Python-远程-1个月

项目编号：【185685】
1. 项目背景与核心逻辑
场景：固定机位拍摄鱼缸视频，每缸鱼数量 2-4 条。
核心目标：计算每条鱼的活跃度（游动距离+加速次数等），并跨视频累计同一条鱼的数据。
区分方式：基于物理特征的自动区分（颜色、体型大小、剪鳍等，具体物理特征可以修改），无需人工干预。
2. 详细功能模块
A. 鱼体特征提取与 ID 绑定 (核心)
系统需在视频开始分析时，自动检测画面中的鱼，并根据以下维度生成唯一的“特征指纹”，以此作为该鱼的永久 ID：
颜色特征：识别鱼体的主色调（如：红、黑、白、花斑）。
体型大小：计算鱼体的像素面积或长度（如：最大、中等、最小）。
形态特征 (剪鳍)：通过轮廓分析，识别鱼鳍的完整性（如：上鳍缺失、尾鳍分叉等）。
逻辑说明：系统会将这些特征组合，例如生成 ID 描述：“红色-最大-剪上鳍”。在后续的视频中，只要检测到符合该特征的鱼，即判定为同一条鱼。
B. 活跃度计算
针对每一条被锁定的鱼，实时计算以下指标：
游动距离：追踪鱼中心点的运动轨迹，计算总长度（单位：米，需支持标定像素与真实长度的比例）。
加速次数：统计单位时间内速度变化超过阈值的次数。
C. 数据输出与报表 (含视频时长)
系统需输出一个汇总表格（如 Excel/CSV），必须包含视频时长字段，格式如下：
表格
鱼ID (特征描述) 视频时长 视频1 距离 视频1 加速 视频2 距离 视频2 加速 总距离 总加速
红色-最大-剪上鳍 00:05:00 100m 4次 160m 6次 260m 10次
黑色-最小-完整 00:05:00 70m 3次 110m 5次 180m 8次
(注：视频时长可以是单视频时长，如果是多视频合并统计，建议显示“累计总时长”或分别列出每个视频的时长)