財団法人 電力中央研究所

電力中央研究所 研究報告書(電力中央研究所報告)
[CRIEPI Research Report]

研究報告書「電力中央研究所報告」は当研究所の研究成果を取りまとめた刊行物として、昭和28年より発行されております。 一部の研究報告書はPDF形式で全文をダウンロードすることができます。 ダウンロードの際には、当サイトの利用規約を遵守の上ご利用ください。

※ PDFのファイルサイズが大きい場合には、ダウンロードに時間がかかる場合がございます。 ダウンロードは1回のクリックで開始しますので、ダウンロードが完了するまで、複数回のクリックはなさらないようご注意願います。

研究報告書 詳細情報
[Detailed Information]

報告書番号 [Report Number]
R11012
タイトル
画像解析を用いた水中画像からの魚類計測
[Title]
Fish Categorization and Counting Method from Underwater Video and Images using Image Analysis
概要 (図表や脚注は「報告書全文」に掲載しております)
気候変動や将来の地球温暖化が、沿岸生態系の多様性や、水産資源に及ぼす影響を明らかにするためには魚類の生息量調査が必要である。本報告では、生息量調査を支援するために、画像処理を応用した自動定量化手法を新たに提案する。提案手法では、ビデオカメラで撮影した動画と、デジタルカメラでインターバル撮影した静止画群を組み合わせて利用する。まず動画から動きのある魚影を検出し、その魚影位置を、静止画上に対応付け、静止画上の精細な魚影画像を用いて魚類を判定する。石垣島で撮影した26分の水中映像と、同時に10秒おきに撮影した157枚の静止画を用いて提案手法を評価した結果、動画からの魚検出は適合率98%,再現率88%,対応付け精度71%。魚判定は魚か否かを判定させる初歩的な試験で94%の判定精度。対応付けに課題はあるものの自動化への見込みを得た。
[Abstract]
In order to evaluate global warming effect to coastal ecosystems, investigations of the fish key species composition change will be useful. In this report, to support the fish investigation methodology, an automatic categorization and counting technique using image processing is newly proposed. The proposal technique uses video data to detect moving fish, and uses high resolution images to determine fish category. The video data is captured by a video camera, and the high resolution images are captured by a digital camera using a time lapse shooting feature. The video camera and the digital camera are juxtaposed underwater. Our technique detects moving fishes from the video data by a background subtraction. Next, the correspondence fish position at an image is calculated from the detected position at a video frame. Finally fish is categorized from the detailed fish image by a machine learning technique. We evaluated the proposal technique by the underwater 26 minutes video recorded in Ishigaki Island and the 157 still pictures captured every 10 seconds simultaneously. As a result of the experiment, the fish detection from the video is 98% of precision, 88% of recall, and 71% of matching accuracy. Fish recognition is 94% of accuracy by the elementary 2 classes recognition (fish or not). In order to perform all the processes automatically, 70% of matching accuracy is a bottleneck. However, it is useful from the ability to automatically find out many fishes to support human's investigation.
報告書年度 [Report's Fiscal Year]
2011
発行年月 [Issued Year / Month]
2012/05
報告者 [Author]

担当

氏名

所属

堤 富士雄

システム技術研究所 情報数理領域

立田 穣

環境科学研究所 水域環境領域

キーワード [Keywords]
和文 英文
画像センシング Image sensing
魚類 Fish
水中環境調査 Aquatic environment research
環境モニタリング Environment Monitoring
沿岸生態系 Coastal ecosystem
Copyright (C)  Central Reseach Institute of Electric Power Industry. All Rights Reserved.