基于视频的多目标识别属于计算机视觉,它是模式识别等领域中一个非常重要的分支课题。对机器鱼进行控制的时候,处理机器鱼的目标跟踪问题不仅要提供机器鱼的准确位置,还需知道机器鱼的运动方向。这些实时的数据是机器鱼下一步运动决策的前提,只有稳定准确的对机器鱼进行跟踪,才能让运动决策正确的执行,从而正确的对机器鱼进行控制。本课题是在摄像头固定状态下跟踪检测机器鱼,机器鱼在游动过程中会产生变形,因此对机器鱼的跟踪是对非刚体目标的跟踪。水池光照干扰严重,所以我们对机器鱼的运动跟踪主要工作就是要前期选择好的建模方式,后期选择恰当的跟踪算法,从而对机器鱼进行稳定的跟踪。目前的运动目标跟踪算法就是通过优化获取被跟踪对象的特征,来提高目标的搜索匹配度和匹配的正确程度,并且通过有效缩小目标搜索范围的方式,预测目标下一时刻可能出现的位置或确定目标的搜索方向。为了得到更好的前景效果,本文提出一种基于HSV的颜色空间模型,我们在对原来的颜色空间重新建模之后,有效地去除了图像中主要的光照干扰,以及机器鱼的阴影干扰,使得对多条机器鱼的图像分割与识别更加准确,因此该算法的改进让原来的匹配跟踪算法更加具有鲁棒性。在此对机器鱼图像分割基础上,本文在后面章节中对CycleGAN网络进行测试,得到了较好的效果。