水质环境问题已成为我国社会关注的焦点问题,近年来各种环境污染事件频发,严重影响了人们正常的社会活动和经济活动。目前对于水质监测预警的研究,许多学者采用生物式水质监测的方法,根据水生物的生理特征变化和行为特征变化对水质进行监测。但是由于评价因子与水质之间存在多因子、非线性、高维等复杂关系的问题,监测预警的效果并不理想。为了对水体环境进行周全、科学的在线监测,本文研究了基于鱼群运动特征的异常水质监测的问题,针对水体质量与鱼群运动特征之间的相关性进行了多方面的研究。研究内容主要包括:(1)采用鱼群作为水质污染指示生物,以计算机视觉理论为基础,应用双边滤波方法对鱼群运动视频进行预处理,对运动的鱼群进行检测、分割、跟踪,提取鱼群空间位置分布及运动轨迹,为鱼群运动行为分析奠定基础。(2)根据Delauny三角剖分法改进鱼群重心算法,并引入鱼群运动离散度相关参数:方差、分布面积,以及运动轨迹相关参数中心距指数,同时也提取了曲率、邻近值特征参数以及传统特征参数速度、加速度、距离共八个特征参数,建立了水质识别特征数据集。(3)根据实验装置大小选取了数量合适的鱼群,进行了多组不同污染物、不同浓度的异常水质对比实验。介绍了XGBoost分类器的特点,并通过网格搜索法对参数进行优化选择,并设计了基于XGBoost分类器的水质监测方案,同时与支持向量机分类器的识别结果进行了对比分析。实验结果表明基于方差、分布面积、中心距指数三个特征参数作为水质评价因子建立的模型具有高效、稳健的识别效果。