1.一种基于选择力注意的鱼群目标跟踪方法，包括以下步骤：

1)以鲫鱼群作为监测对象，通过摄像头获取鱼群行为实时视频，从而实现对群内的每一个体进行实时监测；

2)算法初始化，手动获取目标鱼的初始轮廓以及跟踪该鱼的视野范围；

2.1)得到目标鱼的初始轮廓f0；首先，暂停当前视频流播放，获取当前帧内目标鱼的轮廓；为此，通过人工找到当前帧的目标鱼，经由鼠标点击该目标鱼体的任意一点，从而获取该点击的坐标；根据该坐标点的颜色值，利用最近邻方法找到整个目标鱼的轮廓，其计算过程如下：A1)得到由鼠标点击的目标鱼轮廓内任一像素点的颜色值x0；

A2)得到该像素点x0的8个相邻像素点颜色，若相邻像素点与x0的颜色差值在某个给定的范围内，设定颜色值阈值差为(30,30,30)，则将其与x0像素点连通，否则不连通；计算如下：src(x1,y1)r-loDiffr≤src(x,y)r≤src(x1,y1)r+upDiffr  (1)src(x1,y1)g-loDiffg≤src(x,y)g≤src(x1,y1)g+upDiffg  (2)src(x1,y1)b-loDiffb≤src(x,y)b≤src(x1,y1)b+upDiffb  (3)其中src(x1,y1)代表像素点src(x,y)的8个相邻像素点，upDiff、loDiff分别代表各颜色的上下阈值范围；

A3)检测相邻位置，继续步骤(A2)操作；这个过程延续到已检测区域边界范围内的所有像素为止；

2.2)经由f0得到跟踪目标鱼的初始注意力区域r0；首先，得到f0的边界，然后计算各边界点的中心点(c00+c01+…c0n)/n，其中c0n表示f0的第n个边界像素点；然后，利用opencv里的膨胀函数dilate，其中opencv是一个基于开源发行的跨平台计算机视觉库，膨胀算法是用一个3*3的结构元素去扫描二值图像的每一个像素，用结构元素与其覆盖的图像作“与”运算，如果都为0，结构图像的该像素为0，否则为1，结果使二值图像扩大一圈；以中心点为中心，将目标鱼轮廓膨胀为原来四倍的大小作为注意力区域的边界点；各个注意力区域边界点形成的范围就定义为注意力区域r0；目标鱼在下一帧的位置就从该注意力区域确定；

3)根据视觉的选择力注意机制，将目标跟踪抽象为两个关键的计算；第一个计算是确定选择力注意的范围，第二个计算则是选定注意力范围的跟踪目标；这两个计算的流程为：B1)初始化得到目标鱼的初始轮廓f0以及初始注意力区域r0；

B2)计算当前时刻目标鱼的的注意力区域rt，rt＝U(ft-1)，其中ft-1为前一时刻目标鱼的轮廓，U为第一个计算使用到的函数(该函数计算过程说明见3.1)流程见图5；

B3)计算当前时刻目标鱼的轮廓ft,ft＝S(rt)，其中rt为t时刻计算得到的目标鱼注意力区域，S为第二个计算使用到的函数，该函数计算过程说明见3.2，流程见图5；

B4)循环B2)和B3)，从而实现对目标鱼的跟踪；

3.1)U函数是根据当前鱼轮廓得到新的注意力区域；由于鱼的游动速度一定，每一帧间的位移一般不超过10像素；因此，利用opencv里的膨胀函数dilate，以目标鱼的中心点为中心，将目标鱼轮廓膨胀为原轮廓的四倍，并以此大小作为注意力区域的边界点；

3.2)S函数是根据目标鱼的注意力区域rt，搜索到目标鱼的轮廓ft；首先在rt内采用最近邻算法找到其中所有的鱼轮廓area(Bt)；需要注意的是，area(Bt)除了目标鱼外，也有可能包括非目标鱼；因此，提出由上一刻目标鱼轮廓ft-1排除所有不属于目标鱼的轮廓，剩下的便是当前时刻鱼的轮廓ft；

3.2.1)在注意力区域rt采用最近邻算法进行聚类，得到鱼轮廓area(Bt)，流程如下：C1)随机选取k(＝5)个中心点，即聚类类别数；

C2)遍历所有像素点的颜色，即RGB值；将每个像素点划分到最近的中心点中；

C3)计算聚类后每个类别的平均值，并作为新的中心点；

C4)重复C2-C3过程，直到这k个中心点不再变化，或执行了足够多的迭代步数；

由于鱼的颜色类似；因此，聚类后的这k类中，有一类一定属于鱼；

然而这k类中，哪一类属于鱼的区域还需要进行进一步计算；其计算过程如下：D1)得到t-1时刻目标鱼的二值图像，目标鱼的像素值为1，其它则为0；

D2)计算各个类别的二值图与t-1时刻目标鱼二值图像的相似程度，取最相似的类别作为鱼轮廓；其中，dif越小，图像越相似；图像相似的计算为：

其中， 表示第k类二值图，src_fi表示t-1时刻目标鱼二值图像，i为图中每一个像素点的索引；

3.2.2)由于鱼群在游动时，不可避免相互发生交错；因此，area(Bt)中除了被跟踪的目标鱼外，也有可能包括非目标鱼；因此，可由上一刻目标鱼轮廓ft-1排除所有不属于目标鱼的轮廓，其流程如下：E1)得到t-1时刻鱼ft-1的中心点c1；

E2)得到鱼轮廓Bt的中心点c2；

E3)连接中心点c1和中心点c2得到直接L；

E4)将从沿着L进行平移，其面积与面积重合最大时停止移动；

E5)重合面积最大的区域就是当前t时刻的目标鱼轮廓范围；

4)多条鱼的跟踪：首先手动获取多条目标鱼的初始轮廓，然后根据步骤2)和步骤3)分别跟踪每一条目标鱼便可同时实现多条鱼的跟踪。