[发明专利]基于深度学习的大小鼠旷场实验自动化分析系统和方法

权利要求书

1.基于深度学习的大小鼠旷场实验自动化分析系统，其特征在于，包括相机、导入单元、分析模块、判定模块、数据库和发送单元；

所述相机用于实时录制啮齿动物的运动状态，并自动获取录制影像信息，且相机安装在旷场反应箱正上方，将录制影像信息传输至导入单元；

所述导入单元用于将录制影像信息传输至分析模块，数据库内存储有啮齿动物的身体信息和图像信息，身体信息包括鼻尖数据、双眼数据、双耳数据、头部中心数据、躯干中心数据、四肢数据和尾根数据，所述分析模块从数据库内获取身体信息和图像信息，并将其与录制影像信息一同进行数据分析操作，得到X轴像素点范围、Y轴像素点范围、像素点与cm换算计算式、啮齿动物躯干骨架线、骨架方向角、运动速度数据、骨架长度和可能性值传输至判定模块；

所述判定模块对X轴像素点范围、Y轴像素点范围、像素点与cm换算计算式、啮齿动物躯干骨架线、骨架方向角、运动速度数据、骨架长度和可能性值进行判定操作，得到动物的运动状态、所处区域和动物行为的判定传输至发送模块；

所述发送模块用于将动物的运动状态、所处区域和动物行为的判定发送至用户端。

2.根据权利要求1所述的基于深度学习的大小鼠旷场实验自动化分析系统，其特征在于，数据分析操作的具体操作过程为：

K1：获取录制影像信息，并将其依据数据库内的身体信息进行啮齿动物身体特征标记，依据鼻尖数据、双眼数据、双耳数据、头部中心数据、躯干中心数据、四肢数据和尾根数据，识别出录制影像信息中的动物鼻尖数据、动物双眼数据、动物双耳数据、动物头部中心数据、动物躯干中心数据、动物四肢数据和动物尾根数据，将录制影像信息与图像信息，依据遮挡比例进行遮挡判定，将遮挡比例分为10个等级，将遮挡等级乘以一个遮挡因数u1，从而计算出可能性值；

K2：对录制影像信息进行每帧分析，即每帧中动物影像的动作，以1920数值为Y轴，1080数值为X轴建立二维坐标系，并将录制影像信息中啮齿动物的每帧所表现的动作在而为坐标系中进行标记；

K3：在二维坐标系中标记出动物鼻尖数据、动物双眼数据、动物双耳数据、动物头部中心数据、动物躯干中心数据、动物四肢数据和动物尾根数据的坐标数据，即该数据对应的X轴和Y轴所对应的坐标值组合；

K4：依据上述K2中的二维坐标系以及K1中的动物鼻尖数据、动物双眼数据、动物双耳数据、动物头部中心数据、动物躯干中心数据、动物四肢数据和动物尾根数据，将其任意两者进行坐标连线，并将其标定为啮齿动物躯干骨架线，将其连接长度标定为骨架长度，且所连接骨架之间的长度，以像素点为单位；

K5：获取K4中的鼻尖-尾根骨架坐标连线，以鼻尖为原点建立二维坐标系，将鼻尖-尾根向量与X轴正方向所成的夹角标定为骨架方向角，且骨架方向角为0°-360°，若鼻尖-尾根向量与X正方向重合则为0°，获取一段时间内骨架方向角的角度变化，建立一个虚拟直角坐标系，并将一段时间内骨架方向角的角度变化在虚拟直角坐标系中进行标记，当角度不断增加，则判定该动物顺时针旋转，当角度不断减小，则判定该动物逆时针旋转，其中一段时间界定为一分钟之内；

K6：将旷场的区域表示为X轴像素点范围为Q-W，且Q-W的值从小到大表示；Y轴像素点范围为：E-R，且E-R的值为从小到大表示，且Q、W、E和R均为预设值；

K7：将像素点转化成距离值，具体为：将像素点带动到像素点与cm换算计算式：1cm＝A个像素点，A＝旷场反应箱边长对应的像素点/旷场反应箱实际边长(100cm)；

K8：获取动物各个部位的运动距离与运动时间，从而计算出各个部位的对应运动速度，其中，各个部位指代动物鼻尖、双眼、双耳、头部中心、躯干中心、四肢和尾根，并将其标定为运动速度数据。