实验活体行为的分析方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供了一种实验活体行为的分析方法、装置、设备和存储介质。该实验活体行为的分析方法包括：获取待分析目标的行为数据和所述行为数据对应的生理数据；提取所述行为数据中的行为信息，并提取所述生理数据中的生理信息，得到所述待分析目标的与所述生理信息关联的行为信息；根据所述待分析目标的与所述生理信息关联的行为信息，在多个候选行为中确定所述待分析目标对应的目标行为。通过与生理信息关联的行为信息进行行为分析，达到提高行为分析的准确性的效果。

【技术实现步骤摘要】
实验活体行为的分析方法、装置、设备和存储介质
本专利技术实施例涉及行为分析
，尤其涉及一种实验活体行为的分析方法、装置、设备和存储介质。
技术介绍
在神经精神类药物的研发方面，模式动物用药前后的行为差异是判断药效的重要指标。因此，如何对于行为进行分析也越来越重要。目前，对目标进行行为分析时，是通过采集目标的行为数据，从而根据目标的行为数据分析目标的具体行为。然而，仅通过目标的行为数据对目标进行具体行为的分析，会使得行为分析的结果不够准确。
技术实现思路
本专利技术实施例提供一种实验活体行为的分析方法、装置、设备和存储介质，以实现提高行为分析的准确性。第一方面，本专利技术实施例提供了一种实验活体行为的分析方法，所述方法包括：获取待分析目标的行为数据和所述行为数据对应的生理数据；提取所述行为数据中的行为信息，并提取所述生理数据中的生理信息，得到所述待分析目标的与所述生理信息关联的行为信息；根据所述待分析目标的与所述生理信息关联的行为信息，在多个候选行为中确定所述待分析目标对应的目标行为。可选的，所述行为数据为包括所述待分析目标的目标图像，所述提取所述行为数据中的行为信息，包括：调用预先训练的关键点确定模型，对所述目标图像中的待分析目标的多个关键点进行标记，其中，所述关键点确定模型通过无监督学习训练得到；根据标记的多个关键点确定所述待分析目标的行为信息。可选的，所述根据标记的多个关键点确定所述待分析目标的行为信息，包括：根据标记的多个关键点确定所述待分析目标的姿态序列；根据所述待分析目标的姿态序列确定所述待分析目标的动作序列；根据所述待分析目标的动作序列确定所述待分析目标的行为序列，以得到携带有姿态序列、动作序列和行为序列的行为信息。可选的，所述根据标记的多个关键点确定所述待分析目标的姿态序列，包括：确定标记的多个关键点在预设周期内每个时间的关键点变化信息；提取所述关键点变化信息中与自身运动相关的自身运动信息，所述自身运动信息指示于以所述待分析目标自身为原点产生的动作；将所述预设周期内每个时间的自身运动信息作为所述姿态序列。可选的，所述根据所述待分析目标的姿态序列确定所述待分析目标的动作序列，包括：通过所述姿态序列计算距离矩阵，所述距离矩阵用于表征不同时刻数据的相似性；对所述距离矩阵进行核化，得到核化距离矩阵；基于对齐聚类分析算法对所述核化距离矩阵进行分割，得到所述待分析目标的动作序列。可选的，根据所述待分析目标的动作序列确定所述待分析目标的行为序列，以得到携带有姿态序列、动作序列和行为序列的行为信息，包括：调用预先训练的行为信息确定模型，对所述动作序列进行计算，其中，所述行为信息确定模型通过有监督学习训练得到；获取所述行为信息确定模型对所述动作序列进行计算得到的行为序列，所述行为序列对应有时间标识；基于所述时间标识获取所述行为序列对应的姿态序列和动作序列；将所述姿态序列、动作序列和行为序列进行关联的结果作为所述行为信息。可选的，所述根据所述待分析目标的与所述生理信息关联的行为信息，在多个候选行为中确定所述待分析目标对应的目标行为，包括：根据所述待分析目标的与所述生理信息关联的行为信息确定目标序列的持续时间，所述目标序列为姿态序列、动作序列和行为序列中的至少一项；调用预先训练的行为确定模型，对所述目标序列的持续时间进行计算，其中，所述行为确定模型通过预先标记多个候选行为进行训练得到；获取所述行为确定模型对所述目标行为发生的时间计算的结果，以确定所述多个候选行为中的目标行为。第二方面，本专利技术实施例提供了一种实验活体行为的分析装置，所述装置包括：数据获取模块，用于获取待分析目标的行为数据和所述行为数据对应的生理数据；行为信息确定模块，用于提取所述行为数据中的行为信息，并提取所述生理数据中的生理信息，得到所述待分析目标的与所述生理信息关联的行为信息；行为确定模块，用于根据所述待分析目标的与所述生理信息关联的行为信息，在多个候选行为中确定所述待分析目标对应的目标行为。第三方面，本专利技术实施例提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所述的实验活体行为的分析方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本专利技术任意实施例所述的实验活体行为的分析方法。本专利技术实施例通过获取待分析目标的行为数据和所述行为数据对应的生理数据；提取所述行为数据中的行为信息，并提取所述生理数据中的生理信息，得到所述待分析目标的与所述生理信息关联的行为信息；根据所述待分析目标的与所述生理信息关联的行为信息，在多个候选行为中确定所述待分析目标对应的目标行为，解决了仅通过目标的行为数据对目标进行具体行为的分析，会使得行为分析的结果不够准确的问题，实现了提高行为分析的准确性的效果。附图说明图1是本专利技术实施例一提供的一种实验活体行为的分析方法的流程示意图；图2是本专利技术实施例二提供的一种实验活体行为的分析方法的流程示意图；图3是本专利技术实施例三提供的一种实验活体行为的分析装置的结构示意图；图4是本专利技术实施例四提供的一种设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子计算机程序等等。此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一信息为第二信息，且类似地，可将第二信息称为第一信息。第一信息和第二信息两者都是信息，但其不是同一信息。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。...

【技术保护点】
1.一种实验活体行为的分析方法，其特征在于，所述方法包括：/n获取待分析目标的行为数据和所述行为数据对应的生理数据；/n提取所述行为数据中的行为信息，并提取所述生理数据中的生理信息，得到所述待分析目标的与所述生理信息关联的行为信息；/n根据所述待分析目标的与所述生理信息关联的行为信息，在多个候选行为中确定所述待分析目标对应的目标行为。/n

【技术特征摘要】
1.一种实验活体行为的分析方法，其特征在于，所述方法包括：
获取待分析目标的行为数据和所述行为数据对应的生理数据；
提取所述行为数据中的行为信息，并提取所述生理数据中的生理信息，得到所述待分析目标的与所述生理信息关联的行为信息；
根据所述待分析目标的与所述生理信息关联的行为信息，在多个候选行为中确定所述待分析目标对应的目标行为。


2.如权利要求1所述的方法，其特征在于，所述行为数据为包括所述待分析目标的目标图像，所述提取所述行为数据中的行为信息，包括：
调用预先训练的关键点确定模型，对所述目标图像中的待分析目标的多个关键点进行标记，其中，所述关键点确定模型通过无监督学习训练得到；
根据标记的多个关键点确定所述待分析目标的行为信息。


3.如权利要求2所述的方法，其特征在于，所述根据标记的多个关键点确定所述待分析目标的行为信息，包括：
根据标记的多个关键点确定所述待分析目标的姿态序列；
根据所述待分析目标的姿态序列确定所述待分析目标的动作序列；
根据所述待分析目标的动作序列确定所述待分析目标的行为序列，以得到携带有姿态序列、动作序列和行为序列的行为信息。


4.如权利要求3所述的方法，其特征在于，所述根据标记的多个关键点确定所述待分析目标的姿态序列，包括：
确定标记的多个关键点在预设周期内每个时间的关键点变化信息；
提取所述关键点变化信息中与自身运动相关的自身运动信息，所述自身运动信息指示于以所述待分析目标自身为原点产生的动作；
将所述预设周期内每个时间的自身运动信息作为所述姿态序列。


5.如权利要求3所述的方法，其特征在于，所述根据所述待分析目标的姿态序列确定所述待分析目标的动作序列，包括：
通过所述姿态序列计算距离矩阵，所述距离矩阵用于表征不同时刻数据的相似性；
对所述距离矩阵进行核化，得到核化距离矩阵；
基于对齐聚类分析算法对所述核化距离矩阵进行分割，得到所述待分析目标的动作序列。


6.如权利要求3所述的方法，其特征在于，根据所述待分析目标的...

【专利技术属性】
技术研发人员：韩亚宁，黄康，蔚鹏飞，王立平，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44