动物多目标追踪任务是目前计算视觉的研究热点和难点,具有较高的应用价值。斑马鱼的行为实验被广泛应用于发育生物学、基因功能研究、疾病发病机制研究、新药研发等基础研究领域。准确、快速地完成对斑马鱼运动的三维轨迹追踪,对斑马鱼的行为分析十分重要,能够促进相关领域的研究开展。斑马鱼三维轨迹追踪的难点在于外形相似、遮挡、运动迅速、三维轨迹无法直接获取等。本文提出适用于斑马鱼的个体重识别模型,在此基础上结合DeepSort算法实现单个视角下的斑马鱼多目标追踪,并进一步融合两个视角信息实现三维轨迹追踪,最后开发了用于斑马鱼行为分析的平台原型。本文的主要工作如下:1.针对斑马鱼的外观、纹理极其相似,在追踪过程中容易导致目标丢失的问题,提出基于度量学习的斑马鱼重识别模型。受行人重识别算法的启发,将追踪过程中不同帧中的斑马鱼个体进行匹配的任务当作图像检索子问题,通过计算不同目标之间的相似度,实现目标的匹配。后续斑马鱼多目标追踪实验的结果表明,该模型具有较好的效果。2.针对斑马鱼群单个视角的二维轨迹中存在个体之间遮挡、快速转向等导致跟踪目标易丢失的问题,提出基于DeepSort算法的斑马鱼多目标追踪。结合鱼群重识别中获取到的个体外表特征,以及通过卡尔曼滤波算法预测的斑马鱼下一帧运动信息,本文通过数据级联实现了对斑马鱼的二维轨迹追踪。3.针对三维轨迹追踪中两个视角数据融合这一问题,本文采用多视角信息融合的策略,结合俯视图和侧视图之间运动、外观信息,实现了两个视角的轨迹匹配,从而缓解了鱼群追踪中的目标易丢失问题,最终实现了斑马鱼游动中的三维运动轨迹的追踪。实验结果表明,本文提出的方法能够有效获取斑马鱼的轨迹。4.本文根据动物行为学分析实际应用的需求,设计并实现了斑马鱼行为分析系统平台。该平台基于浏览器/服务器模式,采用开源轻量级框架Springboot进行开发。本平台包括用户管理、轨迹可视化、行为分析和数据管理功能,用户通过Web端即可访问,并且可以对实验结果可视化,从而能够较好的促进对斑马鱼运动行为的分析。