梁 存，危海明，周小芹

（1.河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，常州213022；2.常州市特種機(jī)器人與智能技術(shù)重點(diǎn)實(shí)驗(yàn)室，常州213022）

·微機(jī)軟件·

基于視頻的動(dòng)物交替轉(zhuǎn)向行為自動(dòng)檢測方法

梁 存1，2，危海明1，周小芹1，2

（1.河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，常州213022；2.常州市特種機(jī)器人與智能技術(shù)重點(diǎn)實(shí)驗(yàn)室，常州213022）

交替運(yùn)動(dòng)轉(zhuǎn)向行為，即動(dòng)物在迷宮中連續(xù)轉(zhuǎn)向時(shí)，其運(yùn)動(dòng)轉(zhuǎn)向與前一次轉(zhuǎn)向是相反的。傳統(tǒng)做法是利用人工觀察和手工記錄，觀察動(dòng)物的運(yùn)動(dòng)轉(zhuǎn)向行為?；谝曨l的運(yùn)動(dòng)行為分析為動(dòng)物行為研究提供了一種便捷、準(zhǔn)確的研究工具，然而這些方法主要針對大鼠、小鼠和昆蟲類等動(dòng)物。潮蟲（woodlice）是一種研究動(dòng)物交替轉(zhuǎn)向行為的常用實(shí)驗(yàn)動(dòng)物，其個(gè)體遠(yuǎn)小于小鼠，又比果蠅大許多。由此提出了一種適用于潮蟲的視頻自動(dòng)分析算法，該算法利用線性迭代的跟蹤算法獲得運(yùn)動(dòng)信息，同時(shí)可以獲得潮蟲運(yùn)動(dòng)轉(zhuǎn)向與轉(zhuǎn)向時(shí)間。實(shí)驗(yàn)結(jié)果表明：運(yùn)動(dòng)轉(zhuǎn)向和運(yùn)動(dòng)轉(zhuǎn)向時(shí)間結(jié)果比較準(zhǔn)確。此方法為交替轉(zhuǎn)向行為研究提供了一種準(zhǔn)確客觀的實(shí)驗(yàn)工具。

交替運(yùn)動(dòng)轉(zhuǎn)向；視頻；線性迭代跟蹤算法；潮蟲

1 引 言

近年來，研究工作者在研究中發(fā)現(xiàn)，大多數(shù)動(dòng)物具有交替運(yùn)動(dòng)轉(zhuǎn)向特性［1］。交替運(yùn)動(dòng)轉(zhuǎn)向，即動(dòng)物在迷宮中可以連續(xù)自由選擇轉(zhuǎn)向，后一次的運(yùn)動(dòng)轉(zhuǎn)向與前一次的運(yùn)動(dòng)轉(zhuǎn)向相反。

交替運(yùn)動(dòng)轉(zhuǎn)向主要應(yīng)用于動(dòng)物的康復(fù)評價(jià)與健康評估。對于腦損傷和記憶力衰退的動(dòng)物來說，是一種重要的健康評估手段。1925年，Tolman EC［2］就開始研究這種行為，嘗試了不同因素對交替行為的影響。文獻(xiàn)［3］概述了研究動(dòng)物的交替運(yùn)動(dòng)轉(zhuǎn)向主要受很多因素的影響，不同因素對動(dòng)物交替運(yùn)動(dòng)影響不同。此外，對不同物種，實(shí)驗(yàn)方法也不一樣，如對小鼠、大鼠等哺乳動(dòng)物，考慮氣味、攝食策略、年齡、情感等因素對交替運(yùn)動(dòng)轉(zhuǎn)向行為的影響；而對于潮蟲等節(jié)肢動(dòng)物，則主要考慮年齡、動(dòng)物大小尺寸等因素的影響。

國內(nèi)在交替運(yùn)動(dòng)轉(zhuǎn)向領(lǐng)域研究較少，唐伯平［4］利用上千只團(tuán)子蟲在不同條件下，觀察交替運(yùn)動(dòng)轉(zhuǎn)向并作了初步分析和統(tǒng)計(jì)。國際R.N.HUGHES對上百只潮蟲在不同條件下，分析交替運(yùn)動(dòng)轉(zhuǎn)向［5］。實(shí)驗(yàn)結(jié)果表明強(qiáng)迫轉(zhuǎn)向后的距離越長，交替運(yùn)動(dòng)轉(zhuǎn)向率越低。同樣，ALAN W.HARVEY對草履蟲的交替運(yùn)動(dòng)轉(zhuǎn)向，根據(jù)通道寬度和通道長度不同分別設(shè)計(jì)實(shí)驗(yàn)［6］。實(shí)驗(yàn)結(jié)果表明，通道寬度對交替轉(zhuǎn)向沒有什么影響，通道長度對交替轉(zhuǎn)向存在差異。Robert N.Hughes利用交替運(yùn)動(dòng)轉(zhuǎn)向?qū)λ幬镏委熀蟮挠洃涍M(jìn)行測試［7］。

這些文獻(xiàn)的實(shí)驗(yàn)都是通過人工觀察和手工記錄，實(shí)驗(yàn)結(jié)果的分析與處理不僅耗時(shí)費(fèi)力，而且可能誤計(jì)。更重要的是，肉眼觀察動(dòng)物交替轉(zhuǎn)向行為，很難記錄轉(zhuǎn)向所花費(fèi)的時(shí)間?；谝曨l研究動(dòng)物運(yùn)動(dòng)行為越來越廣泛。由于人工手段耗時(shí)并記錄不準(zhǔn)確，因此基于視頻自動(dòng)處理和分析系統(tǒng)是可取的。Thomas C.Henderson［8］利用多個(gè)攝像頭拍攝的視頻對動(dòng)物的運(yùn)動(dòng)行為分析。Burgos－Artizzu［9］從正面和側(cè)面兩個(gè)角度記錄視頻對小鼠的行為運(yùn)動(dòng)識別。因此，可以采用基于視頻手段，處理視頻數(shù)據(jù)，獲得運(yùn)動(dòng)轉(zhuǎn)向及運(yùn)動(dòng)轉(zhuǎn)向時(shí)間。

2 實(shí)驗(yàn)方法與結(jié)果

2.1 基于視頻實(shí)驗(yàn)方法

基于視頻手段對運(yùn)動(dòng)轉(zhuǎn)向進(jìn)行研究，以潮蟲為研究對象，此項(xiàng)研究其意義在于：不僅將運(yùn)動(dòng)轉(zhuǎn)向研究拓寬到對節(jié)肢動(dòng)物的研究，同時(shí)開展了動(dòng)物運(yùn)動(dòng)轉(zhuǎn)向的自動(dòng)識別研究，更是為動(dòng)物運(yùn)動(dòng)行為提供了一種便捷且準(zhǔn)確的工具。

2.1.1 運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法

基于視頻的動(dòng)物運(yùn)動(dòng)轉(zhuǎn)向研究，核心是對動(dòng)物的運(yùn)動(dòng)檢測和跟蹤。有效檢測和跟蹤才能提取較為準(zhǔn)確的運(yùn)動(dòng)行為信息。

動(dòng)物運(yùn)動(dòng)檢測的常用方法有：背景差分法［10］、幀差法［11］、光流法［12］，在背景較為復(fù)雜的情況下，常用高斯混合模型［13］。它利用多個(gè)高斯模型進(jìn)行更新，在獲得新的一幀圖像后更新高斯混合模型，用當(dāng)前圖像的每個(gè)像素點(diǎn)與高斯模型進(jìn)行匹配，如果匹配成功，則稱為背景，否則，則稱為前景。

動(dòng)物運(yùn)動(dòng)跟蹤的經(jīng)典算法是kalman濾波［14］，它利用kalman濾波對運(yùn)動(dòng)目標(biāo)進(jìn)行預(yù)測和估計(jì)?？柭鼮V波采用的是目標(biāo)動(dòng)態(tài)信息，設(shè)法減少噪聲等影響，得到很好的目標(biāo)位置估計(jì)。因此，利用高斯混合模型與kalman濾波共同完成動(dòng)物運(yùn)動(dòng)的檢測和跟蹤，其魯棒性較高，但比較耗時(shí)，不能滿足實(shí)時(shí)處理。

為解決算法耗時(shí)問題，可采用方框法提取運(yùn)動(dòng)目標(biāo)的質(zhì)心。方框法利用的是一種基于線性遞歸算法的迭代跟蹤算法［15］，其跟蹤機(jī)制是捕獲跟蹤目標(biāo)的外部變化，并確保模型實(shí)時(shí)更新。

下面對高斯混合模型和卡爾曼濾波與線性遞歸迭代跟蹤算法進(jìn)行實(shí)驗(yàn)測試，并對實(shí)驗(yàn)中各自耗用的時(shí)間以及實(shí)驗(yàn)結(jié)果進(jìn)行比較。

2.1.2 基于視頻的運(yùn)動(dòng)行為處理

動(dòng)物運(yùn)動(dòng)分析研究處理過程：首先將采集后的視頻數(shù)據(jù)分幀，再利用跟蹤算法在視頻幀數(shù)據(jù)中跟蹤動(dòng)物運(yùn)動(dòng)，獲取動(dòng)物的位置信息，得到其運(yùn)動(dòng)軌跡；再根據(jù)設(shè)定的迷宮，利用定義判斷動(dòng)物的運(yùn)動(dòng)轉(zhuǎn)向，同時(shí)根據(jù)轉(zhuǎn)向的幀數(shù)來獲取轉(zhuǎn)向的耗用時(shí)間，其流程圖如圖1所示。

圖1 潮蟲行為視頻處理流程

2.2 實(shí)驗(yàn)過程

2.2.1 實(shí)驗(yàn)對象選取

選取潮蟲為實(shí)驗(yàn)對象。潮蟲，俗稱鼠婦，個(gè)體比較小，成年潮蟲體長為10－15mm，體寬為4－6.5mm，形狀為長橢圓形［16］。在室外的磚頭、花盆下可以比較容易地采集潮蟲。

在設(shè)計(jì)好的迷宮中，觀察潮蟲運(yùn)動(dòng)轉(zhuǎn)向。迷宮包括三個(gè)部分，即為自由轉(zhuǎn)向，“正確”強(qiáng)迫轉(zhuǎn)向，“錯(cuò)誤”強(qiáng)迫轉(zhuǎn)向。其中“正確”強(qiáng)迫轉(zhuǎn)向?yàn)椋寒?dāng)?shù)谝淮螐?qiáng)迫向右轉(zhuǎn)向，則第二次強(qiáng)迫向左轉(zhuǎn)向，第三次為強(qiáng)迫向右轉(zhuǎn)向，依次完成交替運(yùn)動(dòng)轉(zhuǎn)向。“錯(cuò)誤”強(qiáng)迫轉(zhuǎn)向：當(dāng)?shù)谝淮螐?qiáng)迫向右轉(zhuǎn)向，則第二次繼續(xù)強(qiáng)迫向右轉(zhuǎn)向，第三次繼續(xù)強(qiáng)迫向右轉(zhuǎn)向，這種轉(zhuǎn)向不是交替的運(yùn)動(dòng)轉(zhuǎn)向，則稱為“錯(cuò)誤”強(qiáng)迫轉(zhuǎn)向。如圖2所示為自由轉(zhuǎn)向和強(qiáng)迫轉(zhuǎn)向的示意圖。

圖2 強(qiáng)迫轉(zhuǎn)向和自由轉(zhuǎn)向示意圖

2.2.2 數(shù)據(jù)采集

實(shí)驗(yàn)中，設(shè)計(jì)一個(gè)視頻采集系統(tǒng)，視頻采集系統(tǒng)包括攝像頭、電源、接頭、采集卡和線材等。其中，采用的攝像頭為索尼CCD，采集卡為Easycap。采集的視頻為黑白視頻，采集視頻數(shù)據(jù)的視頻參數(shù)為：幀率為25幀／秒，格式為avi格式，數(shù)據(jù)速率為286kbps，總比特率為286kbps，幀寬度為320，幀高度為240。

2.2.3 數(shù)據(jù)處理

實(shí)驗(yàn)數(shù)據(jù)處理采用matlab軟件。

利用經(jīng)典算法（高斯混合模型＋kalman濾波）和方框與質(zhì)心（線性遞歸迭代跟蹤算法）兩種算法對視頻幀數(shù)據(jù)所耗用時(shí)間進(jìn)行比較，實(shí)驗(yàn)結(jié)果如表1所示。其中，利用方框和質(zhì)心的方法，采用手工標(biāo)記第一幀跟蹤目標(biāo)的位置以及所在初始區(qū)域。在表1中，發(fā)現(xiàn)新方法比經(jīng)典方法所耗用時(shí)間短。對于實(shí)時(shí)性處理而言，現(xiàn)用方法要比經(jīng)典方法實(shí)時(shí)性效果好，克服了經(jīng)典算法耗時(shí)長的缺陷。

表1 傳統(tǒng)方法和現(xiàn)用方法所耗時(shí)間的比較

2.3 結(jié)果分析

2.3.1 利用經(jīng)典算法處理數(shù)據(jù)

處理視頻幀數(shù)據(jù)的實(shí)驗(yàn)結(jié)果如圖3顯示。

圖3 傳統(tǒng)算法跟蹤圖

實(shí)驗(yàn)結(jié)果表明，利用該算法對潮蟲的跟蹤較為準(zhǔn)確，魯棒性較好，但是耗時(shí)較長。

2.3.2 利用現(xiàn)用算法處理

處理視頻幀數(shù)據(jù)的實(shí)驗(yàn)結(jié)果如圖4顯示。

圖4 現(xiàn)用方法跟蹤圖

實(shí)驗(yàn)結(jié)果表明：利用現(xiàn)用算法采用方框?qū)Τ毕x進(jìn)行跟蹤，其中質(zhì)心確定潮蟲在迷宮中的位置。實(shí)驗(yàn)數(shù)據(jù)的動(dòng)物運(yùn)動(dòng)軌跡如圖5所示。

研究動(dòng)物的運(yùn)動(dòng)轉(zhuǎn)向，對本設(shè)計(jì)的迷宮判斷方向給出如下定義：首先將設(shè)定潮蟲所在初始區(qū)域，其區(qū)域由左上頂點(diǎn)坐標(biāo)和右下頂點(diǎn)坐標(biāo)構(gòu)成。隨著潮蟲繼續(xù)運(yùn)動(dòng)，如果潮蟲不在初始區(qū)域內(nèi)運(yùn)動(dòng)，將會朝四個(gè)方向運(yùn)動(dòng)，即東南西北四個(gè)方向。

圖5 動(dòng)物跟蹤軌跡圖

如果向西運(yùn)動(dòng)的話，坐標(biāo)區(qū)域x軸坐標(biāo)減少deta（x），y軸坐標(biāo)不變，構(gòu)成新的區(qū)域；如果向東運(yùn)動(dòng)的話，坐標(biāo)區(qū)域x軸坐標(biāo)增加deta（x），y軸坐標(biāo)不變，構(gòu)成新的區(qū)域；如果向北運(yùn)動(dòng)的話，坐標(biāo)區(qū)域y軸坐標(biāo)減少deta（y），x軸不變，構(gòu)成新的區(qū)域；如果向南運(yùn)動(dòng)的話，坐標(biāo)區(qū)域y軸坐標(biāo)增加deta（y），x軸不變，構(gòu)成新的區(qū)域。潮蟲每次到達(dá)新的區(qū)域，同樣按照該定義來獲得潮蟲下次運(yùn)動(dòng)所在的區(qū)域。

潮蟲的運(yùn)動(dòng)轉(zhuǎn)向，應(yīng)以潮蟲為參考系，需要加一個(gè)定義：以“向前”，“折返”，“左”，“右”四種狀態(tài)來表示潮蟲在迷宮中的運(yùn)動(dòng)轉(zhuǎn)向。給出定義如表2所示。

表2 以潮蟲為基準(zhǔn)，所定義的轉(zhuǎn)向

對圖5進(jìn)行實(shí)驗(yàn)測試，其初始區(qū)域的坐標(biāo)為：左上頂點(diǎn)（147，78），右下頂點(diǎn)（167，94），由該兩個(gè)頂點(diǎn)坐標(biāo)所構(gòu)成的初始區(qū)域。根據(jù)上述兩個(gè)定義來對潮蟲的運(yùn)動(dòng)轉(zhuǎn)向作判斷。根據(jù)定義判斷對圖5進(jìn)行測試的實(shí)驗(yàn)結(jié)果如表3所示。

表3 自由轉(zhuǎn)向的實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中，動(dòng)物運(yùn)動(dòng)轉(zhuǎn)向所耗用的時(shí)間，人工手段可以基于視頻利用秒表對潮蟲的運(yùn)動(dòng)轉(zhuǎn)向時(shí)間進(jìn)行記錄；智能化系統(tǒng)處理可根據(jù)潮蟲在轉(zhuǎn)向區(qū)域內(nèi)幀數(shù)的數(shù)目來確定時(shí)間，利用智能系統(tǒng)與人工基準(zhǔn)作比較。

本次實(shí)驗(yàn)對運(yùn)動(dòng)轉(zhuǎn)向的時(shí)間記錄，對自由轉(zhuǎn)向、“正確”強(qiáng)迫轉(zhuǎn)向及“錯(cuò)誤”強(qiáng)迫轉(zhuǎn)向，分別進(jìn)行實(shí)驗(yàn)。這三種情況下迷宮在開始處都有強(qiáng)迫轉(zhuǎn)向，其中自由轉(zhuǎn)向時(shí)入口處有一次強(qiáng)迫轉(zhuǎn)向。其各自采用80只潮蟲進(jìn)行運(yùn)動(dòng)轉(zhuǎn)向視頻錄制，每只潮蟲僅參與一次錄制（為了避免記憶等其他因素對運(yùn)動(dòng)轉(zhuǎn)向產(chǎn)生的影響）?；谝曨l用人工手段采用秒表對運(yùn)動(dòng)轉(zhuǎn)向進(jìn)行記錄，當(dāng)潮蟲進(jìn)行運(yùn)動(dòng)轉(zhuǎn)向時(shí)，潮蟲質(zhì)心位置超過轉(zhuǎn)向線時(shí)開始記錄，在當(dāng)潮蟲質(zhì)心位置超出另一端轉(zhuǎn)向線時(shí)結(jié)束記錄。通過這種方法來獲得潮蟲的轉(zhuǎn)向時(shí)間，將各自轉(zhuǎn)向時(shí)間求平均如表4所示。

表4 人工記錄運(yùn)動(dòng)轉(zhuǎn)向時(shí)間

在表中，可以發(fā)現(xiàn)在三種情況下，“強(qiáng)迫”轉(zhuǎn)向耗用時(shí)間要比自由轉(zhuǎn)向長，這初步可以判斷潮蟲存在一些特定規(guī)律。

因利用攝像頭拍攝并記錄，獲得的視頻幀率為25frame／s，則每幀的時(shí)間間隔為0.04s。所以潮蟲在轉(zhuǎn)向時(shí)，可以設(shè)定轉(zhuǎn)向區(qū)域，判斷潮蟲運(yùn)動(dòng)的質(zhì)心點(diǎn)個(gè)數(shù)，即潮蟲在此處區(qū)域的幀數(shù)，從而可根據(jù)幀數(shù)與時(shí)間間隔的乘積，獲得潮蟲在轉(zhuǎn)向處的時(shí)間。對實(shí)驗(yàn)中圖5進(jìn)行實(shí)驗(yàn)測試，其結(jié)果如表5顯示。

表5 運(yùn)動(dòng)轉(zhuǎn)向時(shí)間統(tǒng)計(jì)

實(shí)驗(yàn)結(jié)果表明，利用該法可看出與人工記錄的時(shí)間相比，基本準(zhǔn)確。

3 討論與結(jié)論

利用人工觀察的傳統(tǒng)方法對動(dòng)物運(yùn)動(dòng)行為進(jìn)行研究，存在耗時(shí)和不準(zhǔn)確等缺陷，采用基于視頻的方法對動(dòng)物運(yùn)動(dòng)行為進(jìn)行研究，與先前研究人員所用方法相比，基于視頻研究動(dòng)物的運(yùn)動(dòng)轉(zhuǎn)向行為，并記錄出轉(zhuǎn)向所耗用的時(shí)間，存在如下優(yōu)勢：

（1）與人工記錄傳統(tǒng)方法相比，利用視頻方法可以反復(fù)觀看，因而數(shù)據(jù)記錄比較準(zhǔn)確。

（2）動(dòng)物運(yùn)動(dòng)行為研究，常把小鼠作為研究對象，對動(dòng)物運(yùn)動(dòng)行為識別并作分析，但很少對運(yùn)動(dòng)轉(zhuǎn)向進(jìn)行研究。對于運(yùn)動(dòng)轉(zhuǎn)向研究，常把潮蟲作為研究對象，可采用基于視頻的方法來進(jìn)行運(yùn)動(dòng)轉(zhuǎn)向研究，自動(dòng)獲取運(yùn)動(dòng)轉(zhuǎn)向。通過運(yùn)動(dòng)轉(zhuǎn)向可以對動(dòng)物進(jìn)行健康評估，并對腦損傷和記憶力衰退的動(dòng)物做康復(fù)評估，這是一種客觀準(zhǔn)確的技術(shù)。

（3）本實(shí)驗(yàn)還可記錄轉(zhuǎn)向的時(shí)間。在以往試驗(yàn)中都采用人工肉眼觀察的方法，難以記錄運(yùn)動(dòng)轉(zhuǎn)向的準(zhǔn)確時(shí)間，該實(shí)驗(yàn)記錄了大量的運(yùn)動(dòng)轉(zhuǎn)向時(shí)間，同時(shí)可部分實(shí)現(xiàn)自動(dòng)分析運(yùn)動(dòng)轉(zhuǎn)向時(shí)間。

［1］Patricia Ann Ramey，Elizabeth Teichman，F(xiàn)uat Balci，et al.Spontaneous alternation in marine crabs：Invasive versus native species［J］.Behavioural Processes，2009，82（1）：51－55.

［2］Tolman，E.C.Purpose and cognition.the determiners of animal learning［J］.Psychological Review，1925，32：285－97.

［3］CHARLES L RICHMAN，WILLIAM N DEMBER，et al.Spontaneous Alternation Behavior in Animals：A Review［J］.Current Psychological Research＆Reviews，Winter 1986－87，5（4）：358－391.

［4］唐伯平，歸鴻，吳鈿.團(tuán)子蟲的交替運(yùn)動(dòng)轉(zhuǎn)向的初步研究［J］.南京師大學(xué)報(bào)（自然科學(xué)報(bào)），1988（1）：83－88.

［5］R N HUGHES.Turn alternation in woodlice（Porcellio scaber）［J］.Animal Behavior，1967，15：282－286.

［6］ALANW HARVEY，NYRON K A.BOVELL.Spontaneous alternation behavior in Paramecium［J］.Learning＆Behavior，2006，34（4）：361－365.

［7］Robert N Hughes.The value of spontaneous alternation behavior（SAB）as a test of retention in pharmacological investigations ofmemory［J］.Neuroscience and Biobehavioral Reviews，2004，28：497－505.

［8］Thomas C.Henderson，Xinwei Xue.Video－based Animal Behavior Analysis From Multiple Cameras［C］.2006 IEEE International Conference on Multisensor Fusion and Integration for Intelligent System，September 3－6，2006.

［9］Burgos－Artizzu XP，Dollár P，Lin D，Anderson DJ，et al.Social behavior recognition in continuous videos［C］.In：IEEE Conf Comp Vis and Pattern Recognit（CVPR 2012），2012.

［10］Senior A，Tian H A Y，Brown L，Pankanti S，et al.Appearancemodels for occlusion handling［C］.In 2nd IEEE workshop on performance evaluation of tracking and surveillance PETS，2001.

［11］Robert T Collins，Alan J Lipton，Takeo Kanade，et al.A system for video surveillance and monitoring：VSAM final report［R］.The Robotics Institute，Carnegie Mellon University，Pittsburgh PA，2000.

［12］Yuqiang Fang，Bin Dai.An Improved Moving Target Detecting and Tracking Based On Optical Flow Technique and Kalman Filter［C］.Proceedings of 2009 4th International Conference on Computer Science＆Education，2009，1197－1202.

［13］Stauffer C，Grimson W.Adaptive background mixture models for real time tracking［J］.Computer Vision Pattern Recognition，1999：246－252.

［14］SSBlackman，R Popoli.Design and Analysis of Modern Tracking Systems［J］.Norwood，MA，USA：Artech House，1999.

［15］Dong Wang，Huchuan Lu，Ming－Hsuan Yang.Least Soft－thresold Squares Tracking［J］.2013 IEEE Conference on Computer Vision and Pattern Recognition，2013.

［16］王源，丁梅.鼠婦的采集和飼養(yǎng)［J］.中學(xué)生物學(xué)，2007，23（7）：27.

Automatic Detection Method of Video－Based Spontaneous Alternation Behavior

LIANG Cun1，2，WEIHai－ming1，ZHOU Xiao－qin1，2
（1.College of Internet of Things Engineering，Hohai University，Changzhou 213022，China；2.Changzhou Key Laboratory of Robotics and Intelligent Technology，Changzhou 213022，China）

The spontaneous alternation behavior is the opposite turning to the previous one when the animals successively turn right or left in a maze.Comparing with the traditional visual observation and manual records，the video－based motion analysis of the behavior provides a convenient and accurate research tool.However，these availablemethods are suited to rats，mice and insects.A woodlice is used as the experimental animal for study of spontaneous alteration behavior，which is less than themice but much larger than the fruit fly.This paper presents an automatic video analysis algorithm for woodlice spontaneous alteration.The algorithm uses a linear iterative tracking algorithm to obtain motion information.The test results show that alteration and its duration are accurate.This algorithm will be a feasible tool for spontaneous alteration research.

Spontaneous alternation behavior；Video；Linear iterative tracking algorithm；Woodlice

10.3969／j.issn.1002－2279.2014.06.011

TP391.4

：A

：1002－2279（2014）06－0033－05

梁存（1988－），男，安徽六安人，碩士研究生，主研方向：圖像處理，機(jī)器視覺。

2014－07－23