随着人们对水环境安全重要性认识的不断提高,在对水环境安全评估的过程中,生物监测发挥的作用也越来越大。它利用活体生物在水质变化或污染时运动行为特征的改变,自动记录和分析获得数据,从生物学角度来分析水质的变化,为水体环境质量检测提供依据。水生生物的运动行为特征能够比较形象直观,实时的反应水体环境的变化。本论文提出一种实时的水质监测方法,主要研究斑马鱼的运动轨迹在水质监测中的应用。研究目标是提出基于活体鱼运动轨迹的水质监测方法,获取鱼的运动行为特征,实现对异常水质的预警。具体研究内容包括：活体鱼的运动轨迹提取方法,基于序列集的活体鱼运动轨迹表示与分析方法,神经网络的运动轨迹对比机制,鱼类水质监控平台的设计。首先研究了活体鱼的运动轨迹提取方法,运用基于多帧图像运动轨迹的提取方法对鱼体运动轨迹进行了粗提取,针对本研究的情况,提出了一种鱼体运动轨迹精细化的方法,为后面的运动轨迹进一步分析提供依据。然后研究了神经网络的运动轨迹对比机制,针对大量的数据进行分析,传统的聚类方法可以取得比较好的结果,但是耗费大量的内存空间。基于上述的特点,本文提出了改进的基于神经网络的对比机制,此方法不受限于数据量的大小,占用的内存空间也比较小,提高了鱼体运动轨迹的对比效率。其次提出了基于序列集的活体鱼运动轨迹表示与分析方法,分析了活体鱼的运动轨迹特点,提出了一种基于序列集的活体鱼运动轨迹表示与分析方法,利用字符序列来表示鱼类的运动行为,将连续的鱼类运动轨迹转换为离散型的字符序列,降低了运算数量级,也为后面的运动轨迹对比提供数据基础。最后是鱼类水质监控平台的设计,提出了鱼类运动轨迹的水质监测系统平台体系结构,初步开发了鱼类监测系统平台软件。并且通过对运动轨迹数据进行分析,可以实时的对异常水质进行预警。