药理学、神经生理学和毒理学等领域常采用实验鼠自发活动实验进行研究工作,实验鼠自发活动属于动物行为学研究的内容。动物行为学的早期研究,主要通过人为观察和记录实现对动物行为的识别,费时费力,而且准确性低。近年来,各项新技术逐渐应用到该领域,并开发了许多新装置,利用视频技术和图像分析技术对动物行为进行识别,进一步推动了动物行为学、药理学等相关学科的发展。本文主要研究试验箱环境下实验鼠的检测与跟踪技术。首先概述了小鼠自发活动检测与跟踪的研究意义与研究现状;对涉及到阈值分割技术进行了研究,运用改进的二维Otsu阈值分割算法对实验鼠图像进行分割;提出了基于感兴趣区加权分层梯度直方图的实验鼠检测方法;利用基于参数化变形轮廓模型的跟踪算法对实验鼠目标进行了跟踪。本文的主要研究工作和创新点包括以下几点:1、对阈值分割算法进行了深入研究。提出了改进的二维Otsu实验鼠分割算法。该方法能更好地将实验鼠从背景中分割出来,为进一步的实验鼠的检测与跟踪打下良好的基础。2、在传统的HOG&SVM检测算法的基础上提出了基于感兴趣加权分层梯度直方图的实验鼠目标检测与识别方法。在提取的实验鼠感兴趣区内,通过加权分层梯度直方图对HOG特征进行提取,再结合SVM分类器对实验鼠进行检测和识别。实验表明,这种方法能够对遮挡情况下实验鼠目标进行快速准确的识别。3、深入研究了基于模型的跟踪方法,针对试验箱环境下实验鼠自发活动的特点,提出了基于参数化变形轮廓模型的实验鼠跟踪算法,设计了相应的跟踪系统,同时在跟踪系统中增加了一个监督模块,它能检测出失败跟踪并能重新初始化丢失目标的轮廓,可以持续有效地对实验鼠进行跟踪。系统具有很好的准确性和鲁棒性。在对多目标、目标相互遮挡等情况下的跟踪也表现出了良好的性能。