利用声纳视频的时间表示进行鱼类计数

对虹鳟逃逸量的精确估计——即迁移至产卵上游的鱼类数量——是保育和渔业管理中关键数据。现有方法虽然非侵入式且适用于计算机视觉处理，但依赖目标检测和跟踪技术，由于现场计算资源有限且网络连接不便，这些技术在许多声纳部署地点仍难以实施。我们提出一种基于分析声鳘图（将数百帧声纳视频压缩为单张图像的时间表示）的轻量级计算机视觉方法，用于鱼类计数。我们使用ResNet-18模型直接从声鳘图中预测200帧时间窗口内的上游和下游计数，同时提出一套领域特定的图像增强方法及弱监督训练协议以进一步提升效果。在阿拉斯加肯爱尔河的代表性数据上实现了23%的计数误差，证明了本方法的可行性。