[发明专利]一种基于机器视觉的小鼠探索的识别方法

说明书

技术领域

本发明涉及图像分析识别领域，尤其是一种利用机器视觉对小鼠图像变化进行监测和小鼠行为识别的方法。

背景技术

实验动物行为分析是高级神经中枢功能研究的一项重要技术手段。不仅广泛应用于神经心理学、神经药理学等传统领域，而且延伸到人工智能、仿生学、脑机接口等新兴交叉研究领域。

动物的行为是由体态和体态的变化构成的，运动学参数只是对动物行为的粗略描述，动物的体态则包含更多的心理信息，在行为分析中具有更重要的意义。

早期的动物行为学监测都以直接观察和手工记录为主，存在定性主观、耗时耗力等诸多问题。随着计算机技术的发展，使得利用数字图像处理和识别方法灵活、精细、以及全面地测量和分析动物行为成为可能。

发明内容

本发明目的在于提供一种误差小、数据精确、减少观察时统计方便的基于机器视觉的小鼠探索的识别方法

为实现上述目的，采用了以下技术方案：本发明所述方法包括以下步骤：

步骤1，在小鼠实验区域垂直上空安装监控摄像机，摄像机镜头对地面、墙角区域进行实时监控；摄像机通过数据线与PC设备连接组成监控系统；

步骤2，监控系统以25帧/秒的采样频率对摄像机摄录的图像进行处理，并对摄录图像进行高斯滤波；

步骤3，监控系统利用未放入小鼠之前的背景图像作为一个基本的背景模型，使用这个背景模型将前景从背景中分割出来；

步骤4，将前景的二值图像轮廓从背景中分割出来后，为避免实验环境光照的影响，利用形态学开操作将小的噪声消除，再用闭操作重建边缘部分；

步骤5，将处理好的二值前景图与对应帧图像通过Canny边缘检测技术检测小鼠轮廓，利用轮廓查找技术获取其最外层轮廓像素；

步骤6，以步骤5中边缘检测结果为基础，确定每帧图像中小鼠的质心；

步骤7，根据图像预处理之后的小鼠形态特征：鼻部和尾部的角点特征特别明显；采用角点检测算法，检测出小鼠最强两角点，分别标记为B1和B2；

步骤8，以步骤7中所检测的角点B1和B2为中心，在步骤5中所获取的最外层轮廓像素中左右各取19个像素点，分别标记为E1和F1、E2和F2；然后分别确定E1和F1的中点M1，E2和F2的中点M2，连接M1和B1，连接M2和B2；

步骤9，根据小鼠的体态特征及其实时变换规律，提出比例约束角点算法，确定出鼻部；比较M1B1与E1F1的比值和M2B2与E2F2的比值，确定其最大值；设M1B1与E1F1的比值较大，则B1作为鼻部预选点；

步骤10，为防止小鼠体型变换较大而造成的角点检测失败，只有当步骤9中的最大值大于0.8时，才确定B1为真正鼻部，M1B1延长线作为鼻部朝向；否则，舍弃B1；依据前一帧图像确定的鼻部点，当前帧图像与前一帧图像的质心坐标变化之差预测出当前帧的小鼠鼻部，并重复步骤8，且以MB延长线作为鼻部朝向；

步骤11，当小鼠鼻部距离目标物体到达一定范围(自主设定)，且鼻部朝向经过目标物体时，探索次数加一，同时开始计时；当小鼠鼻部离开设定得范围或方向偏离目标物体时，计时结束，统计小鼠探索目标时间。

其中，步骤3中，由后续帧图像中的每个像素点的灰度值减去背景图片中的对应像素点的灰度值，若相减结果绝对值小于30，则将运算结果图像中相同位置像素点的灰度值置0；否则，置为255。

与现有技术相比，本发明具有如下优点：

1、在生物医学科研实验中，通过对小白素图像进行监控分析来判断小鼠的行为参数，无需人工监管，节省人力、经济成本；

2、可智能判断小鼠探索行为，有效记录参数，并具备实时监控功能；

3、避免认为定性主观判断，精度高；

4、算法极具针对性和创新性，效果明显，准确识别率高达97％；

5、能克服小鼠个体差异，及摄像机焦距变化带来的图像分辨率差异，具有较好的鲁棒性。

附图说明

图1是本发明方法的系统工作流程图。

图2是背景分割技术提取小鼠轮廓的运算算法示意图。

图3是轮廓检测、角点检测以及查找E、F两点运算算法示意图。

图4是不满足比例约束时基于质心检测的角点预测运算算法示意图。

图5是小鼠鼻部及其方向确定和小鼠探索行为参数输出示意图。

具体实施方式

下面结合附图对本发明做进一步说明：

如图1所示的本发明的结构简图中，本发明所述方法包括以下步骤：