｛“状态”：“好”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,8,7]]，“日期-时间”：“2024-08-07T01:11:15Z”，“时间戳”：1722993075018｝，“参考计数”：25，“出版商”：“富士科技出版社有限公司”，“问题”：“5”，“资助者”：[｛“DOI”：“10.13039\/50101100010218”，“名称”：“菲律宾科学技术部”，“doi-asserted-by”：“publisher”，“id”：[{“id”:“10.13039\/501100010218”，“id-type”：“doi”，“asserted-by”：”publisher“}]}，{“doi“：”10.13039\/100012938“，”name“：”De La Salle University“，”doi-assert-by“：]}]，“内容域”：{“域”：[]，“交叉标记限制”：false}，“short-container-title”：[“JACIII”，“J.Adv.Compute.Intell.Intell.Inform.”]，“published-print”：{“date-parts”：[[2021,9,20]]}，“抽象”：“三维多鱼类跟踪在量化鱼类行为方面具有重要的研究兴趣。然而，大多数跟踪技术都使用高帧速率，这对于实时跟踪应用程序来说目前是不可行的。本研究讨论了使用立体视频剪辑的低帧速率采样的多重钓鱼跟踪技术。利用过去和现在的鱼类质心位置和确定性框架指数，根据预测指数的绝对误差对鱼类进行标记和跟踪。在预测器子系统中，研究了适用于非线性系统的线性回归和机器学习算法，如自适应神经模糊推理系统（ANFIS）、符号回归和高斯过程回归（GPR）。结果表明，在标记和跟踪精度方面，符号回归的性能最好，其次是GPR，分别为74%至100%和81%至91%。考虑到计算时间，符号回归导致最高的计算延迟，每次迭代约946ms，而GPR的最低计算时间为39 ms。<\/jats:p>“，”DOI“：”10.20965\/jacii.2021.p0639“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,9,19]]，”date-time“：”2021-09-19T15:02:08Z“，”timestamp“：1632063728000}，”page“：“639-646”，”source“：”Crossref“，”is-referenced-by-count“：15，”title“：[”针对低帧速率视频的多条自由游动鱼类的三维立体视觉跟踪“]，”prefix“：”10.20965“，”volume“:”25“，”author“：[{“given”：“Maria Gemel B.”，“family”：“Palconit”，“sequence”：“first”，“affiliation”：[]}，{“given”:“Ronnie S。康塞普西翁“，”家族“：”二“，”序列“：”附加“，”从属“：[]}，”给定“：”乔内尔D.“，”家庭“：”亚历杭德利诺“，”顺序“：”额外“，”附属“：[]}，，”给定”：“迈克尔E.”，”家族”：“帕雷贾”，”序列”：“附加”，“从属”给定“：”Argel A.“，”family“：”Bandala“，”sequence“：”additional“，”affiliation“：[]}，{”given“：”Ryan Rhay P.ouf N.G.“，”家庭“：”Naguib“，“sequence“：”additional“，”affiliation“：[]}，{“name”：“电子与通信工程，德拉萨尔大学，2401 Taft Avenue，Malate，Manila 1004，Philippines”，“sequence”：“additional”，“affiliance”：[]{“name”：“制造与管理工程，德拉萨尔大学2401 TaftAvenueadditional“，”affiliation“：[]}，{“name”：“Liverpool Hope University Hope Park，Taggart Avenue，Liverpower L16 9JD，UK”，“sequence”：“additional”，“affiliance”：[]{，“member”：“8550”，“published-on-line”：{“date-parts”：[[2021,9,20]]}；“reference”：[{“key”：“key-10.20965\/jacii.2021.p0639-1”，“doi-asserted-by”：“crossref”，“unstructured”：“A.R.F.”。Quiros等人，用于车牌分割和字符识别机器视觉的基于遗传算法和人工神经网络的方法，第八届国际仿人大会，纳米技术，信息技术。Commun公司。控制。环境。管理。（HNICEM 2015），2015.“，”DOI“：”10.1109\/HNICEM.2015.7393240“}，{“key”：“key-10.20965\/jacii.2021.p0639-2”，“DOI-asserted-by”：“crossref”，“unstructured”：“R.S.Concepcion et al.，\u201cArabidopsis Tracker:一种基于中心的植被定位模型，用于多盆栽培系统中的自动叶冠表型，\u201 d 2020 IEEE 12th Int。Conf.Humanoid，Nanotechnology，Inf.Technol公司。Commun公司。控制。环境。管理。（HNICEM 2020），2020年。“，”DOI“：”10.1109 \/HNICEM51456.2020.9400050“}，{”key“：”key-10.20965 \/jacii.2021.p0639-3“，”DOI-asserted-by“：”crossref“，”unstructured“：”R.G.De Luna，E.P.Dadios，and A.A。Bandala，基于深度学习的番茄植物叶病检测和识别的自动图像捕获系统，2018 IEEE Region 10 Conf.（TENCON 2018），第1414-1419页，2019年。Fernandez等人，使用Viola-Jones算法和人工神经网络进行身份验证的同时人脸检测和识别，2014 IEEE Region 10 Symp。，第672-676页，2014年。“，“DOI”：“10.1109 \/TENCONSpring.2014.6863118”}，{“key”：“key-10.20965 \/jacii.2021.p0639-5”，“DOI-asserted-by”：“crossref”，“unstructured”：“W.Luo等人，\u201cMultiple object tracking:A literative review，\u201 d Artif.Intell.，Vol.293，Article No.103482021.”，“DOI:”10.1016 \/j.artint.2020.103448“}，}”key“：”key-10.20965 \/jacii.2021.p0639-6“，”doi-asserted-by“：”crossref“，”unstructured“：”C.Xia等人，《利用计算机视觉监测鱼类行为的水生毒性分析：最新进展》，《毒理学杂志》。，2018年第25卷，第2591924条，2018年。“，”DOI“：”10.1155\/2018\/2591924“}，{”key“：”key-10.20965\/jacii.2021.p0639-7“，”DOI-asserted-by“：”crossref“，“unstructured”：“C.Beyan，V.-M.Katsageorgiou，and R.B。Fisher，\u201c从有或无大数据集清理的鱼类跟踪数据中提取具有统计意义的行为，\u201 d IET Compute。视觉。，第12卷，第2期，第162-170页，2018年。“，“DOI”：“10.1049”\/iet-cvi.2016.0462“}，{“key”：“key-10.20965”\/jacii.2021.p0639-8“，”DOI-asserted-by“：”crossref“，“unstructured”：“L。Yang等人，\u201c智能水产养殖中的计算机视觉模型，强调鱼类检测和行为分析：综述，\u201d工程计算方法档案，第28卷，第2785-28162020页。G.B.Palconit等人，《走向跟踪：遗传算法和LSTM作为浑水鱼类轨迹预测因子的研究》，2020年IEEE区域10会议（TENCON 2020），第744-7492020页。“，“DOI”：“10.1109”，“TENCON50793.2020.9293730”}，{“key”：“key-10.20965”，jacii.2021.p0639-10“，”DOI-asserted-by“：”crossref“，”unstructured“A。P\u00e9rez-Escudero等人，\u201cIdTracker：通过自动识别未标记动物来追踪群体中的个体，《自然方法》，第11卷，第743-748页，2014年。Cooke等人，深度信息对三维多目标跟踪的影响：概率观点，《公共科学图书馆·计算生物学》，第13卷，第7期，2017年。“，“DOI”：“10.1371”，journal.pcbi.1005554“}，{“key”：“key-10.20965”，jacii.2021.p0639-12“，”DOI-asserted-by“：”crossref“，“unstructured”：“D.J。Harris等人，《测试三维多目标跟踪训练对近、中、远距离转移的影响》，《心理学前沿》，第11卷，第196期，2020年。“，“DOI”：“10.3389”，“fpsyg.2020.00196”}，{“key”：“key-10.20965”，jacii.2021.p0639-13“，”DOI-asserted-by“：”crossref“，“unstructured”：“Z.Tang and J.-N。Hwang，\u201cMOANA:3D中鲁棒多目标跟踪的在线学习自适应外观模型，IEEE Access，第7卷，第31934-31945页，2019年。“，“DOI”：“10.1109”，Access.2019.2903121“}，{“key”：“key-10.20965”，jacii.2021.p0639-14“，”DOI-asserted-by“：”crossref“，“unstructured”：“X。Liu等人，《水池中多条鱼的三维视频跟踪》，IEEE Access第7卷，第145049-145059页，2019年。计算机视觉会议，第1546-1553页，2010年《计算机与信息科学通信》丛书，第771卷，第25-36页，2017年。“，“DOI”：“10.1007”，978-981-10-7299-4_3“}，{“key”：“key-10.20965”，jacii.2021.p0639-17“，“unstructured”：“S.H.Wang等人，使用主视图跟踪优先策略的u201c3D跟踪游泳鱼群，2016 IEEE Int.Conf。生物信息。生物识别。（BIBM 2016），第516-519页，2017年。“”key-10.20965\/jacii.2021.p0639-19“，”doi断言由“：”crossref“，”非结构化“：”M.Saberiion et al.，\u201c机器视觉系统在水产养殖中的应用，重点是鱼类：最先进和关键问题，\u201d Rev.Aquac。，第9卷，第4期，第369-387页，2017年10.1007\/s10462-017-9610-2“}，{“key”：“key-10.20965\/jacii.2021.p0639-21”，“unstructured”：“M.A.Rosales等人，使用人工神经网络和优化支持向量机进行非侵袭性糖基化血红蛋白监测，\u201d第九届国际计算智能与工业应用研讨会（ISCIIA 2020），2A1-1-42020。”}key-10.20965 \/jacii.2021.p0639-22“，”doi-asserted-by“：”crossref“，”unstructured“：”J.Alejandrino等人，基于人工神经网络和支持向量机的无线传感器网络拥塞检测，\u201d 2020 IEEE第12届国际会议类人，纳米技术，Inf.Technol。Commun公司。控制。环境。管理。（HNICEM 2020），2020。”，“DOI”：“10.1109 \/HNICEM51456.2020.9400062”}，{“key”：“key-10.20965 \/jacii.2021.p0639-23”，“DOI-asserted-by”：“crossref”，”非结构化“：”P.Li和S.Chen，《高斯过程潜在变量模型的u201cA综述》，《CAAI Trans.Intell.Technol.》，第1卷，第4期，第366-376页，2016年。“DOI“：”10.1016 \/j.trit.2016.11.004“}，{“键”：“key-10.20965 \/jacii.2021.p0639-24“，”doi-asserted-by“：”crossref“，”unstructured“：”M.G.B.Palconit等人，使用符号回归的磁悬浮系统自适应补偿器，IEEE Region 10 Conf.（TENCON 2020），第1363-1367页，2020年。“，”doi“：”10.1109 \/TENCON50793.2020.9293857“}，{“key”：“key-10.2096 5\/jachii.2021.p0639-25”，“doi-asserted-by“：”crossref“，”unstructured“：”M.Quade等人，通过符号回归预测动力学系统，\u201d Phys。修订版E，第94卷，第1期，第1-152016页unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2021,9,19]]，”date-time“：”2021-09-19T15:06:57Z“，”timestamp“：1632064017000}，”score“：1，”resource“：{primary“：”{“URL”：“https:\/\/www.fujipress.jp\/jaciii\/jc\/jaciai002500050639”}}，“subtitle”：[]，“short”标题“：[]，”发布“：{”date-parts“：[[2021,9,20]]}，“references-count”：25，“journal-issue”：{“issue”：“5”，“published-on-line”：{-“date-part”：[[2021,9,20]]}、“publishedprint”：{--“date-ports”：[[20201,9,20]}}，”URL“：”http://\/dx.doi.org\/10.20965\/jacii.2021.p0639“，”关系“：{}，‘ISSN’：[”1883-8014“，”1343-0130“]，”ISSN-type“：[{“type”：”electronic“，”value“：”1883-8013“}，{“类型”：”print“，”value“：”1343-0130“}]，“subject”：[]，“published”：{“date-parts”：[[2021,9,20]]}}