专利交易市场

基于动态卷积图神经网络的鱼类行为分析方法和系统，其方法包括：获取鱼类行为视频并进行预处理，获得鱼群的轨迹信息；根据鱼群轨迹信息提取鱼类行为特征；根据提取的鱼类行为特征计算鱼类行为特征指标，包括游泳速度、角速度、加速度、鱼群活跃度、分散程度等；根据鱼类行为特征指标集构造边；构建鱼类行为分析动态图卷积网络，包括记忆单元和基于超图卷积的多分类器；基于超图卷积的多分类器由三个部分构成：构建超图、构建超图卷积、形成新的特征编码，最后对新的特征编码进行分类预测。本发明能够充分利用鱼类行为视频数据中蕴含的信息，提取鱼类行为的特征，并通过基于聚类的记忆模块和超图卷积来提高模型的性能和准确度。

本发明公开了一种基于集约化养殖的鱼类轨迹预测方法，包括步骤：S1、建立鱼塘模型并划分区域，设定各区域变化参数，获取鱼苗的检测框和外观特征；S2、设定鱼苗状态向量；S3、采集任一鱼苗的连续N帧状态向量，获得#imgabs0#和l；S4、在检测第一帧时初始化；S5、根据第k帧各预测跟踪框所处区域、状态向量和协方差矩阵，得第k+1帧预测跟踪框的状态向量和协方差矩阵；S6、匹配第k+1帧检测框与第k+1帧预测跟踪框；S7、判断是否k≤N‑1，若是，更新状态向量、协方差矩阵、历史外观特征列表，置k＝k+1，重复步骤S5，否则，结束预测。该方法轨迹预测准确度高，减少错判、漏判问题，便于及时处理异常，提高经济效益。