CN101526996A - 一种小鼠自发行为运动监测与体态图象识别的方法 - Google Patents

Abstract

本发明涉及一种小鼠自发行为运动监测与体态图象识别的方法，设计了识别小鼠嘴部、重心和尾根部三个关键点的算法，编制了相应的识别程序。本方法步骤主要包括：(1)目标小鼠获取；(2)重心、嘴部和尾根位置的确定；(3)获取运动轨迹信息；(4)根据步骤2所得结果判断小鼠是否屈身，是屈身进入步骤6，否则进入步骤5；(5)通过体态比细化成蹲起、正常和伸长三种状态，结束；(6)细致描述屈身体态，结束。根据本发明提供的方案，可精确描述实验小鼠的运动状态，初步实现小鼠体态识别，丰富了自动监测系统可获取信息。

Description

一种小鼠自发行为运动监测与体态图象识别的方法

技术领域

本发明涉及一种运动监测与体态图像识别的方法，特别是一种小鼠自发行为运动监测与体态图像识别的方法。

背景技术

动物在药物、毒物及各种外界物理因素的影响下，其活动频率、活动范围、记忆力等是否由于这些外界因素的影响而有所改变，这就需要观察动物活动的变化来判断。传统的行为学研究主要是依靠研究者的目视观察与定性评判，主观因素影响较大，很多参数不能定量化，且费时费力。随后，伴随光电技术被广泛应用于自发活动的检测中，结合计算机的应用产生了多样的监测装置，但可检测指标较少，只能满足实验人员小部分要求。近年来，计算机技术的发展将动物行为的自动识别带进了视频记录与观测结合数字图象分析的阶段，视频检测具有较高分辨率不仅能准确记录动物的行动，还能对体态姿势进行辨别，为实验者提供了更多的信息，具有广阔的应用前景。小鼠自发活动试验是应用最广的自发活动行为测定方法之一。在实验中，除小鼠的活动区域，速度等参数外，其丰富的动作、姿势、甚至尾部和足的活动等体态特征也具有大量的科研价值，是研究者们关心的内容。视频技术和图象分析技术在这个领域的应用为广大科研工作者提供了更快捷可靠的实验工具，也推动了动物行为学、药理学等相关学科的发展。

近年来，计算机图象、视频技术在该领域的应用为众多实验观察人员带来了极大的便利。目前，在小鼠自发活动的自动识别与分析领域主要包含两部分内容：运动检测与体态图像识别。基于计算机视频技术的小鼠自发活动运动监测的研究、应用较早，理论、技术也较为成熟，产品相继面世。相对于运动监测，对小鼠体态识别的研究进展较为缓慢，尚有很大的研究空间。为此，现有产品的功能也多数集中在运动监测，较少能进行体态的记录，存在一定的信息缺失。

对于运动监测的系统，已有许多相关产品面世，其功能多集中于逗留时间，总路程，平均速度，活动时间，活动次数等。但与此同时，多数系统中单纯将小鼠图象的重心轨迹近似为实际运动轨迹，不但很难精确表述小鼠的实际运动过程而且造成运动过程中大量细节信息缺失，在实际应用上仍存在较大的提升空间。

对于体态图像识别方法，动物的行为是由体态和体态的变化构成的，运动参数仅仅是对动物行为一个较粗略的描述，动物的体态则含有更多心理信息，在行为分析中具有更重要的意义，体态的正确识别是行为自动识别与分析的基础。Spruijt等首先尝试着眼于区分修饰和休息体态的处理方法研究。Lochem与Rousseau等则提出希望能从头部的坐标(嘴巴突起)，尾巴根部的坐标，修正的身体重心坐标，以及由这3点得到的附加特征入手，对大鼠的9种典型行为状态进行研究。Heeren等以大鼠轮廓的Fourier描述子构建特征矢量，用神经网络对体态进行分类。Campbell用运动分析和轮廓曲率谱分析来识别运动、静止和修饰3种行为。浙江大学张敏等提出基于四种参数并应用朴素贝叶斯分类器的大鼠体态识别与基于轮廓曲率和谱系聚类的大鼠体态自动识别两种方案。

发明内容

发明目的：针对当前技术现状，本发明提供一种运动监测与体态识别解决方案，可较精确描述实验小鼠的运动状态，初步实现小鼠体态识别，丰富了自动监测系统可获取信息。

技术方案：不同的实验动物具有不同的自发活动类型，因而应针对不同实验动物设计相应的自动观测方法。本文采用头部，尾，重心作为小鼠运动轨迹的参数，在描绘运动轨迹时，相比于其他研究工作中多以重心轨迹代替实际运动路径，本文的工作具有三点的运动轨迹，包含更丰富的运动信息，给予实验研究者更多灵活的选择。通过对同一时刻不同轨迹点的相对位置分析以及不同时刻各轨迹间的信息提取，可以确定小鼠运动瞬时及动态细节信息。不同的动物拥有各自的特征，恰当的选择特征并提取是识别过程的关键。同时，对于特征的选择，必须还要考虑到此特征是否具有空间上的平移不变性、旋转不变性及尺度不变性，如果该特征具备上述的三种不变性，识别运算的复杂程度将会大大降低。现有图象识别技术中的特征提取与识别主要采用几何特征(周长，面积，曲率，体态比)、矩、傅立叶描述、纹理描述等方式或混合方式。其中，几何特征中的体态比运算量较小且具有上述三种不变性，比较适合需要快速检测的小鼠试验，是对小鼠体态识别的主要方法。本发明针对小鼠运动监测的有关问题，针对传统图象识别解决方案存在可采集信息量较少的问题，设计了适用于顶部拍摄条件下，识别小鼠嘴部、重心和尾根部三个关键点的方法，编制了相应的识别程序。本发明主要包括以下步骤：(1)目标小鼠获取；(2)重心、嘴和尾位置的确定；(3)获取运动轨迹信息；(4)判断小鼠是否屈身，是屈身进入步骤4，否则进入步骤3；(5)通过体态比细化成蹲起、正常和伸长三种状态；(6)细致描述屈身体态。

有益效果：本发明与现有技术相比，新的运动监测与体态识别分析方案可大大丰富系统可监测信息。

附图说明

图1是运动监测流程图。

图2是包含有尾部的重心位置。

图3是去掉尾部后的重心位置。

图4为以尾梢点为最末点寻尾根坐标方向图。

图5事在尾部细节不同程度缺失时判断觜尾位置，图中深灰色点为其自动判定得到尾根位置，浅灰色为嘴部位置，白色点为重心位置。

图6是小鼠头部朝向示意图。

图7是体态识别流程图。

图8为Lochem提出7种静态体态图。

具体实施方式

本发明的运动监测流程图如图1所示，下面结合图1来具体实施说明。本发明的运动监测包括以下步骤：

(1)目标小鼠获取；

(2)重心、嘴部和尾根位置的确定；

(3)获取运动轨迹信息，其中包括总路程、平均速度、头部的朝向、总的休息时间和中央区域滞留时间。

首先测量摄像头视野内开放场边沿的实际长宽，记为a×b。对于同一摄像头，长宽边沿在图像中的长度随摄像头所处拍摄高度同比增加。查看摄像头的分辨率，记为l×w，本实验中采用320×240像素。其中 $\frac{a}{l}=\frac{b}{w}=k,$ k为比例常数。为方便说明，下文中均采用像素单位。

运动监测步骤(1)的具体过程是：将小白鼠置于黑色背景下，目标获取时，使用自适应阈值将灰度图片进行二值化即可实现目标与背景分离。或者，当小白鼠置于其他复杂背景下(但背景色不宜过亮，否则易与目标小鼠相混)，目标小鼠的获取也是可行的。在目标小鼠进入开场前，需对开场背景进行拍摄存储，之后所得包含目标小鼠的图片与背景图片做减运算，即可得到与在黑色背景下的类似效果。

运动监测步骤(2)中重心位置确定的具体步骤是：小鼠目标获取后，重心坐标即为 $\stackrel{\‾}{X}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i/n,\stackrel{\‾}{Y}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Y}_i/n.$ 但是需要指出的是，这样统计，是将小鼠的尾部和身体一同计算在内了。但是某些情况下我们只需找到小鼠身体部分的重心，那么这样尾部的像素点就对身体重心有干扰作用。为了考察尾部对身体重心的影响，我们取一张显示出完整尾巴的小鼠图片，对其取重心，如图2。然后用绘图工具将尾巴消除，再次求其重心，如图3。

图2中重心坐标X₁＝214，Y₁＝220；图3中重心坐标X₂＝214，Y₂＝221。两图中小鼠头尾连线长度L＝50.2，重心的距离Δs＝1。其重心误差为δ＝Δs/L×100％＝2％。两图比较可见当尾巴完整时，重心判断受到影响很小(尾巴残缺时影响将更加微弱)。大量验证计算结果也表明尾巴对身体的重心位置影响很小，本系统中计算重心时包含尾部像素。

运动监测步骤(2)中嘴部和尾根位置确定的具体方法是：寻找两极值点，小鼠连续轮廓点像素坐标数组E(x，y)，轮廓数组中包含像素点的个数t；

步骤321，在小鼠轮廓点坐标数组里查找与重心点图像距离最大的点P1(左右或上下相邻的两点间的距离为1，斜对角方向相邻的两点距离为1.414)；

步骤322，在数组位置与P1相距t/3之外的其余各点中寻找另一个与重心点图像距离最大的点P2如下表示意轮廓数组，t/3＝7，又P1位于11，则P2在＜4或＞18范围内寻找，以P1为中心向数组左右两侧各延伸t/24，计算其中像素点所组成的一段轮廓的弧长，记为M，计算该弧两端点的像素距离La；以P2为中心向数组左右两侧各延伸t/24，其中各像素点所组成的一段轮廓的弧长记为N，两端点的像素距离Lb；

		P2		X	X	X	X	X	X	X	P1	X	X	X	X	X	X	X
																					0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20

步骤323，M/La＞3若成立，则P2为头部点，P1为尾稍点，图像中存在尾巴，跳转到步骤324；N/Lb＞3若成立，则P1为头部点，P2为尾稍点，图像中存在尾巴，跳转到步骤324；若上述均不成立，则P1为头部点，P2为尾根点，图像中不存在尾巴，既得到最后结果；

步骤324，确定尾根位置，以尾梢点为起点，在轮廓数组中取左侧第t/24个点作为基准点S，再以尾稍为起点在轮廓数组中依次取右侧第t/48至t/16个点与基准点S计算像素距离，其中最小值记为Dis，我们将Dis近似看作小鼠尾巴的中部的直径；

图4所示，以尾梢点为最末点，在轮廓数组中取左侧第t/3个点作为第1条线的起点，在轮廓数组中取右侧第t/3个点作为第2条线的起点；按图4所示方向，线段2每从起点到末点依次递减循环一次，线段1减去其原有端点，并用新端点作为起点计算与线段2各点连线的距离；寻找循环过程中的长度小于3倍Dis第一条线段，并记录此时起点的像素坐标为(x₁，y₁)；使线段1每递减循环一次，线段2失去其原有端点，寻找线段2新端点与线段1各点连线的距离小于3倍Dis第一条线段，并记录此时起点的像素坐标为(x₂，y₂)；取(x₁，y₁)，(x₂，y₂)的中点坐标即作为小鼠的尾根部坐标。

在图象质量相对不高的条件下，对随机选取的300张图片进行检验，新的识别算法对嘴尾的定位准确率达到98.3％。准确的嘴尾定位不仅是运动检测中的重要信息，在本文体态识别方法中也发挥有重要作用。但实际使用过程中的图像细节缺失、模糊等图像质量问题往往会给识别带来一些影响。出于实际应用的考虑，该方法尽量降低了这种由于图象质量问题带来的影响，具有一定的容错和纠错能力，如图5所示。其主要体现在前期嘴尾识别算法的鲁棒性与后期数据处理阶段。前者设计目的主要针对图片成像质量问题，后者则注重对系统阶段性判定结果的噪声消除与再检验。

运动监测步骤(3)运动轨迹信息中总路程的计算方法为：假定由程序计算出的小鼠在屏幕上运动的路程为S，则对应的小鼠的实际运动距离为S_o＝S×k。

运动监测步骤(3)运动轨迹信息中头部朝向获取的方法为：小鼠头部的朝向信息可以通过重心、小鼠嘴部顶点坐标提取。如图6所示，假设被小鼠探究物体半径为R且圆心所在坐标(X_O，Y_O)，已知小鼠重心坐标为(X_G，Y_G)，嘴部顶点坐标为(X_S，Y_S)。设目标物与小鼠重心连线与水平轴夹角 $\mathrm{\α}=\arctan \frac{Y_O-Y_G}{X_O-X_G},$ 鼠嘴与小鼠重心连线与水平轴夹角为 $\mathrm{\β}=\arctan \frac{Y_S-Y_G}{X_S-X_G}.$ 当小鼠连续一定时间以上处于β∈(α-θ，α+θ)状态，即可作为小鼠正在朝向目标物的判据之一，其中θ＝arcsin(R/|OG|)。由此可判别出小鼠头部对目标物的大致朝向，当然也可以直接使用角度进行诸如对地理方位(东、西；左、右等)的头部朝向描述，增加了对小鼠描述的信息量。

本发的体态识别流程图如图7所示，下面结合图7具体说明。体态识别流程具体步骤包括：(1)确定小鼠头、重心、尾根坐标；(2)判断小鼠是否屈身，即小鼠嘴部至尾根两侧线段L₁、L₂弧长之比小于4，是则小鼠处于“直”状态，否则处于屈身状态；(3)“直”状态下计算长轴平方与除鼠尾外的轮廓上各点到长轴距离的方均的比值，比值小于25为蹲起、大于50为伸长，否则处于正常状态；(4)细致描述屈身体态。

某种动物改变姿态时，其身体各部分间的几何比例会发生相应改变，根据这种比例改变就可进行体态的识别。

本发明的体态识别流程步骤(4)细致描述屈身体态的方法为在获知小鼠身体弯曲的基础上结合小鼠的重心坐标，即可较精确的判断小鼠屈身体态、描述弯曲程度。

本发明基于体态比和嘴尾坐标，在只有单一顶部摄像头时系统可识别伸长，正常，左右屈身，蹲起等姿态，若在此基础上配合横向获得的信息，可以将正常细化为仰头(heaed raise)、低头(head dip)和坐(sit)，将蹲起姿态细分为直立(rear)、修饰(groom)和弓背(hunch)，即可实现识别Lochem与Rousseau提出的全部9种体态，如图8所示，其中行走(walking)和转圈(rotate)未包含其中。

本发明方法对小鼠运动的自动观测系统研究现状进行了分析，设计了可以识别小鼠运动状态及体态的方法。特别分析了小鼠尾部对重心的影响，设计了可以识别嘴部、重心、尾根三个关键点的算法，并开发了基于这三点运动轨迹描述小鼠运动的自动观测系统。并且可以对小鼠的部分体态进行识别，使得该发明可监测的信息大大丰富，具有一定的实用意义。

Claims (7)

1、一种小鼠自发行为运动监测与体态图象识别的方法，其特征是本方法主要步骤包括：

(1)目标小鼠获取；

(2)重心、嘴部和尾根坐标的确定；

(3)获取运动轨迹信息，其中轨迹信息包括总路程、平均速度、头部的朝向、总的休息时间和中央区域滞留时间；

(4)根据步骤2所得坐标判断小鼠是否屈身，是屈身进入步骤6，否则进入步骤5；

(5)通过体态比细化成蹲起、正常和伸长三种状态，结束；

(6)细致描述屈身体态，结束。

2、根据权利要求1所述的一种小鼠自发行为运动监测与体态图象识别的方法，其特征是该方法步骤(1)目标小鼠获取的方法是：将小白鼠置于固定背景下，目标获取时，进行二值化即可实现目标与背景分离。

3、根据权利要求1所述的一种小鼠自发行为运动监测与体态图象识别的方一法，其特征是本方法步骤(2)重心、嘴部和尾根位置的确定的方法为：

(31)小鼠目标获取后，运用重心法对二值后的图像进行重心坐标计算，图像中共有n个点处于小鼠内部区域时则有小鼠重心坐标为：

重心即为 $\stackrel{\‾}{X}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i/n,$ $\stackrel{\‾}{Y}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Y}_i/n,$ 其中X、Y为重心坐标；

(32)寻找两极值点，小鼠连续轮廓点像素坐标数组E(x，y)，轮廓数组中包含像素点的个数t；

步骤321，在小鼠轮廓点坐标数组里查找与重心点图像距离最大的点P1；

步骤322，在数组位置与P1相距t/3之外的其余各点中寻找另一个与重心点图像距离最大的点P2。以P1为中心向数组左右两侧各延伸t/24，计算其中像素点所组成的一段轮廓的弧长，记为M，计算该弧两端点的像素距离La；以P2为中心向数组左右两侧各延伸t/24，其中各像素点所组成的一段轮廓的弧长记为N，两端点的像素距离Lb；

步骤323，M/La＞3若成立，则P2为头部点，P1为尾稍点，图像中存在尾巴，跳转到步骤324；N/Lb＞3若成立，则P1为头部点，P2为尾稍点，图像中存在尾巴，跳转到步骤324；若上述均不成立，则P1为头部点，P2为尾根点，图像中不存在尾巴，既得到最后结果；

步骤324，确定尾根位置，以尾梢点为起点，在轮廓数组中取左侧第t/24个点作为基准点S，再以尾稍为起点在轮廓数组中依次取右侧第t/48至t/16个点与基准点S计算像素距离，其中最小值记为Dis，我们将Dis近似看作小鼠尾巴的中部的直径；

以尾梢点为最末点，在轮廓数组中取左侧第t/3个点作为第1条线的起点，在轮廓数组中取右侧第t/3个点作为第2条线的起点；线段2每从起点到末点依次递减循环一次，线段1减去其原有端点，并用新端点作为起点计算与线段2各点连线的距离；寻找循环过程中的长度小于3倍Dis第一条线段，并记录此时起点的像素坐标为(x₁，y₁)；使线段1每递减循环一次，线段2失去其原有端点，寻找线段2新端点与线段1各点连线的距离小于3倍Dis第一条线段，并记录此时起点的像素坐标为(x₂，y₂)；取(x₁，y₁)，(x₂，y₂)的中点坐标即作为小鼠的尾根部坐标。

4、根据权利要求1所述的一种小鼠自发行为运动监测与体态图象识别的方法，其中轨迹信息包括总路程、平均速度、头部的朝向、总的休息时间和中央区域滞留时间，其特征是该方法步骤(3)中总路程和头部朝向的获取方法分别是：

(41)假定由程序计算出的小鼠在屏幕上运动的路程为S，则对应的小鼠的实际运动距离为S_o＝S×k，其中k为常数；

(42)假设被小鼠探究物体半径为R且圆心所在坐标(X_O，Y_O)，已知小鼠重心坐标为(X_G，Y_G)，嘴部顶点坐标为(X_S，Y_S)，设目标物与小鼠重心连线与水平轴夹角 $\mathrm{\α}=\arctan \frac{Y_O-Y_G}{X_O-X_G},$ 鼠嘴与小鼠重心连线与水平轴夹角为 $\mathrm{\β}=\arctan \frac{Y_S-Y_G}{X_S-X_G},$ 当小鼠连续一定时间以上处于β∈(α-θ，α+θ)状态，即可作为小鼠正在朝向目标物，其中θ＝arcsin(R/|OG|)。

5、根据权利要求1所述的一种小鼠自发行为运动监测与体态图象识别的方法，其特征是该方法步骤(4)判断小鼠是否屈身的方法为：小鼠竖直方向投影闭合轮廓可由嘴尾两点分为两条曲线段L₁、L₂，通过L₁、L₂的长度之比可以判断小鼠的身体是否处于弯曲状态。

6、根据权利要求1所述的一种小鼠自发行为运动监测与体态图象识别的方法，其特征是该方法步骤(5)的方法为当其身体部分的长宽比比值大于正常姿态的阈值时即可判定为伸长，反之，长宽比远小于正常姿态的比值时可判定为蹲起。

7、根据权利要求1所述的一种小鼠自发行为运动监测与体态图象识别的方法，其特征是该方法体态识别的步骤(6)细致描述屈身体态的方法为在获知小鼠身体弯曲的基础上结合小鼠的重心坐标，计算重心到嘴线段与重心到尾根部线段之间的夹角即可较精确的判断小鼠屈身体态、描述弯曲程度。

Images