一种果蝇飞行轨迹层次化分割与行为模式分析方法技术

本发明专利技术提供一种果蝇飞行轨迹层次化分割与行为模式分析方法，包含果蝇飞行行为轨迹段分割模块、果蝇个体飞行行为模式提取与分析模块和交互模式提取与分析模块。本发明专利技术通过计算轨迹的自适应弯曲阈值，根据空间特征的变化，对轨迹进行分割；基于定制化的能量函数，实现对可变长度轨迹的无监督聚类，对基本行为模式赋予类别信息；在单次聚类后使用长轨迹分裂方法，发现组成行为模式；结合交互轨迹段的运动参数和位置参数，使用无监督聚类对模式进行分类，对追逐、避碰等交互模式类型进行分析或发现新的交互模式。本发明专利技术可用于研究果蝇飞行行为，减少了行为片段提取过程中的过分割现象，解决了组成行为模式发现以及交互模式发现依赖于人工分析的问题。赖于人工分析的问题。

【技术实现步骤摘要】
一种果蝇飞行轨迹层次化分割与行为模式分析方法


[0001]本专利技术属于生物行为学领域，具体涉及一种果蝇飞行轨迹层次化分割与行为模式分析方法，对果蝇飞行轨迹赋予综合语义标注，可提高研究的效率和结果的准确性并可应用于发现果蝇飞行模式，生物学神经机制的基本研究，果蝇飞行行为数据集的自动标注，以及用于仿生无人机集群行为研究及构建。

技术介绍

[0002]果蝇作为研究中常用的模式生物之一，拥有个体繁殖力强、易于饲养、飞行行为丰富等特点。由于在统计分布上，果蝇、蜜蜂、信天翁等生物均表现出莱维飞行现象，且行为空间存在相似性，同时果蝇行为易追踪，实验环境及条件更为可控。所以，针对果蝇飞行行为的研究具有代表性，相关研究思路及方法可拓展到其他相关生物的飞行行为模式研究中。对果蝇飞行行为的研究应从两个层面展开，即个体行为空间与群体间的相互作用。生物的大多数行为及意图都可以用模式化的行为空间来描述；同时群体内社会行为依赖于个体间交互的发生，因此，对于社会行为的研究源于准确、可靠的检测个体间是否发生交互。
[0003]随着人工智能的发展，果蝇飞行行为的研究可以采用机器学习或深度学习的方法，对其进行更加系统化的研究。目前，关于果蝇个体飞行行为模式的提取方法较为单一且缺乏对高层语义空间的判定，主要依赖于专家的手工操作，例如观察果蝇飞行视频或果蝇飞行轨迹，记录果蝇的飞行行为动作。这种手工操作的方式存在操作难、效率低、主观性强、不够全面精细等缺点，难以满足飞行生物行为空间分析研究的需求。目前基于轨迹分析的方法通常采用轨迹分割模块对其分割后，使用聚类方法对轨迹聚类，从而快速得到相似轨迹类别。轨迹分割通常使用三种标准：定长时间、限定变化角度、停留检测，但在果蝇飞行轨迹研究中，由于不同行为的持续时间不同，使得采用这些标准在生成轨迹段时存在缺陷，容易出现过分割现象。同时仅进行一次无监督聚类得到的结果信息较少，较长轨迹段可能由多种基本行为模式组成，具有更高层的语义空间，现有工作缺乏对此问题的讨论。除此之外，交互运动模式的提取也是果蝇飞行行为研究中不可或缺的一环，但现有的工作中缺少对果蝇交互模式进行自动分析的模块。

技术实现思路

[0004]针对上述果蝇飞行行为研究中存在的局限性，本专利技术的目的是提供一种果蝇飞行轨迹层次化分割与行为模式分析方法，该方法包含三个技术模块：(1)果蝇飞行行为轨迹段分割模块，用于提取果蝇飞行轨迹段；(2)果蝇个体飞行行为模式提取与分析模块，用于对果蝇飞行轨迹进行个体飞行行为模式的提取；(3)果蝇个体飞行交互模式提取与分析模块，用于检测果蝇个体产生交互行为的轨迹段，结合得到的高层语义空间，对个体间交互运动的关系模式进行判定。通过包含三个模块的个体行为的模式分析方法，实现对果蝇轨迹进行综合飞行行为模式分析，为相关的研究提供系统化的行为分析方法。
[0005]为实现上述目的，本专利技术所设计的一种果蝇飞行轨迹层次化分割与行为模式分析
方法，包括的三个技术模块如下：
[0006](1)果蝇飞行行为轨迹段分割模块：使用插值法计算轨迹点所在贝塞尔连续曲线，计算轨迹点曲率的方差波动，筛选获得轨迹点集合，进而确定轨迹的自适应弯曲阈值，定义局部最大弯曲点、扭曲点、弯曲点、平缓点，对轨迹进行分段处理，生成不定长的果蝇飞行行为轨迹段。
[0007](2)果蝇个体飞行行为模式提取与分析模块：对提取的轨迹段进行逐轮无监督聚类，采用定制化的高度、角度、长度能量函数的综合评分体系评估聚类结果，为获得与果蝇飞行行为轨迹段对应的基础行为模式，通过基础行为模式的顺序、次数，对长轨迹进行高层语义空间的判定，从而发现新的组合动作模式，在每次聚类后使用长轨迹分裂方法，对轨迹进行层次化分裂。
[0008](3)果蝇个体飞行交互模式提取与分析模块：根据果蝇轨迹数据集，分析每个时刻果蝇个体行为矢量，对果蝇轨迹的每个时间点进行交互模式的检测，并结合交互轨迹段的位置参数和运动参数判断其交互行为模式。
[0009]优选的，所述步骤(1)构建轨迹段分割模块的具体内容为：
[0010](1
‑
1)为得到果蝇飞行行为轨迹段集合，用于后续行为模式的分析，计算果蝇运动轨迹的空间特征，根据空间特征的变化对果蝇原始轨迹进行分。空间特征包括轨迹曲率cur、挠率tor。
[0011](1
‑
2)轨迹数据通常表示为轨迹点集合的形式，其本质可以看作包含空间信息的时间序列数据，果蝇轨迹数据表示为：
[0012][0013]其中，Traj是轨迹数据集中的一条轨迹，是组成轨迹的三维轨迹点，t为轨迹点所在的时间戳，i为果蝇个体的编号，T为时间长度，N为果蝇数量。
[0014]通过计算轨迹曲率、挠率提取空间特征，进而实现对真实数据集与仿真数据集中轨迹段的提取。由于轨迹数据为离散点，难以直接计算曲率、挠率。因此，使用三阶贝塞尔函数计算连续轨迹函数并获得曲率和挠率：
[0015][0016]其中，B
t
(t
B
)是三阶贝塞尔函数，P
t
‑1、P
t
和P
t+1
是三个相邻的离散轨迹点，t
B
是将P
t
‑1和P
t+1
两个轨迹点间的时间归一化后得到的区间，可以用该公式计算t时刻轨迹点的曲率，P
e
和P
f
是通过三个相邻轨迹点计算得到的控制点，计算方法具体为：
[0017]计算P
t
‑1与P
t
和P
t
与P
t+1
的中点P
m
和P
n
，然后计算P
m
和P
n
的中点P
g
，通过平移的方式，将线段P
m P
n
平移至终点P
g
与P
t
重合，此时线段的两端点P
m
'和P
n
'就是控制点P
e
和P
f
。
[0018]轨迹点曲率可通过轨迹的连续函数代入公式求得，其中轨迹点曲率的计算公式为：
[0019][0020]其中，cur
t
是t时刻用于计算轨迹点曲率的函数，t
ndh
是将P
t
‑1和P
t+1
两个轨迹点间的时间归一化后t对应的时间，由于每个轨迹点间时间间隔相同，t
ndh
应该为常数0.5，B
t
′
(t
ndh
)为连续轨迹函数的一阶导数，B
t
″
(t
ndh
)为连续轨迹函数的二阶导数，连续轨迹函数可以通过以下方式进行求解：轨迹点挠率的计算公式为：
[0021][0022]其中，tor
t
是t时刻用于计算轨迹点挠率的函数，B
t本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种果蝇飞行轨迹层次化分割与行为模式分析方法，其特征在于，该方法包含三个技术模块：(1)果蝇飞行行为轨迹段分割模块：使用插值法计算轨迹点所在贝塞尔连续曲线，计算轨迹点曲率的方差波动，筛选获得轨迹点集合，进而确定轨迹的自适应弯曲阈值，定义局部最大弯曲点、扭曲点、弯曲点、平缓点，对轨迹进行分段处理，生成不定长的果蝇飞行行为轨迹段；(2)果蝇个体飞行行为模式提取与分析模块：对提取的轨迹段进行逐轮无监督聚类，采用定制化的高度、角度、长度能量函数的综合评分体系评估聚类结果，为获得与果蝇飞行行为轨迹段对应的基础行为模式，通过基础行为模式的顺序、次数，对长轨迹进行高层语义空间的判定，从而发现新的组合动作模式，在每次聚类后使用长轨迹分裂方法，对轨迹进行层次化分裂；(3)果蝇个体飞行交互模式提取与分析模块：根据果蝇轨迹数据集，分析每个时刻果蝇个体行为矢量，对果蝇轨迹的每个时间点进行交互模式的检测，将交互轨迹对参数化为速度差、运动方向夹角、距离差变化，使用K
‑
Medoids聚类对交互模式进行分类，并使用类型判定函数判定具体的交互类型或分析新的交互类型。2.根据权利要求1所述的方法，其特征在于，模块(1)中，计算果蝇飞行轨迹的空间特征，包括曲率、挠率，根据以上空间特征对果蝇原始轨迹进行分割，提取果蝇飞行轨迹段；轨迹数据通常表示为轨迹点集合的形式，其本质可以看作包含空间信息的时间序列数据，果蝇轨迹数据表示为：其中，Traj是轨迹数据集中的一条轨迹，是组成轨迹的三维轨迹点，t为轨迹点所在的时间戳，i为果蝇个体的编号，T为时间长度，N为果蝇数量；通过计算轨迹曲率、挠率提取空间特征，进而实现对真实数据集与仿真数据集中轨迹段的提取，由于轨迹数据为离散点，难以直接计算曲率、挠率，因此，使用三阶贝塞尔函数计算连续轨迹函数并获得曲率和挠率：t
B
∈[0,1],t∈{1,...,T
‑
1}其中，B
t
(t
B
)是三阶贝塞尔函数，P
t
‑1、P
t
和P
t+1
是三个相邻的离散轨迹点，t
B
是将P
t
‑1和P
t+1
两个轨迹点间的时间归一化后得到的区间，用该公式计算t时刻轨迹点的曲率，P
e
和P
f
是通过三个相邻轨迹点计算得到的控制点，具体为：计算P
t
‑1与P
t
和P
t
与P
t+1
的中点P
m
和P
n
，然后计算P
m
和P
n
的中点P
g
，通过平移的方式，将线段P
m P
n
平移至终点P
g
与P
t
重合，此时线段的两端点P
m
'和P
n
'就是控制点P
e
和P
f
；轨迹点曲率通过轨迹的连续函数代入公式求得，其中轨迹点曲率的计算公式为：其中，cur
t
是t时刻用于计算轨迹点曲率的函数，t
ndh
是将P
t
‑1和P
t+1
两个轨迹点间的时间归一化后t对应的时间，由于每个轨迹点间时间间隔相同，t
ndh
应该为常数0.5，B
t
′
(t
ndh
)为
连续轨迹函数的一阶导数，B
t
″
(t
ndh
)为连续轨迹函数的二阶导数，连续轨迹函数通过以下方式进行求解：轨迹点挠率的计算公式为：其中，tor
t
是t时刻用于计算轨迹点挠率的函数，B
t
″′
(t
ndh
)为连续轨迹函数的三阶导数。3.根据权利要求2所述的方法，其特征在于，计算得到的轨迹空间特征，通过绘制曲率随时间变化的曲线可知，轨迹变化的过程伴随一个曲线波峰的形成过程，因此波峰的起始点和结束点用于轨迹段分割，除此之外，不同平面的轨迹交点挠率不为0，利用此交点分割轨迹，使轨迹段中的轨迹点位于同一平面，利用这些轨迹特征将轨迹点分为4种类型，包括：轨迹，使轨迹段中的轨迹点位于同一平面，利用这些轨迹特征将轨迹点分为4种类型，包括：轨迹，使轨迹段中的轨迹点位于同一平面，利用这些轨迹特征将轨迹点分为4种类型，包括：轨迹，使轨迹段中的轨迹点位于同一平面，利用这些轨迹特征将轨迹点分为4种类型，包括：其中，P
curmax
为局部最大弯曲点，P
tor
为扭曲点，P
curved
为弯曲点，P
smooth
为平缓点，M
cur
为弯曲阈值，根据轨迹点类型的变化，得到分割点集合，分割标准为：在轨迹中未出现P
curmax
的情况下，当第一次出现P
curved
时，将该点作为分割点；在轨迹中已出现P
curmax
的情况下，当第一次出现P
smooth
时，将该点作为分割点；当轨迹中出现P
tor
时，将该点作为分割点；对弯曲阈值M
cur
的确定方法如下：由于平缓点与弯曲点的曲率存在差距，若在平缓点集合中加入弯曲点，点集的曲率方差将存在显著变化，反之亦然，根据此特点，寻找最优的弯曲阈值，使用弯曲阈值将一条轨迹上的轨迹点集合分为两部分，计算两集合中的方差与均值，优化目标具体为：值，优化目标具体为：值，优化目标具体为：M
cur
∈[cur
min
,cur
max
]其中，和为在弯曲阈值取M
cur
时得到的两个轨迹点集合，Var
W
为弯曲阈值取M
cur
时，集合的曲率方差，mean
Q
和mean
W
分别为弯曲阈值取M
cur
时两集合的平均曲率，score
cur
为选取当前弯曲阈值得到的分数，该分数越低，说明通过该阈值区分平缓点和弯曲点的效果越好，弯曲阈值M
cur
的范围为[cur
min
,cur
max
]，cur
min
和cur
max
分别为轨迹中曲率最小值和最大值；根据分割标准计算得到的分割点集合，对平滑处理后的果蝇轨迹数据进行分割处理，得到果蝇飞行轨迹段：Frags＝{Frag
k
|k∈{1,...,M},length≥4}
其中，Frags为分割后得到的轨迹段集合，Frag
k
为编号k的轨迹段，轨迹段长度length需要满足大于等于4。4.根据权利要求1所述的方法，其特征在于，模块(2)中，根据模块(1)得到的果蝇飞行轨迹段数据，使用自定义的高度、长度、角度能量函数，计算果蝇飞行轨迹段之间的相似度，通过逐轮无监督聚类，并在每次聚类后使用长轨迹分裂方法，得到果蝇飞行行为轨迹段的分类结果，并根据速度、运动方向信息对每个类中的代表轨迹段进行分析，然后根据得到的基础飞行行为模式，通过基础行为模式的顺序、次数，对长轨迹段进行高层语义空间的判定，分析新的组合行为模式；对于不同时序长度的果蝇飞行轨迹段，结合动态时间规整DTW定义新的能量函数计算方式，具体为：方式，具体为：其中，计算两条轨迹段之间的距离，计算两个轨迹点之间的距离，Frag
a
和Frag
b
为两条不同的轨迹段，和分别属于Frag
a
和Frag
b
，与距...

【专利技术属性】
技术研发人员：郑能干，杨楚瀛，朱睿，汪帮传，张焓，刘超，
申请(专利权)人：浙江大学，
类型：发明
国别省市：