧集合；对所述灰度图像帧集合中每一灰度图像帧进行锐化处理，得到增强图像帧集合；通过预置的图像区域检测算法提取所述增强图像帧集合中每一增强图像帧的鱼类图像，得到鱼类图像集合；根据所述鱼类图像集合确定所述增强图像帧集合中每一增强图像帧中鱼类的位置信息，得到位置信息集合；根据所述位置信息集合进行位置信息合并，得到鱼群运动轨迹信息。
10.可选的，在本发明第一方面的第五种实现方式中，所述基于所述鱼群运动轨迹信息进行鱼群行为特征分析，得到多个行为特征数据包括：对所述鱼群运动轨迹信息进行参数分析，得到对应的多个鱼群行为参数数据；基于预设的主成分分析算法对所述多个鱼群行为参数数据进行识别，得到多个关键行为参数数据；
11.通过所述多个关键行为参数数据进行鱼群行为特征分析，得到多个行为特征数据。
12.可选的，在本发明第一方面的第六种实现方式中，所述基于预设的主成分分析算法对所述多个鱼群行为参数数据进行识别，得到多个关键行为参数数据包括：对所述多个鱼群行为参数数据进行标准化处理，得到多个标准化参数数据；采用所述主成分分析算法对所述多个标准化参数数据进行识别，得到多个数据特征因子；通过预设的最大方差旋转法对所述多个数据特征因子进行降维处理，得到多个关键行为参数数据。
13.本发明第二方面提供了一种水质评价装置，包括：采集模块，用于采集鱼群在待检测水体中的运动视频帧集合；处理模块，用于对所述运动视频帧集合进行预处理，得到目标图像帧集合；输入模块，用于将所述目标图像帧集合输入预置的轨迹分析模型进行轨迹分析，得到鱼群运动轨迹信息；分析模块，用于通过所述鱼群运动轨迹信息对所述鱼群进行行为特征分析，得到多个行为特征数据；评价模块，用于将所述多个行为特征数据输入预置的水质评价模型进行水质评价分析，得到水质评价结果。
14.可选的，在本发明第二方面的第一种实现方式中，所述处理模块具体包括：
15.处理单元，用于对所述运动视频帧集合中每一运动视频帧进行双边滤波处理，得到候选图像帧集合；
16.变换单元，用于对所述候选图像帧集合中每一候选图像帧进行离散余弦变换处理，得到目标图像帧集合。
17.可选的，在本发明第二方面的第二种实现方式中，所述处理单元具体用于：采用预置的均值滤波器对每一所述运动视频帧进行预滤波处理，得到多个中间运动视频帧；对所述多个中间运动视频帧进行运动估计值计算，得到每一中间运动视频帧对应的运动估计值；基于每一中间运动视频帧对应的运动估计值进行运动方差矩阵构建，得到每一中间运动视频帧对应的运动方差矩阵；基于每一中间视频帧对应的运动方差矩阵对每一中间视频帧进行降噪处理，得到候选图像帧集合。
18.可选的，在本发明第二方面的第三种实现方式中，所述变换单元具体用于：对所述
候选图像帧集合中每一候选图像帧进行分块处理，得到每一所述候选图像帧对应的多个像素块；通过每一候选图像帧对应的多个像素块进行变换系数计算，得到每一候选图像帧中每一像素块对应的离散余弦变换系数；通过每一候选图像帧中每一像素块对应的离散余弦变换系数对每一候选图像帧进行离散余弦变换，得到目标图像帧集合。
19.可选的，在本发明第二方面的第四种实现方式中，所述输入模块具体用于：通过所述轨迹分析模型的均值漂移算法对所述目标图像帧集合进行背景去除处理，得到去除背景后的图像帧集合；对所述去除背景后的图像帧集合中每一图像帧进行灰度处理，得到所述灰度图像帧集合；对所述灰度图像帧集合中每一灰度图像帧进行锐化处理，得到增强图像帧集合；通过预置的图像区域检测算法提取所述增强图像帧集合中每一增强图像帧的鱼类图像，得到鱼类图像集合；根据所述鱼类图像集合确定所述增强图像帧集合中每一增强图像帧中鱼类的位置信息，得到位置信息集合；根据所述位置信息集合进行位置信息合并，得到鱼群运动轨迹信息。
20.可选的，在本发明第二方面的第五种实现方式中，所述分析模块具体包括：
21.第一分析单元，用于对所述鱼群运动轨迹信息进行参数分析，得到对应的多个鱼群行为参数数据；
22.参数识别单元，用于基于预设的主成分分析算法对所述多个鱼群行为参数数据进行识别，得到多个关键行为参数数据；
23.第二分析单元，用于通过所述多个关键行为参数数据进行鱼群行为特征分析，得到多个行为特征数据。
24.可选的，在本发明第二方面的第六种实现方式中，所述参数识别单元具体用于：对所述多个鱼群行为参数数据进行标准化处理，得到多个标准化参数数据；采用所述主成分分析算法对所述多个标准化参数数据进行识别，得到多个数据特征因子；通过预设的最大方差旋转法对所述多个数据特征因子进行降维处理，得到多个关键行为参数数据。
25.本发明第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的水质评价方法。
26.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的水质评价方法。
27.本发明提供的技术方案中，采集鱼群在待检测水体中的运动视频，从运动视频中选取多个运动视频帧，这些运动视频帧中带有背景标签，选用邻近算法综合这些运动视频帧中带有大量背景标签的像素点来建成背景模型，服务器对运动视频帧集合中每一运动视频帧进行预处理，本发明提出的图像预处理方法双边滤波在消除噪声的同时边缘也较为清晰，dct变换有效地抑制了光照环境的影响，能够提高后续对水质评价的鲁棒性，尤其是针对环境光照变化和噪声变化的影响。
附图说明
28.图1为本发明实施例中水质评价方法的一个实施例示意图；
29.图2为本发明实施例中水质评价方法的另一个实施例示意图；
30.图3为本发明实施例中水质评价装置的一个实施例示意图；
31.图4为本发明实施例中水质评价装置的另一个实施例示意图；
32.图5为本发明实施例中计算机设备的一个实施例示意图。
具体实施方式
33.本发明实施例提供了一种水质评价方法、装置、设备及存储介质，用于提高鸟瞰图下的图像分类准确性。
34.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
35.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术和机器学习/深度学习等几大方向。
36.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中水质评价方法的一个实施例包括以下步骤101-105：
37.101、采集鱼群在待检测水体中的运动视频帧集合；
38.可以理解的是，本发明的执行主体可以为水质评价装置，还可以是服务器，具体此处不作限定。本发明实施例以服务器为执行主体为例进行说明。
39.具体的，采集鱼群在待检测水体中的运动视频，从运动视频中选取多个运动视频帧，这些运动视频帧中带有背景标签，选用邻近算法综合这些运动视频帧中带有大量背景标签的像素点来建成背景模型。实际操作时，可以根据背景复杂程度以及去除背景的效果来对背景建模的运动视频帧的数量进行设置。需要强调的是，为进一步保证上述运动视频帧集合的私密性和安全性，上述运动视频帧集合还可以存储于一区块链的节点中。
40.102、对运动视频帧集合进行预处理，得到目标图像帧集合；
41.具体的，服务器对运动视频帧集合中每一运动视频帧进行预处理，需要说明的是，预处理是对图像进行灰度化处理及双边滤波处理，本发明提出的图像预处理方法双边滤波在消除噪声的同时边缘也较为清晰，dct变换有效地抑制了光照环境的影响，能够提高后续对水质评价的鲁棒性，尤其是针对环境光照变化和噪声变化的影响。
42.103、将目标图像帧集合输入预置的轨迹分析模型进行轨迹分析，得到鱼群运动轨迹信息；
43.需要说明的是，服务器对检测出的鱼群进行跟踪，在跟踪过程中可能出现理解跟踪、新目标出现跟踪、遮挡跟踪、分裂跟踪和目标丢失的情况，这时需要将之前的视频帧的跟踪轨迹进行关联给出当前帧中鱼类的目标位置，具体的，服务器对第一目标图像帧进行
分析，确定第一帧中的鱼类的目标位置即为检测坐标位置。并基于这一帧的目标位置建立并初始化预测器，继续循环分析下一目标图像帧，进而得到目标鱼群运动轨迹信息。
44.104、通过鱼群运动轨迹信息对鱼群进行行为特征分析，得到多个行为特征数据；
45.具体的，服务器基于鱼群运动轨迹信息提取三维特征数据，需要说明的是，特征分析时采用预置的特征数据模型进行特征分析，在服务器基于特征数据模型进行特征数据提取时，服务器首先基于特征数据模型提取得到第一特征数据。然后，服务器根据特征数据模型确定特征数据的种类标识数据。最后，服务器根据种类标识数据确定行为特征数据，进而获取多个行为特征数据。
46.105、将多个行为特征数据输入预置的水质评价模型进行水质评价，得到水质评价结果。
47.需要说明的是，行为特征数据主要包括：游泳速度、游动加速度、转角方向等特征数据，对该多个行为特征数据进行预处理，剔除粗大误差，得到归一化后的数据，服务器选取部分数据作为支持水质评价模型的训练样本集，对获取的行为特征数据进行降维处理，然后采用预置的卷积神经网络构造水质异常评价模型，进而将该归一化后的数据输入预置的水质评价模型进行水质评价，得到水质评价结果。
48.本发明实施例中，采集鱼群在待检测水体中的运动视频，从运动视频中选取多个运动视频帧，这些运动视频帧中带有背景标签，选用邻近算法综合这些运动视频帧中带有大量背景标签的像素点来建成背景模型，服务器对运动视频帧集合中每一运动视频帧进行预处理，本发明提出的图像预处理方法双边滤波在消除噪声的同时边缘也较为清晰，dct变换有效地抑制了光照环境的影响，能够提高后续对水质评价的鲁棒性，尤其是针对环境光照变化和噪声变化的影响。
49.请参阅图2，本发明实施例中水质评价方法的另一个实施例包括以下步骤201-206：
50.201、采集鱼群在待检测水体中的运动视频帧集合；
51.具体的，在本实施例中，步骤201的具体实施方式与上述步骤101类似，此处不再赘述。
52.202、对运动视频帧集合中每一运动视频帧进行双边滤波处理，得到候选图像帧集合；
53.具体的，服务器采用预置的均值滤波器对每一运动视频帧进行预滤波处理，得到多个中间运动视频帧；服务器对多个中间运动视频帧进行运动估计值计算，得到每一中间运动视频帧对应的运动估计值；服务器基于每一中间运动视频帧对应的运动估计值进行运动方差矩阵构建，得到每一中间运动视频帧对应的运动方差矩阵；服务器基于每一中间视频帧对应的运动方差矩阵对每一中间视频帧进行降噪处理，得到候选图像帧集合。
54.需要说明的是，由于在大噪声条件下，视频帧受到噪声污染，传统运动检测方法很难提取出视频帧中运动物体的完整轮廓，因此，只能对运动进行估计。但是，由于大噪声的影响，可能会出现严重的错检情况，将噪声检测成运动物体。因此，在进行运动估计前，首先需要对当前时刻待处理图像帧进行预滤波处理，消弱噪声的影响，提高运动估计的准确性。具体的，服务器采用预置的均值滤波器对每一运动视频帧进行预滤波处理，得到多个中间运动视频帧；服务器对多个中间运动视频帧进行运动估计值计算，得到每一中间运动视频
帧对应的运动估计值；服务器基于每一中间运动视频帧对应的运动估计值进行运动方差矩阵构建，得到每一中间运动视频帧对应的运动方差矩阵；服务器基于每一中间视频帧对应的运动方差矩阵对每一中间视频帧进行降噪处理，得到候选图像帧集合，本发明中对视频当前时刻待处理图像帧进行预滤波处理，可以消弱噪声的影响，提高后续对水质监测的准确性。
55.203、对候选图像帧集合中每一候选图像帧进行离散余弦变换处理，得到目标图像帧集合；
56.具体的，服务器对候选图像帧集合中每一候选图像帧进行分块处理，得到每一候选图像帧对应的多个像素块；服务器通过每一候选图像帧对应的多个像素块进行变换系数计算，得到每一候选图像帧中每一像素块对应的离散余弦变换系数；服务器通过每一候选图像帧中每一像素块对应的离散余弦变换系数对每一候选图像帧进行离散余弦变换，得到目标图像帧集合。
57.具体的，对候选图像帧集合中每一候选图像帧做分块的离散余弦变换，分块大小可自定义，例如对候选图像帧集合中每一候选图像帧作8
×
8分块，对每个8
×
8分块作离散余弦变换，得到8
×
8分块的离散余弦变换系数分块。对候选图像帧集合中每一候选图像帧做分块的离散余弦变换得到初始离散余弦变换系数，进而服务器通过每一候选图像帧中每一像素块对应的离散余弦变换系数对每一候选图像帧进行离散余弦变换，得到目标图像帧集合。
58.204、将目标图像帧集合输入预置的轨迹分析模型进行轨迹分析，得到鱼群运动轨迹信息；
59.具体的，服务器通过轨迹分析模型的均值漂移算法对目标图像帧集合进行背景去除处理，得到去除背景后的图像帧集合；服务器对去除背景后的图像帧集合中每一图像帧进行灰度处理，得到灰度图像帧集合；服务器对灰度图像帧集合中每一灰度图像帧进行锐化处理，得到增强图像帧集合；服务器通过预置的图像区域检测算法提取增强图像帧集合中每一增强图像帧的鱼类图像，得到鱼类图像集合；服务器根据鱼类图像集合确定增强图像帧集合中每一增强图像帧中鱼类的位置信息，得到位置信息集合；服务器根据位置信息集合进行位置信息合并，得到鱼群运动轨迹信息。
60.需要说明的是，在获取到目标图像帧集合后，对目标图像帧集合中每一图像帧进行背景去除，以去除目标图像帧集合中的图像背景，减少图像背景对鱼类位置信息获取的干扰，具体的，服务器通过轨迹分析模型的均值漂移算法对目标图像帧集合进行背景去除处理，得到去除背景后的图像帧集合；可以理解的是，为了方便对目标图像帧集合进行后续的图像处理，本发明实施例中，在得到去除背景后的图像帧集合后，即在得到目标图像帧集合的前景部分后，可进一步对目标图像帧集合进行灰度处理，以得到灰度图像帧集合，可采用现有的任一灰度处理方式来对目标图像帧集合进行灰度处理，在此，为避免光线不均匀等导致像素变化不明显而造成鱼类位置信息获取效果差的问题，本发明实施例中，在获取到灰度图像帧集合后，服务器对所述灰度图像执行锐化操作，以使得所述灰度图像中鱼类位置区域的像素更加突出，从而使得所得到的增强图像中鱼类位置区域更加突出和明显，提高鱼类位置区域获取的准确性，具体的，服务器根据鱼类图像集合确定增强图像帧集合中每一增强图像帧中鱼类的位置信息，得到位置信息集合；服务器根据位置信息集合进行
位置信息合并，得到鱼群运动轨迹信息。
61.205、通过鱼群运动轨迹信息对鱼群进行行为特征分析，得到多个行为特征数据；
62.具体的，服务器对鱼群运动轨迹信息进行参数分析，得到对应的多个鱼群行为参数数据；服务器基于预设的主成分分析算法对多个鱼群行为参数数据进行识别，得到多个关键行为参数数据；服务器通过多个关键行为参数数据进行鱼群行为特征分析，得到多个行为特征数据。
63.需要说明的是，行为参数数据包括鱼类的游泳速度、最大加速度、移动距离、转弯次数等参数信息，具体的，服务器基于预设的主成分分析算法对多个鱼群行为参数数据进行识别，得到多个关键行为参数数据；服务器通过多个关键行为参数数据进行鱼群行为特征分析，得到多个行为特征数据。
64.可选的，基于预设的主成分分析算法对多个鱼群行为参数数据进行识别，得到多个关键行为参数数据可以包括：服务器对多个鱼群行为参数数据进行标准化处理，得到多个标准化参数数据；服务器采用主成分分析算法对多个标准化参数数据进行识别，得到多个数据特征因子；服务器通过预设的最大方差旋转法对多个数据特征因子进行降维处理，得到多个关键行为参数数据。
65.需要说明的是，鱼群行为参数数据具体包括：游泳速度、最大加速度、移动距离、孤立个体的数量、孤立个体的数量、转弯次数、移动平均距离、孤立时间等参数信息，在对鱼群行为参数数据进行标准化处理的基础上，服务器采用主成分分析算法对多个标准化参数数据进行识别，得到多个数据特征因子；服务器通过预设的最大方差旋转法对多个数据特征因子进行降维处理，得到多个关键行为参数数据，计算标准化协方差矩阵，取出游泳速度、最大加速度、鱼的平均距离、孤立个体的数量和孤立时间等数据特征因子，进而服务器通过预设的最大方差旋转法对多个数据特征因子进行降维处理，得到多个关键行为参数数据。
66.206、将多个行为特征数据输入预置的水质评价模型进行水质评价，得到水质评价结果。
67.具体的，行为特征数据主要包括：游泳速度、游动加速度、转角方向等特征数据，对该多个行为特征数据进行预处理，剔除粗大误差，得到归一化后的数据，服务器选取部分数据作为支持水质评价模型的训练样本集，对获取的行为特征数据进行降维处理，然后采用预置的卷积神经网络构造水质异常评价模型，需要说明的是，该水质异常评价模型基于预先设置的特征数据库及上述训练样本集进行训练，其中，该特征数据库中包括正常水质下的特征数据及异常水质下的特征数据，服务器通过决策分类器将这些特征数据进行分类，进而服务器通过该卷积神经网络进行分类预测，确定特征数据与水质评价结果的关系，并通过上述训练样本集进行训练，得到水质异常评价模型后，进而将该归一化后的数据输入预置的水质评价模型进行水质评价，得到水质评价结果。
68.本发明实施例中，在得到去除背景后的图像帧集合后，即在得到目标图像帧集合的前景部分后，对目标图像帧集合进行灰度处理，以得到灰度图像帧集合，可采用现有的任一灰度处理方式来对目标图像帧集合进行灰度处理，在此，为避免光线不均匀等导致像素变化不明显而造成鱼类位置信息获取效果差的问题，提升对鱼类轨迹分析的准确度，进而提升对水质评价的准确性。
69.请参阅图3，本发明实施例中水质评价装置的一个实施例包括：
70.采集模块301，用于采集鱼群在待检测水体中的运动视频帧集合；
71.处理模块302，用于对所述运动视频帧集合进行预处理，得到目标图像帧集合；
72.输入模块303，用于将所述目标图像帧集合输入预置的轨迹分析模型进行轨迹分析，得到鱼群运动轨迹信息；
73.分析模块304，用于通过所述鱼群运动轨迹信息对所述鱼群进行行为特征分析，得到多个行为特征数据；
74.评价模块305，用于将所述多个行为特征数据输入预置的水质评价模型进行水质评价分析，得到水质评价结果。
75.请参阅图4，本发明实施例中水质评价装置的另一个实施例包括：
76.采集模块301，用于采集鱼群在待检测水体中的运动视频帧集合；
77.处理模块302，用于对所述运动视频帧集合进行预处理，得到目标图像帧集合；
78.输入模块303，用于将所述目标图像帧集合输入预置的轨迹分析模型进行轨迹分析，得到鱼群运动轨迹信息；
79.分析模块304，用于通过所述鱼群运动轨迹信息对所述鱼群进行行为特征分析，得到多个行为特征数据；
80.评价模块305，用于将所述多个行为特征数据输入预置的水质评价模型进行水质评价分析，得到水质评价结果。
81.可选的，所述处理模块302具体包括：
82.处理单元3021，用于对所述运动视频帧集合中每一运动视频帧进行双边滤波处理，得到候选图像帧集合；
83.变换单元3022，用于对所述候选图像帧集合中每一候选图像帧进行离散余弦变换处理，得到目标图像帧集合。
84.可选的，所述处理单元3021具体用于：采用预置的均值滤波器对每一所述运动视频帧进行预滤波处理，得到多个中间运动视频帧；对所述多个中间运动视频帧进行运动估计值计算，得到每一中间运动视频帧对应的运动估计值；基于每一中间运动视频帧对应的运动估计值进行运动方差矩阵构建，得到每一中间运动视频帧对应的运动方差矩阵；基于每一中间视频帧对应的运动方差矩阵对每一中间视频帧进行降噪处理，得到候选图像帧集合。
85.可选的，所述变换单元3022具体用于：对所述候选图像帧集合中每一候选图像帧进行分块处理，得到每一所述候选图像帧对应的多个像素块；通过每一候选图像帧对应的多个像素块进行变换系数计算，得到每一候选图像帧中每一像素块对应的离散余弦变换系数；通过每一候选图像帧中每一像素块对应的离散余弦变换系数对每一候选图像帧进行离散余弦变换，得到目标图像帧集合。
86.可选的，所述输入模块303具体用于：通过所述轨迹分析模型的均值漂移算法对所述目标图像帧集合进行背景去除处理，得到去除背景后的图像帧集合；对所述去除背景后的图像帧集合中每一图像帧进行灰度处理，得到所述灰度图像帧集合；对所述灰度图像帧集合中每一灰度图像帧进行锐化处理，得到增强图像帧集合；通过预置的图像区域检测算法提取所述增强图像帧集合中每一增强图像帧的鱼类图像，得到鱼类图像集合；根据所述鱼类图像集合确定所述增强图像帧集合中每一增强图像帧中鱼类的位置信息，得到位置信
息集合；根据所述位置信息集合进行位置信息合并，得到鱼群运动轨迹信息。
87.可选的，所述分析模块304具体包括：
88.第一分析单元3041，用于对所述鱼群运动轨迹信息进行参数分析，得到对应的多个鱼群行为参数数据；
89.参数识别单元3042，用于基于预设的主成分分析算法对所述多个鱼群行为参数数据进行识别，得到多个关键行为参数数据；
90.第二分析单元3043，用于通过所述多个关键行为参数数据进行鱼群行为特征分析，得到多个行为特征数据。
91.可选的，所述参数识别单元3042具体用于：对所述多个鱼群行为参数数据进行标准化处理，得到多个标准化参数数据；采用所述主成分分析算法对所述多个标准化参数数据进行识别，得到多个数据特征因子；通过预设的最大方差旋转法对所述多个数据特征因子进行降维处理，得到多个关键行为参数数据。
92.图5是本发明实施例提供的一种计算机设备的结构示意图，该计算机设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对计算机设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在计算机设备500上执行存储介质530中的一系列指令操作。
93.计算机设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
94.本发明还提供一种计算机设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述水质评价方法的步骤。
95.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述水质评价方法的步骤。
96.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
97.本发明所指区块链是分布式数据存储，点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链，本质上是一个去中心化的数据库，是一串使用密码方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块，区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。