动物特征点识别方法、其转圈行为测定方法及系统与应用技术方案

本发明专利技术公开了一种动物特征点识别方法、其转圈行为测定方法及系统与应用，其中所述测定方法包括：自获得的被试动物的连续帧图像和/或其处理图像中，识别出其与动物运动状态相关的运动特征点及与动物身体结构相关的固定特征点，并在连续帧图像中进一步获得由所述运动特征点与所述固定特征点组成的特征向量的定量变化，根据所述定量变化，确定动物转圈行为测定参数。本发明专利技术可在不进行动物自身标记的前提下，高效、准确、自动、实时地获得其转圈行为测定结果。测定结果。测定结果。

【技术实现步骤摘要】
动物特征点识别方法、其转圈行为测定方法及系统与应用


[0001]本专利技术涉及基于计算机视觉的动物行为识别的


技术介绍

[0002]动物转圈实验可用于分析啮齿类动物单侧脑损伤导致的转圈行为。现有的转圈或者旋转行为实验大多使用以下方法：人眼观察手动统计并分析；采用对动物局部染色以及在动物身体上设置特殊标记的方法，对这些特殊处理的身体部位通过计算机视觉技术进行捕捉，然后根据图像记录计算动物转圈次数。以上方法中，手动统计容易产生长时间实验时计数人员疲劳带来的主观误差，局部染色法容易产生染色物以及标记物对实验动物的干扰以及染色物和标记物被误识别造成的累计角度错误等，对实验结果的真实性和可靠性产生影响。

技术实现思路

[0003]本专利技术的目的在于提出一种动物特征点识别方法、其转圈行为测定方法及系统，其中所述特征点主要为可用于转圈行为测定的特征点，包括运动特征点如动物重心、及固定特征点如其面部特征点更具体如其鼻尖点，本专利技术可在不进行动物自身标记的前提下，获得其实时的、准确的转圈行为统计结果，并可在存在明显环境干扰因素如存在遮挡、光线变化等导致的图像关键点不准的情况下，提升统计的容错性，本专利技术还可实现动物实验过程的自动化，避免了人工误差和对实验动物的干扰，增加了实验结果的有效性和鲁棒性。
[0004]本专利技术首先提供了如下的技术方案：一种动物转圈行为测定方法，其包括：S1 获得被试动物的连续帧图像数据，即其原始图像；S2 在每帧所述原始图像和/或其处理图像中，识别出被试动物的第一特征点；S3 在每帧所述原始图像和/或其处理图像中，识别出被试动物的第二特征点；S4 在不同帧所述原始图像和/或其处理图像中，获得由所述第一特征点与所述第二特征点组成的特征向量的定量变化，根据所述定量变化，确定动物转圈行为测定参数；其中，所述第一特征点为与动物运动状态相关的运动特征点，所述第二特征点为与动物身体结构相关的固定特征点。
[0005]以上方案中，所述固定特征点并不限定为该点在所有图像中的相对位置或绝对位置固定不变，而仅指该点为在动物体上实际存在的特征点。
[0006]优选的，为增强识别准确性，步骤S2
‑
S4中均使用所述处理图像，如具体实施方式所展示。
[0007]根据本专利技术的一些优选实施方式，所述特征向量为所述第一特征点和所述第二特征点进行连线形成的连线向量。
[0008]进一步优选的，所述定量变化为所述连线向量的偏转角。
[0009]根据本专利技术的一些优选实施方式，所述处理图像为含有被试动物的目标图像和/
或其经增强处理后的增强图像和/或该两者经最小包围框提取得到的任一目标提取图像。
[0010]根据本专利技术的一些优选实施方式，所述第一特征点为重心。
[0011]根据本专利技术的一些优选实施方式，所述第二特征点为面部特征点，更优选的，所述面部特征点为鼻尖点。
[0012]根据本专利技术的一些优选实施方式，所述目标图像为通过背景减除法及二值化处理获得的所述原始图像的前景图像。
[0013]根据本专利技术的一些优选实施方式，所述背景减除法包括以下方法中的一种或多种：动目标背景减除法，其包括：根据连续帧所述原始图像中像素点的颜色特征对背景像素点进行建模；基于所得背景像素点模型，通过贝叶斯公式计算当前像素点为背景像素点的极大似然估计，得到其概率分布图；对所述概率分布图进行阈值化处理，对应得到分割后的前景像素点和背景像素点；基于背景图像的背景减除法，其包括：获得无动物的背景图像；将所述原始图像与该无动物的背景图进行作差处理，得到差值图像；对所述差值图像进行图像增强处理，得到处理后的前景图像；基于灰度化后像素分类的背景减除法，其包括：将所述原始图像进行灰度化；对所得灰度图的像素值进行二分类，计算每个类别的像素点数量，其中数量少的类别的像素点判定为前景像素点，数量多的类别的像素点判定为背景像素点；基于取色的背景减除法，其包括：对动物身体中心点进行取色；建立取色点的纯色HSV图像，作为颜色背景图像；将所述原始图像转换为HSV格式，根据设定的相似度阈值搜索其与所述取色点颜色相近的像素点，由所述相近的像素点组成前景像素点。
[0014]根据本专利技术的一些优选实施方式，所述动目标背景减除法中，所述颜色特征为所述像素点的RGB颜色量化值。
[0015]根据本专利技术的一些优选实施方式，所述阈值化处理前还包括对所述概率分布图的形态学处理。
[0016]根据本专利技术的一些优选实施方式，所述鼻尖点的识别包括：将所述原始图像和/或其处理图像输入鼻尖点识别模型，获得鼻尖点对应的单通道热力图；找到该热力图的最大像素值及其对应的坐标值，并按照该热力图与输入图像的变换关系，将该坐标值转换至输入图像上，得到输入图像中鼻尖点坐标；其中，所述鼻尖点识别模型基于编码
‑
解码结构的神经网络构建，其可根据所述输入图像的标签，生成归一化的高斯分布图作为输入图像的热力图标签，对应的高斯核重心即为鼻尖点坐标。
[0017]根据本专利技术的一些优选实施方式，所述测定参数包括转圈次数和/或转圈方向，其获得过程包括：获得各相邻帧图像中所述特征向量按不同旋转方向的相对偏转角度，所述不同旋转方向包括顺时针或逆时针旋转；将各相邻帧图像的所述相对偏转角度按不同旋转方向分别进行累加；至累加角度达到转圈角度统计阈值，则在该方向上增加一次转圈次数，并将累加
值重置为0，自后重新开始累加计算，至完成全部帧计算；其中，转圈角度统计阈值为大于等于310
°
、小于等于350
°
的角度值。
[0018]本专利技术进一步提供了一种动物特征点识别方法，所述特征点为鼻尖点，其识别包括：将输入图像输入鼻尖点识别模型，获得鼻尖点对应的单通道热力图；找到该热力图的最大像素值及其对应的坐标值，并按照该热力图与输入图像的变换关系，将该坐标值转换至输入图像上，得到输入图像中鼻尖点坐标；其中，所述输入图像为含有被试动物的前景图和/或其经增强处理后的增强图和/或该两者经最小包围框提取得到的任一提取图像；所述鼻尖点识别模型基于上述编码
‑
解码结构的神经网络构建。
[0019]本专利技术进一步提供了一种动物转圈行为测定系统，其包括以下存储模块：该模块存储有实现上述测定方法和/或识别方法所需的模型和/或程序和/或所需数据。
[0020]本专利技术进一步提供了上述测定方法和/或识别方法和/或测定系统的一种具体的应用方法，如将其应用于测定帕金森症单侧模型鼠转圈行为。
[0021]本专利技术的测定方法和/或系统基于计算机视觉技术和深度学习技术对动物转圈次数和方向等进行测定和统计，无需人工计数，节省人力成本，避免人工主观误差，同时其无需在动物体表上染色或者附加标签，避免外部环境造成的干扰，简化了实验操作。
[0022]本专利技术的测定方法和/或系统可对不同大小的动物使用同样的技术，不需要根据动物大小进行额外的配置；此外，针对一些运动形态特殊而难以进行单一识别的动物，如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动物转圈行为测定方法，其特征在于，其包括：S1 获得被试动物的连续帧图像数据，即其原始图像；S2 在每帧所述原始图像的处理图像中，识别出被试动物的第一特征点；S3 在每帧所述原始图像的处理图像中，识别出被试动物的第二特征点；S4 在不同帧所述原始图像的处理图像中，获得由所述第一特征点与所述第二特征点组成的特征向量的定量变化，根据所述定量变化，确定动物转圈行为测定参数；其中，所述处理图像为所述原始图像中含有被试动物的目标图像，或该目标图像经增强处理后得到的增强图像，或对该增强图像进行最小包围框提取得到的目标提取图像；所述第一特征点为与动物运动状态相关的运动特征点，所述第二特征点为与动物身体结构相关的固定特征点；所述特征向量为所述第一特征点和所述第二特征点进行连线形成的连线向量，所述定量变化为所述连线向量的偏转角。2.根据权利要求1所述的测定方法，其特征在于，所述第一特征点为重心，所述第二特征点为所述被试动物的鼻尖点。3.根据权利要求1所述的测定方法，其特征在于，所述目标图像为通过背景减除法及二值化处理获得的所述原始图像的前景图像。4.根据权利要求3所述的测定方法，其特征在于，所述背景减除法包括以下方法中的一种或多种：动目标背景减除法，其包括：根据连续帧所述原始图像中像素点的颜色特征对背景像素点进行建模；基于所得背景像素点模型，通过贝叶斯公式计算当前像素点为背景像素点的极大似然估计，得到其概率分布图；对所述概率分布图进行阈值化处理，对应得到分割后的前景像素点和背景像素点；基于背景图像的背景减除法，其包括：获得无动物的背景图像；将所述原始图像与该无动物的背景图进行作差处理，得到差值图像；对所述差值图像进行图像增强处理，得到处理后的前景图像；基于灰度化后像素分类的背景减除法，其包括：将所述原始图像进行灰度化；对所得灰度图的像素值进行二分类，计算每个类别的像素点数量，其中数量少的类别的像素点判定为前景像素点，数量多的类别的像素点判定为背景像素点；基于取色的背景减除法，其包括：对动物身体中心点进行取色；建立取色点的纯色HSV图像，作为颜色背景图像；将所述原始图像转换为HSV格式，根据设定的相似度阈值搜索其与所述取色点颜色相近的像素点，由所述相近的像素点组成前景像素点。5.根据权利要求4所述的测...

【专利技术属性】
技术研发人员：郭思雨，王歆睿，黄武，
申请(专利权)人：成都泰盟软件有限公司，
类型：发明
国别省市：