CN105373780B

CN105373780B - 一种老鼠步态分析中的步迹识别方法、装置及系统

Info

Publication number: CN105373780B
Application number: CN201510770312.5A
Authority: CN
Inventors: 张恒; 李思迪; 张宝俊; 谢曙; 谢珍; 盛益华; 金瀛
Original assignee: Dongguan Shang Tzu Biomedicine Technology Co Ltd
Current assignee: Dongguan Shang Tzu biomedicine technology Co., Ltd.
Priority date: 2015-11-12
Filing date: 2015-11-12
Publication date: 2019-03-22
Anticipated expiration: 2035-11-12
Also published as: CN105373780A

Abstract

本发明公开一种老鼠步态分析中的步迹识别方法，所述方法包括：首先获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据。其次，根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物产生的光斑区域。再次，识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域。最后，确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。与现有技术相比，本发明能够准确完成老鼠步态分析中的步迹识别。

Description

一种老鼠步态分析中的步迹识别方法、装置及系统

技术领域

本发明涉及动物行为学领域，具体涉及一种老鼠步态分析中的步迹识别方法、装置及系统。

背景技术

步态是指动物在行走过程中，肢体在时间和空间上的协调关系，它是运动学、行为学分析及药效评估的一种重要分析方法。

人体步态分析的研究和应用从19世纪末摄影技术刚兴起的时候就开始发展，迄今已经有100多年的历史，但是真正进入临床实用阶段只有10多年的时间，而实验动物步态的研究更是处于起步阶段。由于人或动物机体对行走过程中步态的调控极其复杂，步行高级中枢的定位和其对步态的调控方式至今尚未明了，据推测大脑皮质、脑干和小脑均存在步行调控中枢，当其受损或传导通路发生障碍时，可能导致不同类型的异常步态。所以通过现代科技和多学科的交叉融合，将以往无法用人工观察或手动测量的实验动物的步态行为表现精确高效的“可视化”，并最终建立系统全面、客观定量、智能灵敏的实验动物模型步态的分析和评价系统，对不同神经系统疾病相关病理机制的研究以及新的治疗手段的评价均有着非常重要的意义。

老鼠步态是指老鼠行走时所表现的姿态。早期，老鼠步态实验方法为在老鼠足底沾不同颜色的颜料，让其在白纸上行走，事后人工量取白纸上步迹的距离，得到步态指标。另外，由于墨迹剂量难以把握，要获得有效的实验数据通常要进行大量的重复性实验，因此传统的分析方法存在工作量巨大的缺点。随着压力传感器技术的发展，市场上处理通过使用大量的压力传感器构造跑台，让受试老鼠在跑台上行走，通过压力传感器反馈的数据，分析步态指标。该类系统虽然能实现一定程度上的自动化分析，但存在较多缺陷，如设备结构复杂、成本巨大、系统维护难度高，且需要特殊技术以防护老鼠排泄物对传感器的损害等。

同时，对于如何准确识别老鼠的步迹，仍是一项存在着很大难度的技术问题。

发明内容

有鉴于此，本发明提供了一种老鼠步态分析中的步迹识别方法、装置及系统。

本发明提供了一种老鼠步态分析中的步迹识别方法，所述方法包括：

获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；

根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物产生的光斑区域；

识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；

确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。

优选地，所述方法还包括：

选取所述老鼠步态视频数据中预设若干帧图像数据，并剔除所述若干帧图像数据中的老鼠身体覆盖区域；

对剔除所述老鼠身体覆盖区域的所述若干帧图像数据，采取叠加后取均值的方法构建背景图像。

优选地，所述根据预先构建的背景图像，去除所述图像数据中的干扰噪声，包括：

将预先构建的背景图像与所述图像数据中对应位置的像素点的像素值做差运算，并将运算结果符合预设条件的像素点作为所述图像数据中的干扰噪声；

去除所述图像数据中的干扰噪声。

优选地，所述确定所述足底光斑区域的属性之前，还包括：

计算所述足底光斑区域的面积和\或宽高比，并剔除不符合预设面积阈值和\或宽高比阈值的足底光斑区域。

优选地，所述方法还包括：

根据确定的足底光斑区域的属性，分析所述老鼠步态视频数据中与所述图像数据相邻帧的图像数据中足底光斑区域的属性。

优选地，所述方法还包括：

对所述老鼠步态视频数据中预设的若干连续帧的图像数据进行聚类分析，所述若干连续帧的图像数据中包括当前的图像数据；

根据聚类结果，剔除所述图像数据中不满足预设条件的足底光斑区域。

本发明还提供了一种老鼠步态分析中的步迹识别装置，所述装置包括：

获取模块，用于获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；

去除模块，用于根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物区域；

识别模块，用于识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；

确定模块，用于确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。

优选地，所述装置还包括：

选取模块，用于选取所述老鼠步态视频数据中预设若干帧图像数据，并剔除所述若干帧图像数据中的老鼠身体覆盖区域；

构建模块，用于对剔除所述老鼠身体覆盖区域的所述若干帧图像数据，采取叠加后取均值的方法构建背景图像。

优选地，所述去除模块包括：

差运算子模块，用于将预先构建的背景图像与所述图像数据中对应位置的像素点的像素值做差运算，并将运算结果符合预设条件的像素点作为所述图像数据中的干扰噪声；

去除子模块，用于去除所述图像数据中的干扰噪声。

优选地，所述装置还包括：

计算模块，用于计算所述足底光斑区域的面积和\或宽高比；

第一剔除模块，用于剔除不符合预设面积阈值和\或宽高比阈值的足底光斑区域。

优选地，所述装置还包括：

分析模块，用于根据确定的足底光斑区域的属性，分析所述老鼠步态视频数据中与所述图像数据相邻帧的图像数据中足底光斑区域的属性。

优选地，所述装置还包括：

聚类模块，用于对所述老鼠步态视频数据中预设的若干连续帧的图像数据进行聚类分析，所述若干连续帧的图像数据中包括当前的图像数据；

第二剔除模块，用于根据聚类结果，剔除所述图像数据中不满足预设条件的足底光斑区域。

本发明还提供了一种老鼠步态分析中的步迹识别系统，所述系统包括存储器和处理器，

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令，执行以下步骤：获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物区域；识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。

本发明提供的老鼠步态分析中的步迹识别方法中，首先获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据。其次，根据预先构建的背景图像，去除所述图像数据中的干扰因素，所述干扰噪声包括老鼠排泄物产生的光斑区域。再次，识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域。最后，确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。与现有技术相比，本发明能够准确完成老鼠步态分析中的步迹识别。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种老鼠步态分析中的步迹识别方法流程图；

图2为本发明提供的一种老鼠步态分析中的步迹识别装置结构示意图；

图3为本发明提供的一种老鼠步态分析中的步迹识别系统构成结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本发明实施例利用玻璃跑台作为老鼠试验的跑道，在玻璃跑台后方沿着跑台玻璃长度方向布置一排LED灯阵列，其中，LED灯照射方向为垂直于玻璃跑台切割面向玻璃跑台内部照射，相邻的LED灯照射区域相互覆盖，以使灯光充满整个跑台玻璃内部。通常LED灯选择红色灯或绿色灯，而绿色灯效果最佳。在老鼠步行活动空间上方，安装背景光灯箱，灯箱平行于跑台玻璃，垂直向下照射。背景灯箱照明灯颜色需要与跑台LED灯颜色相互配合，例如LED等选择红色灯时，背景光灯箱照明灯颜色选择蓝色；LED灯选择绿色灯时，背景光灯箱照明灯颜色选择红色。利用逆光原理，将采集相机安装于跑台玻璃下方，垂直向上拍摄，当试验老鼠在玻璃跑台上行走时，采集相机采集到的图像上老鼠身体覆盖区域为黑色区域，与背景区域差异较大，易于分割。

以下进行实施例具体内容的介绍。

本发明实施例提供了一种老鼠步态分析中的步迹识别方法，参考图1，图1为本实施例提供的一种老鼠步态分析中的步迹识别方法流程图，具体可以包括：

S101：获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据。

本发明实施例不限制老鼠步态视频数据的获取方式，利用安装于跑台玻璃下方的采集相机获取老鼠步态视频数据仅以一种实现方式。

本发明实施例在获取老鼠步态视频数据后，读取所述老鼠步态视频数据中的图像数据。

由于老鼠步态视频数据中包括若干帧图像数据，所以本实施例以每帧的图像数据为处理单位，进行老鼠步态视频数据中老鼠步迹的识别处理。

S102：根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物产生的光斑区域。

实际操作中，老鼠在玻璃跑台上行走的过程中可能留下老鼠排泄物，在老鼠步态视频采集的过程中，老鼠排泄物也会在灯光的照射下以阴影的形式被采集，形成老鼠步迹识别的干扰因素。本发明实施例为了提高老鼠步迹识别的准确性，在进行老鼠步迹识别之前，首先去除类似老鼠排泄物产生的光斑区域等干扰因素的影响。

因此，本发明实施例预先构建用于去除老鼠步态视频数据中的干扰噪声的背景图像，具体的，在构建背景图像的过程中，首先选取所述老鼠步态视频数据中预设若干帧图像数据，并剔除所述若干帧图像数据中的老鼠身体覆盖区域。其次对剔除所述老鼠身体覆盖区域的所述若干帧图像数据，采取叠加后取均值的方法构建背景图像。

一种优选方式中，本发明实施例首先将老鼠步态视频数据分成前、中、后三段视频数据，并在各段视频数据中随机选择多帧图像数据作为背景图像构建的基础。其次，将选择的所述多帧图像数据执行剔除老鼠身体覆盖区域的操作。由于在老鼠步态视频数据中老鼠身体覆盖区域与其他背景区域的颜色不同，例如老鼠身体覆盖区域呈现为黑色区域，所以将所述多帧图像数据中的黑色区域剔除即可。再次，将选择的所述多帧图像数据剔除老鼠身体覆盖区域后，分别将其对应位置像素点的值叠加后取均值，得到的最终图像即为背景图像。

本发明实施例将背景图像中各个位置的像素点的值与老鼠步态视频数据中的图像数据对应位置的像素点的值做差运算，并将运算结果符合预设条件的像素点作为所述图像数据中的干扰噪声，例如将得到的差值大于预设阈值的像素点组成的区域确定为图像数据中的干扰因素，将其从所述图像数据中剔除。

S103：识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域。

本发明实施例中，所述图像数据去除了干扰因素后，对所述图像数据进行老鼠身体覆盖区域的识别。并在识别出的所述老鼠身体覆盖区域中提取老鼠的足底光斑区域。具体的，利用二值化算法能够准确的提取老鼠覆盖区域中的足底光斑区域，其中，所述二值化算法包括QSTU二值化算法。

另外，由于老鼠步态视频数据中的研究对象可能是病态老鼠，在病态老鼠行走的过程中老鼠臀部、鼻尖等身边部位可能与玻璃跑台接触，从而使得老鼠步态视频数据中的除爪子之外的接触区域会对足底光斑区域造成干扰。所以，本发明实施例通过计算老鼠身体覆盖区域中的足底光斑区域的面积和\或宽高比，以排除除爪子之外的接触区域被误认为是足底光斑区域的干扰。具体的，计算得到所述老鼠身体覆盖区域中的足底光斑区域的面积或者宽高比后，将计算得到的结果与预设面积阈值和\或宽高比阈值进行比较，剔除不符合预设面积阈值和\或宽高比阈值的足底光斑区域。实际应用中，对于臀部部位与玻璃跑台接触后产生的光斑区域的面积较大，所以通过面积计算即可排除臀部接触区域的干扰，另外，老鼠的某些身体部位还可能与玻璃跑台接触后产生矩形光斑区域，此时可以通过宽高比的计算排除其干扰。

S104：确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。

本发明实施例中，在确定准确的足底光斑区域后，根据老鼠行走方向，确定老鼠的头部和尾部，并结合老鼠的头部和尾部，以及老鼠行走方向，确定各个足底光斑区域的属性，即确定各个足底光斑区域是左前足、右前足、左后足或者右后足。

实际操作中，可以根据确定的足底光斑区域的属性，分析所述老鼠步态视频数据中与所述图像数据相邻帧的图像数据中足底光斑区域的属性。也就是说，对于相邻帧的图像数据的处理，也可以根据已经确定的图像数据中的足底光斑区域的属性确定相邻帧图像数据中足底光斑区域的属性。基于老鼠足部在接触到玻璃跑台到离开玻璃跑台这段时间内位置基本不移动的特性，相邻帧的图像数据中包括的足底光斑区域空间位置基本是不变的，所以，当某一帧图像数据中的足底光斑区域的属性确定后，与其相邻帧的图像数据中的足底光斑区域的属性也可以适应性的确定。

另外，在实际应用中，本实施例还可以对整个老鼠步态视频数据的步迹识别结果进行二次校验。具体的，分别将老鼠步态视频数据中各帧图像数据中已经确定的足底光斑区域属性做标记，例如左前足标1、右前足标2、左后足标3、右后足标4。当播放整个老鼠步态视频数据时，根据老鼠足底在接触玻璃跑台过程以及足部在空中摆动过程的特性，判断标记后的足底光斑区域出现规律是否符合上述特性。具体的，可以将标记错误的足底光板区域修改成符合上述特性的标记，以得到更准确的步迹识别结果。

另外，本发明实施例还可以对所述老鼠步态视频数据中预设的若干连续帧的图像数据进行聚类分析，所述若干连续帧的图像数据中包括当前的图像数据。根据聚类结果，剔除所述图像数据中不满足预设条件的足底光斑区域。从时间的角度上看，通过聚类结果，可以排除所述连续帧图像中突然出现的鼻尖等部位接触玻璃跑台产生的足底光斑区域。具体的可以利用K-均值方法进行聚类分析。

本发明实施例提供的老鼠步态分析中的步迹识别方法中，首先获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据。其次，根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物产生的光斑区域。再次，识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域。最后，确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。与现有技术相比，本发明实施例能够准确完成老鼠步态分析中的步迹识别。

本发明实施例还提供了一种老鼠步态分析中的步迹识别装置，参考图2，图2为本实施例提供的一种老鼠步态分析中的步迹识别装置结构示意图，具体可以包括：

获取模块201，用于获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；

去除模块202，用于根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物产生的光斑区域；

识别模块203，用于识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；

确定模块204，用于确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。

另外，为了构建所述老鼠步态视频数据的背景图像，所述装置还包括：

具体的，所述去除模块包括：

去除子模块，用于去除所述图像数据中的干扰噪声。

实际应用中，由于老鼠步态视频数据中的研究对象可能是病态老鼠，在病态老鼠行走的过程中老鼠臀部、鼻尖等部位可能与玻璃跑台接触，从而使得老鼠步态视频数据中的除爪子之外的接触区域会对足底光斑区域造成干扰。所以，本发明实施例通过计算所述足底光斑区域的面积和\或宽高比，剔除不符合预设面积阈值和\或宽高比阈值的足底光斑区域。

相应的，所述装置还包括：

计算模块，用于计算所述足底光斑区域的面积和\或宽高比；

基于老鼠足部在接触到玻璃跑台到离开玻璃跑台这段时间内位置基本不移动的特性，相邻帧的图像数据中包括的足底光斑区域可能是不变的。本发明实施例中的所述装置还包括：

另外，为了进一步提出图像数据中的干扰噪声，本发明实施例提供的装置还包括：

本发明实施例提供的老鼠步态分析中的步迹识别装置能够实现如下功能：获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据。根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物产生的光斑区域。识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域。确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。与现有技术相比，本发明实施例能够准确完成老鼠步态分析中的步迹识别。

本发明还提供了一种老鼠步态分析中的步迹识别系统构成结构示意图，如图3所示，其中，所述系统至少包括一个存储器301和至少一个处理器302，还包括至少一个网络接口303；存储器301、处理器302和网络接口303之间通过总线相互连接。

存储器301用于存储程序代码，并将该程序代码传输给该处理器302。

处理器302用于根据程序代码的指令，执行以下步骤：

获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物产生的光斑区域；识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。

进一步的，所述处理器302选取所述老鼠步态视频数据中预设若干帧图像数据，并剔除所述若干帧图像数据中的老鼠身体覆盖区域；

进一步的，所述处理器302将预先构建的背景图像与所述图像数据中对应位置的像素点的像素值做差运算，并将运算结果符合预设条件的像素点作为所述图像数据中的干扰噪声；

去除所述图像数据中的干扰噪声。

进一步的，所述处理器302计算所述足底光斑区域的面积和\或宽高比，并剔除不符合预设面积阈值和\或宽高比阈值的足底光斑区域。

更进一步的，所述处理器302根据确定的足底光斑区域的属性，分析所述老鼠步态视频数据中与所述图像数据相邻帧的图像数据中足底光斑区域的属性。

更进一步的，所述处理器302对所述老鼠步态视频数据中预设的若干连续帧的图像数据进行聚类分析，所述若干连续帧的图像数据中包括当前的图像数据；根据聚类结果，剔除所述图像数据中不满足预设条件的足底光斑区域。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明实施例所提供的一种老鼠步态分析中的步迹识别方法、装置及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种老鼠步态分析中的步迹识别方法，其特征在于，所述方法包括：

对剔除所述老鼠身体覆盖区域的所述若干帧图像数据，采取叠加后取均值的方法构建背景图像；

2.根据权利要求1所述的方法，其特征在于，所述根据预先构建的背景图像，去除所述图像数据中的干扰噪声，包括：

去除所述图像数据中的干扰噪声。

3.根据权利要求1所述的方法，其特征在于，所述确定所述足底光斑区域的属性之前，还包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.一种老鼠步态分析中的步迹识别装置，其特征在于，所述装置包括：

构建模块，用于对剔除所述老鼠身体覆盖区域的所述若干帧图像数据，采取叠加后取均值的方法构建背景图像；

7.根据权利要求6所述的装置，其特征在于，所述去除模块包括：

去除子模块，用于去除所述图像数据中的干扰噪声。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

计算模块，用于计算所述足底光斑区域的面积和\或宽高比；

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

11.一种老鼠步态分析中的步迹识别系统，其特征在于，所述系统包括存储器和处理器，

所述处理器用于根据所述程序代码中的指令，执行以下步骤：获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；选取所述老鼠步态视频数据中预设若干帧图像数据，并剔除所述若干帧图像数据中的老鼠身体覆盖区域；对剔除所述老鼠身体覆盖区域的所述若干帧图像数据，采取叠加后取均值的方法构建背景图像；根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物区域；识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。