本發(fā)明屬于運動數(shù)據(jù)實時采集技術(shù)領(lǐng)域，具體涉及一種多數(shù)據(jù)類型的平面群集運動數(shù)據(jù)采集系統(tǒng)。

背景技術(shù)：

從人群到飛鳥、游魚、昆蟲、細(xì)菌，自然界中廣泛存在著豐富的群體運動現(xiàn)象，相互聯(lián)系而不斷運動的個體所組成的系統(tǒng)涌現(xiàn)出豐富多彩而高度協(xié)調(diào)的群體運動行為。自然界群集動力學(xué)行為所展現(xiàn)出的驚人的魅力，為工業(yè)、社會群體的認(rèn)識和優(yōu)化提供了豐富的思想源泉。從應(yīng)用角度出發(fā)，作為當(dāng)今物理科學(xué)、自動化科學(xué)、系統(tǒng)科學(xué)、計算機科學(xué)、等交叉領(lǐng)域的熱點研究方向，深入理解自然界群集構(gòu)型演化機理或?qū)⑼苿尤后w機器人協(xié)同技術(shù)的深刻變革，對于無人系統(tǒng)控制、區(qū)塊鏈技術(shù)應(yīng)用、人體群體行為調(diào)控疏導(dǎo)等領(lǐng)域提供十分可觀的應(yīng)用價值。近年來，廣泛的研究關(guān)注于大規(guī)模個體組成的群體產(chǎn)生的群集運動行為，研究重點在于理解群集運動的產(chǎn)生機理和內(nèi)部潛在機制，而研究的基礎(chǔ)在于，需要大量準(zhǔn)確的實驗數(shù)據(jù)，因此建立完善的實驗裝置、數(shù)據(jù)采集與處理系統(tǒng)對于群集運動的分析有著舉足輕重的作用。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有數(shù)據(jù)采集精度不足、類型單一的問題，本發(fā)明的目的在于提供一種高精度多數(shù)據(jù)類型的平面群集運動數(shù)據(jù)采集系統(tǒng)，為群集動力學(xué)的演化研究提供精確的群集運動的實時同步數(shù)據(jù)。

為實現(xiàn)本發(fā)明的技術(shù)目的，本發(fā)明提供了一種多數(shù)據(jù)類型的平面群集運動數(shù)據(jù)采集系統(tǒng)，包括：實驗圖像采集單元、運動數(shù)據(jù)采集單元和上位機處理單元。

實驗圖像采集單元包括攝像機、支撐架、可控光源、穩(wěn)壓源；其中，攝像機置于支撐架上，立于實驗場地正上方，將整個實驗場地完全覆蓋拍攝；可控光源放置在實驗場地的四周，提供均勻的柔性光照；穩(wěn)壓源用以控制補光燈的亮度；

運動數(shù)據(jù)采集單元包括慣性傳感器和主控機，慣性傳感器安裝于運動目標(biāo)身上，慣性傳感器包括三軸磁力計、三軸陀螺儀、三軸加速度計；主控機通過藍(lán)牙與上位機處理單元連接通信，將慣性傳感器采集的信號傳送給上位機；

上位機處理單元包括圖像處理模塊和傳感器數(shù)據(jù)存儲模塊；圖像處理模塊對采集的群集運動目標(biāo)視頻圖像進(jìn)行處理，獲取運動目標(biāo)的軌跡信息；傳感器數(shù)據(jù)存儲模塊用于記錄運動目標(biāo)的加速度、角加速度、磁場和方位信息。

進(jìn)一步地，所述圖像處理模塊包括：

視頻幀提取子模塊，用于提取群集運動目標(biāo)的視頻；

目標(biāo)運動區(qū)域提取子模塊，用于從當(dāng)前視頻幀中提取目標(biāo)運動區(qū)域；

背景濾除子模塊，用于對目標(biāo)運動區(qū)域濾除背景；

可疑目標(biāo)定位子模塊，用于將濾除背景的目標(biāo)運動區(qū)域與目標(biāo)灰度閾值進(jìn)行比較，判定大于目標(biāo)閾值的像素點為可疑目標(biāo)像素點，將鄰近的可疑目標(biāo)像素點視為一個可疑目標(biāo)；

可疑目標(biāo)識別子模塊用于將可疑目標(biāo)與預(yù)定目標(biāo)長度、寬度和面積閾值進(jìn)行比較，判定可疑目標(biāo)為個體目標(biāo)、多目標(biāo)重合、非目標(biāo)中的一種；

個體目標(biāo)跟蹤子模塊用于若可疑目標(biāo)為個體目標(biāo)，則將可疑目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給可疑目標(biāo)

多目標(biāo)重疊跟蹤子模塊用于若可疑目標(biāo)為多個個體目標(biāo)重疊，則進(jìn)行可疑目標(biāo)拆分操作，再將拆分得到的個體目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給個體目標(biāo)；

非目標(biāo)跟蹤子模塊用于若可疑目標(biāo)為非目標(biāo)，則忽略。

進(jìn)一步地，所述可疑目標(biāo)識別子模塊的具體實現(xiàn)過程為：

設(shè)可疑目標(biāo)d的長為a，寬為b，面積為s；預(yù)訂的長度邊界上、下閾值為A_max，A_min，寬度邊界上下閾值為B_max，B_min，面積的邊界上下閾值為S_max，S_min，則：

如滿足A_min＜a＜A_max,且B_min＜b＜B_max,且S_min＜s＜S_max，則d是個體目標(biāo)；

如滿足a＜A_min，或b<B_min，或s<S_min，則d是非目標(biāo)；

如滿足a＞A_max，或b>B_max，或s>S_maxs，則d為多目標(biāo)重合。

進(jìn)一步地，所述個體目標(biāo)跟蹤子模塊的具體實現(xiàn)過程為：依據(jù)前一幀定位的目標(biāo)位置、方向、速度預(yù)測目標(biāo)在當(dāng)前幀中的位置，將可疑目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給可疑目標(biāo)。

進(jìn)一步地，所述多目標(biāo)重疊跟蹤子模塊的具體實現(xiàn)過程為：往當(dāng)前幀的相鄰前后幾幀中，找尋可疑目標(biāo)區(qū)域附近的目標(biāo)，如果存在幾個運動目標(biāo)，則根據(jù)這幾個目標(biāo)的速度和方向，預(yù)測這幾個目標(biāo)在當(dāng)前幀中的位置，若預(yù)測目標(biāo)位置在可疑目標(biāo)區(qū)域中，則在當(dāng)前幀中將預(yù)測目標(biāo)作為目標(biāo)；若預(yù)測目標(biāo)位置不在可疑目標(biāo)區(qū)域中，則忽略該可疑目標(biāo)。

進(jìn)一步地，還包括后期修正子模塊，用于：

遍歷所有視頻幀，找到目標(biāo)個體數(shù)量異常減少的視頻幀，手動增加個體運動目標(biāo)；

遍歷所有視頻幀，找到目標(biāo)個體數(shù)量異常增加的視頻幀，手動減少個體運動目標(biāo)；

遍歷所有視頻幀，找到目標(biāo)個體速度和方向異常突變的視頻幀，將涉及異常的兩個目標(biāo)ID進(jìn)行交換。

進(jìn)一步地，所述目標(biāo)灰度閾值

其中，threshold是目標(biāo)灰度閾值，X(p)是像素點p的灰度值，u(p)是背景圖像像素點p的值，σ(p)是像素點p的標(biāo)準(zhǔn)差。

進(jìn)一步地，藍(lán)牙傳輸模塊采用板載陶瓷天線。

本發(fā)明的有益技術(shù)效果體現(xiàn)在：

本發(fā)明提出了一種高精度多數(shù)據(jù)類型的群集運動數(shù)據(jù)采集系統(tǒng)，其一是通過安裝在圖像采集裝置支撐架上的高分辨率數(shù)碼攝像機獲取平面群集運動過程的視頻，包括群集運動中的領(lǐng)導(dǎo)跟隨、遷徙、渦旋等現(xiàn)象，隨后使用圖像處理軟件對運動視頻進(jìn)行分析，得到個體的運動軌跡、運動位置等信息；其二是將慣性傳感器附著在運動個體上(如：魚)，通過藍(lán)牙通信將數(shù)據(jù)實時傳輸?shù)缴衔粰C中，并用數(shù)據(jù)記錄存儲軟件(MAS-Analysis)實時記錄運動個體的加速度、角加速度等相關(guān)信息并實時存儲。

本發(fā)明運動數(shù)據(jù)實時采集系統(tǒng)它整合了數(shù)據(jù)采集設(shè)備和數(shù)據(jù)處理軟件，大大提高數(shù)據(jù)采集精度、減小傳輸延遲、增強靈活性、有利于用戶自定義使用，可以為群集運動的研究提供翔實的數(shù)據(jù)，大大推動了群集運動的研究。

本發(fā)明圖像處理方法無需對實驗個體使用外界標(biāo)志進(jìn)行目標(biāo)標(biāo)記，對實驗個體無傷害，簡單易行，有利于實驗的擴(kuò)展進(jìn)行。

附圖說明

圖1為全系統(tǒng)結(jié)構(gòu)示意圖；

圖2為視頻采集系統(tǒng)示意圖；

圖3為傳感器內(nèi)部模塊示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合具體實驗實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明提供了高精度多數(shù)據(jù)類型的群集運動數(shù)據(jù)采集系統(tǒng)，該數(shù)據(jù)采集系統(tǒng)包括：實驗圖像采集單元、運動數(shù)據(jù)采集單元和上位機處理單元。

實驗圖像采集單元包括攝像機101、支撐架102、可控光源103、穩(wěn)壓源104；其中攝像機101置于支撐架102上，立于實驗場地正上方，將整個實驗場地完全覆蓋拍攝，可控光源103放置在實驗場地的四周，提供均勻的柔性光照，抵消實驗裝置外壁帶來的黑色陰影對圖像處理的影響，穩(wěn)壓源104用以控制補光燈的亮度。

運動數(shù)據(jù)采集單元包括慣性傳感器2，慣性傳感器2包括通過IIC擴(kuò)展磁力計傳感器的三軸磁力計201、三軸陀螺儀、三軸加速度計202、主控機MCU 203，利用IIC接口輸出9軸信號。主控機MCU 203使用藍(lán)牙206與上位機205連接通信，將所采集的運動數(shù)據(jù)傳輸至上位機205，上位機對數(shù)據(jù)進(jìn)行存儲。三軸陀螺儀用于采集被測物體的三軸角速度，三軸加速度計用于采集被測物體的三軸加速度，三軸磁力計用于采集被測物體的方位及磁場強度以便后續(xù)計算出被測物體當(dāng)前與東南西北四個方向上的夾角。

上位機處理單元包括圖像處理模塊3和傳感器數(shù)據(jù)存儲模塊4。圖像處理模塊3對采集的群集運動目標(biāo)視頻圖像進(jìn)行處理，獲取運動目標(biāo)的軌跡信息。傳感器數(shù)據(jù)存儲模塊4擁有七種采樣頻率(5Hz、10Hz、25Hz、50Hz、100Hz、200Hz、400Hz)可供選擇，軟件記錄數(shù)據(jù)類型包括個體運動的加速度，角加速度，磁場，位置等信息，在記錄的同時以csv格式將采集數(shù)據(jù)進(jìn)行存儲。上位機處理單元還與拼接顯示器面板5相連接，實時顯示數(shù)據(jù)變化曲線。

圖像處理模塊3包括：視頻幀提取子模塊、目標(biāo)運動區(qū)域提取子模塊、背景濾除子模塊、可疑目標(biāo)定位子模塊、可疑目標(biāo)識別子模塊、個體目標(biāo)跟蹤子模塊、多目標(biāo)重疊跟蹤子模塊、非目標(biāo)跟蹤子模塊。

視頻幀提取子模塊用于截取合適的群集運動視頻幀。針對采集的數(shù)據(jù)，設(shè)定起始幀數(shù)和結(jié)束幀數(shù)，省略掉視頻開始和結(jié)束有干擾的視頻段。F_i1表示原始視頻數(shù)據(jù)的起始幀數(shù)，F(xiàn)_j1表示原始視頻數(shù)據(jù)的結(jié)束幀數(shù)，設(shè)置i2，j2，處理后留下i2到j(luò)2之間的視頻數(shù)據(jù)幀數(shù)。

F_i1:F_j1→F_i2:F_j2(其中i2＞i1,j2＜j1)

目標(biāo)運動區(qū)域提取子模塊用于從當(dāng)前視頻幀中提取目標(biāo)運動區(qū)域。針對攝像頭采集的數(shù)據(jù)區(qū)域會比實際的區(qū)域大，需要在視頻中選擇目標(biāo)區(qū)域，如上所說的正方形、圓形。此處使用的原理是Hough變化，實現(xiàn)直線和圓形的自動檢測，來得到正方形和圓形的目標(biāo)區(qū)域。在Hough直線變換中，采用(r,theta)來表示一條直線。其中r為該直線到原點的距離，theta為該直線的垂線與x軸的夾角，思想就是：為每一個點假設(shè)n個方向的直線，通常n＝180，此時檢測的直線的角度精度為1°，分別計算這n條直線的(r,theta)坐標(biāo)，得到n個坐標(biāo)點。如果要判斷的點共有N個，最終得到的(r,theta)坐標(biāo)有N*n個。有關(guān)這N*n個(r,theta)坐標(biāo)，其中theta是離散的角度，共有180個取值。如果多個點在一條直線上，那么必有這多個點在theta＝某個值theta_i時，這多個點的r近似相等于r_i。也就是說這多個點都在直線(r_i，theta_i)上。

背景濾除子模塊用于使用背景差法進(jìn)行運動軌跡跟蹤需要獲取背景圖像。獲取原理是，從整個數(shù)據(jù)段中，選取一定數(shù)量的圖像的平均作為背景圖像的估計。如下，T為視頻數(shù)據(jù)的幀數(shù)，n為選取的背景幀數(shù)數(shù)量(一般是100，n<T)，則采樣間隔：

Δ＝T/n

在處理中，假設(shè)每個像素點p都是滿足高斯分布的，則得到背景圖像p的高斯分布中心u(p)如下：

其中X_iΔ(p)表示像素點p的第i次采樣值，Δ為采樣幀數(shù)間隔則均值絕對標(biāo)準(zhǔn)差σ(p)如下：

其中a為經(jīng)驗值，決定背景更新的快慢。雖然選取的圖像中也存在著目標(biāo)個體，但是由于選取間隔的幀數(shù)比較多，目標(biāo)個體的位置變化很大，經(jīng)過平均后，目標(biāo)個體對背景圖像的影響很小，可以得到比較準(zhǔn)確的背景估計。這樣目標(biāo)檢測就可利用，當(dāng)前幀圖像和背景圖像相減，像素點的閾值大于某一值threshold時，則屬于某一個目標(biāo)個體，否則忽略。

可疑目標(biāo)定位子模塊用于將濾除背景的目標(biāo)運動區(qū)域與目標(biāo)灰度閾值進(jìn)行比較，判定大于目標(biāo)閾值的像素點為可疑目標(biāo)像素點，將鄰近的可疑目標(biāo)像素點視為一個可疑目標(biāo)。設(shè)定目標(biāo)灰度閾值，來判斷相減后的像素點是否是運動目標(biāo)，此值需要動態(tài)調(diào)節(jié)達(dá)到最優(yōu)。如果大于此值，則是運動目標(biāo)像素點。閾值判斷公式為：

其中，threshold是目標(biāo)灰度閾值，X(p)是像素點p的灰度值，u(p)是背景圖像像素點p的值，若調(diào)大threshold，檢測目標(biāo)數(shù)量少，會將低對比度的個體當(dāng)成背景，但不易受環(huán)境(如光照、水波)影響。若調(diào)小threshold，檢測目標(biāo)數(shù)量多，會將環(huán)境的變化(如光照變化、水波波動)等識別成目標(biāo)。因此，threshold大小對目標(biāo)的檢測有重要的作用，調(diào)節(jié)此值的目的是，讓視頻數(shù)據(jù)的大多數(shù)幀數(shù)中檢測的目標(biāo)個數(shù)盡量與實際的運動目標(biāo)個數(shù)相等。

得到可疑目標(biāo)像素點后，將相鄰的像素點連接起來，看成一個可疑目標(biāo)個體。

可疑目標(biāo)識別子模塊用于將可疑目標(biāo)與預(yù)定目標(biāo)長度、寬度和面積閾值進(jìn)行比較，判定可疑目標(biāo)為個體目標(biāo)、多個個體目標(biāo)重疊、非目標(biāo)中的一種

可能存在可疑目標(biāo)和實際目標(biāo)不匹配的情況。假定第i幀圖像識別出來的可疑目標(biāo)有n(i)個，實際目標(biāo)恒為m個，則需要使得以下方程最小：

即在大多數(shù)幀數(shù)中，檢測的可疑目標(biāo)和實際目標(biāo)數(shù)量相等。但是在此過程中，會出現(xiàn)以下兩種情況導(dǎo)致識別可疑目標(biāo)和實際目標(biāo)相差很大。

1、將水波波動、光照陰影等識別成可疑目標(biāo)；

2、多個運動目標(biāo)重合，識別成一個目標(biāo)；

針對問題1，水波波動和光照陰影導(dǎo)致的可疑目標(biāo)，目標(biāo)比較小，通過目標(biāo)大小過濾模塊，去除小目標(biāo)。

針對問題2，多個目標(biāo)重合，會導(dǎo)致可疑目標(biāo)比較大，需要將此區(qū)域附件前后幀數(shù)中的目標(biāo)進(jìn)行位置預(yù)測，預(yù)測會出現(xiàn)在可疑目標(biāo)的什么位置，這樣就可以拆分可疑目標(biāo)成為幾個目標(biāo)。因此設(shè)置目標(biāo)長、寬、面積的最大值后，當(dāng)超出此值，則進(jìn)行可疑目標(biāo)的拆分操作。

設(shè)檢測目標(biāo)d的長為a，寬為b，面積為s，設(shè)定的長度邊界值為A_min，A_max，寬度邊界值為B_min，B_max，面積的邊界值S_min，S_max，則：

1、如滿足A_min＜a＜A_max,且B_min＜b＜B_max,且S_min＜s＜S_max，則d是一個個體目標(biāo)。

2、如滿足a＜A_min，或b<B_min，或s<S_min，則d是干擾，會被忽略。

3、如滿足a＞A_max，或b>B_max，或s>S_maxs，則d為多目標(biāo)重合，會進(jìn)行拆分操作。如果拆分操作不成功，則d會被忽略(這種情況只能通過后期修正處理)。

個體目標(biāo)跟蹤子模塊用于若可疑目標(biāo)為個體目標(biāo)，則將可疑目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給可疑目標(biāo)。依據(jù)前一幀定位的目標(biāo)位置和速度預(yù)測目標(biāo)在當(dāng)前幀中的位置。根據(jù)運動目標(biāo)的方向和速度進(jìn)行位置預(yù)測，采樣的時間間隔為25幀/s即t＝40ms，位置預(yù)測將前后兩幀圖片中的個體對應(yīng)起來，相同的個體設(shè)置為同樣的標(biāo)號ID，這樣遍歷所有幀數(shù)，就可以得到所有個體的軌跡。

多目標(biāo)重疊跟蹤子模塊用于若可疑目標(biāo)為多個個體目標(biāo)重疊，則進(jìn)行可疑目標(biāo)拆分操作，再將拆分得到的個體目標(biāo)與當(dāng)前視頻幀的目標(biāo)預(yù)測位置進(jìn)行匹配，將匹配成功的目標(biāo)ID賦值給個體目標(biāo)。具體步驟為：往前后幾幀中，找尋可疑目標(biāo)區(qū)域附近的目標(biāo)，如果存在幾個正常大小的目標(biāo)，則根據(jù)這幾個目標(biāo)的速度和方向，預(yù)測這幾個目標(biāo)在當(dāng)前幀中的位置，如果預(yù)測目標(biāo)位置在可疑目標(biāo)區(qū)域中，則將預(yù)測目標(biāo)作為目標(biāo)。否則，如果運動目標(biāo)速度和方向急速變化，預(yù)測目標(biāo)位置可能不在可疑目標(biāo)區(qū)域中，不能拆分此可疑目標(biāo)，則先忽略，最后通過后期修正處理。

保存的數(shù)據(jù)格式為：ntarget(目標(biāo)個數(shù))、identity(目標(biāo)標(biāo)號)，xpos(目標(biāo)x坐標(biāo))、ypos(目標(biāo)y坐標(biāo))。目標(biāo)標(biāo)號用來標(biāo)識前后幀中的同一個運動個體，即identity相同的數(shù)據(jù)表示為同一個個體的軌跡。

非目標(biāo)跟蹤子模塊用于若可疑目標(biāo)為非目標(biāo)，則忽略。

跟蹤中存在的問題：目標(biāo)個體的丟失(如多個個體聚集在一起)，目標(biāo)個體的增加(將環(huán)境變化識別成個體)、目標(biāo)個體速度和方向突變，因此還需要進(jìn)行后期修正。本發(fā)明進(jìn)一步提供后期修正模塊，自動找出可能出現(xiàn)異常的時刻點，具體原理為：1、遍歷所有幀數(shù)，找到目標(biāo)個體數(shù)量減少的情況，程序顯示出前后兩幀圖像的處理結(jié)果；2、遍歷所有幀數(shù)，找到目標(biāo)個體數(shù)量增加的情況，程序顯示出此時前后兩幀圖像的處理結(jié)果；3、遍歷所有幀數(shù)，找到目標(biāo)個體速度和方向突變較大的情況，程序顯示出此時前后兩幀圖像的處理結(jié)果。然后人工判斷是否異常，如果存在異常，則會出現(xiàn)修正的界面，供手動調(diào)整，大大增加了數(shù)據(jù)的準(zhǔn)確性。針對每種具體的異常問題，進(jìn)行手動修正。對于識別個體的減少，可能原因是兩個個體運動到一起，識別成一個，此時需要手動增加一個個體，將丟失的軌跡連起來。對于識別個體的增加，可能是個體運動導(dǎo)致的水波變化，并且水波大小和個體相似，被識別成了運動個體，需要手動將此軌跡刪除。對于個體交換，會在重合時出現(xiàn)并且方向突變情況下，只需將后一幀圖像中，兩個個體標(biāo)號ID進(jìn)行交換。

下面結(jié)合具體實驗對本發(fā)明的實施例作詳細(xì)介紹，以魚類群集運動數(shù)據(jù)采集的主要工作流程為例：

第一步：根據(jù)實驗要求與實驗?zāi)繕?biāo)個體的體積大小，制作實驗裝置；本實驗為魚群群集運動的相關(guān)研究，實驗場地可根據(jù)魚類行為特性與自身體積設(shè)定，如1*1米的正方形水池。

第二步：布置實驗場地；首先將高分辨率數(shù)碼攝像機安裝在圖像采集裝置支撐架上，并在實驗場地四周擺放亮度可控的柔性補光燈，提供均勻的光照，消除實驗裝置外壁陰影對圖像處理的影響。同時，使用穩(wěn)壓源來控制補光燈的亮度。

第三步：圖像采集環(huán)境調(diào)整；調(diào)整高分辨率數(shù)碼攝像機的高度，使得數(shù)碼攝像機恰好可以將正方形水池完整覆蓋拍攝，并保證實驗過程中數(shù)碼攝像機幾乎沒有抖動。同時調(diào)整補光燈的亮度保證整個實驗環(huán)境的明亮。

第四步：將傳感器附著于實驗個體上；將慣性傳感器以捆綁的方式附著于實驗個體上，并且確認(rèn)傳感器不會對個體的自由運動產(chǎn)生影響，及個體的自由運動不會導(dǎo)致傳感器的脫落。

第五步：傳感器數(shù)據(jù)采集調(diào)試；利用藍(lán)牙通信連接傳感器與上位機，打開傳感器數(shù)據(jù)記錄存儲軟件對數(shù)據(jù)的記錄進(jìn)行調(diào)試，直至上位機與傳感器可以穩(wěn)定通信，并且可以連續(xù)記錄個體運動數(shù)據(jù)。

第六步：數(shù)據(jù)實時顯示；將上位機與拼接屏幕連接，實時顯示數(shù)據(jù)的變化曲線。

第七步：進(jìn)行實驗；打開高分辨率數(shù)碼攝像機錄像功能，同時在傳感器數(shù)據(jù)記錄存儲軟件上點擊開始，采集記錄數(shù)據(jù)并存儲，隨后釋放實驗個體。

第八步：視頻處理與數(shù)據(jù)存儲；結(jié)束實驗后，獲得群集運動視頻與傳感器采集數(shù)據(jù)，根據(jù)本地時間相互匹配，并進(jìn)行處理分析。同時圖像處理需要后期手動修正，對于識別個體減少、個體誤識別等情況進(jìn)行參數(shù)修正，提高數(shù)據(jù)準(zhǔn)確度。

慣性傳感器可使用硅膠進(jìn)行封裝，表層密封且柔軟，防水防摔，精度高(最高采樣頻率可達(dá)400Hz)。

藍(lán)牙傳輸模塊采用板載陶瓷天線，有效縮小天線尺寸，減少了電路板的介電損失。無線傳輸技術(shù)標(biāo)準(zhǔn)采用藍(lán)牙4.1，其重要特性包括功耗低，支持多設(shè)備連接。

傳感器數(shù)據(jù)存儲時會同時記錄兩個時間：慣性傳感器內(nèi)部時間和計算機本地時間，除了用以不同電腦記錄的數(shù)據(jù)之間的匹配，還可以無差匹配圖像處理所得數(shù)據(jù)與傳感器采集數(shù)據(jù)，大大減少了誤差和外界擾動帶來的影響，提高了數(shù)據(jù)采集及處理的精確性。

應(yīng)當(dāng)注意，本發(fā)明不局限于魚群實驗，對于其他物種的實驗，只需更換實驗場地即可。

本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。