基于高速视觉的实验动物多行为实时检出方法研究

Behaviors of laboratory animals have been used widely in the fields of new drugs development and life science. However, the traditional manual analysis or automatic detection methods and devices could only detect a few slow behaviors offline, and could not adapt to the multi-environment and multi-behavior online analysis. This research focuses on the features of quick motion and easy-deformable shape, and real-timely captured the hundreds frames per second and high resolution images by high-speed vision system. We propose the quick algorithm of abstracting the shift and rotate invariant features based on affine transform. It will avoid the recognition mistakes in the methods such as shape matching, and provide the basis for quantitative definition and real-time detection. Also, multi-parameter model based the fine difference abstracted from the high-frame-rate images will be build to explore the new behaviors and the new time-behavioral structures, especially for support of the design and analysis of the interactive social behavior experiments. The feature abstraction and behavior detection methods which proposed in this research will be an important approach to solve the motion analysis for the soft and deformable objects. It will also practically promote the quantitative researches of laboratory animals, and the selection and validation of new pharmacological and pathological models.

实验动物的行为分析广泛应用于新药开发和生命科学等领域，传统的人工分析和自动检出方法及设备，通常只能离线检出特定实验中的少量慢速行为，面对多实验环境下多行为实时分析的适应性还有待提高。本研究针对实验动物行动快速、形状多变的运动特点，通过高速视觉获取数百帧每秒的高时空分辨率实时图像，结合硬件处理算法要求，提出基于仿射变换的平移旋转不变特征快速提取算法，以有效避免形状匹配等方法中的误识别问题，为多行为的量化定义和实时检出提供依据；同时，基于高速图像序列分析行为间的细微差别，建立动态行为的多参数描述模型，为发现新型行为和新的时间-行为结构，尤其是交互式社会行为实验设计和分析提供研究支持。本研究所开展的行为特征提取和检出方法将是分析柔软变形体运动特征的重要手段之一，将对定量研究实验动物行为，筛选和验证新的药理病理模型具有切实的促进作用。

项目以新药开发和生命科学研究中的实验动物行为分析为背景，主要研究实验动物的行为特征提取和行为分析方法，这些图像分析方法也可以适用于人体运动、群体动物以及柔性体形变的特征分析中。一直以来，实验动物的行为分析都依赖于人工分析或低性能的自动检出设备，例如针对挠动行为采用录制低帧率视频再离线检出。但是这些特定实验中的少量慢速行为并不能适用于多实验环境下多行为实时分析。在国内的行为分析仪器市场中，主要还是一些来自欧洲和美国的厂商占据主流地位，国产设备因为在核心算法上难以突破，其性能一直不被认可。而自主设计和实验分析能力的薄弱，也限制了实验水平和效率的提高。.本项目的主要研究内容包括行为特征提取和行为分析，以及这些普适方法在人体及动物群体行为分析等方面的应用。 针对动物形体柔软多变、动作快速灵活的运动特点，通过高速视觉获取高帧率实时图像序列，实现了算法的硬件处理。特别是提出并实现了基于仿射变换的平移旋转不变特征快速提取算法，有效避免了形状匹配等方法中的误识别问题，为多行为的量化定义和实时检出提供了可靠依据。在算法的长时间验证实验所得出的关键指标中，典型行为的检出率达到了98.1%-99.0%，而作为对比，市售主流产品的识别率只能达到75-80%。相关算法应用于田径运动中人体关键部位的特征识别，识别率也达到了89.07%（4pix），在精度提高的同时也大幅度减轻了人工识别的工作量。在科学意义方面，本研究过程中提出和验证了的行为特征提取和检出方法，对分析柔软变形体运动特征具有切实的意义。这不仅对于定量研究实验动物行为，筛选和验证新的药理病理模型具有切实的促进作用，在已经应用的人体运动分析等方面也发挥了实际的作用。