基于Opencv2.0的自动标记敞箱内鼠标位置和攻击行为研究

一、动物和饲养环境

参与本研究的实验鼠为来自同一窝七周龄的实验鼠，体长为（320±5）mm。每只雄性实验鼠的体重为（202.5±3.4）g。它们被随机分为3组，每组6只实验鼠。这3组命名为敌对组（Sf）、中立组（Nt）和友好组（Fd），分别用于与机器鼠进行敌对/中立/友好性交互。在本实验中，实验鼠放置在一个12 h/12 h光照周期的饲养环境中，保证实验鼠在白天和实验期间都有一定的活动。环境室温保维持在（20±1）℃，相对湿度保维持在50%～60%。

二、实验系统

用于实验的系统同图2-15所示。实验场地为一敞箱[43]，四周悬挂遮光帘防止环境光对交互过程的影响。距离箱底2m位置固定了一台相机，用来提供实验场地鸟瞰图。同时，敞箱顶部还固定了四盏荧光灯用来模拟光照环境。由于机器鼠可以直接从控制计算机接收指令，自动生成与实验鼠行为和实验目标相对应的行为。因此，实验可以在密闭室和操作室中自主进行，而无须人工干预。

实时的视觉数据是由相机（分辨率：640（H）×20（W）像素）的视觉系统采集的。利用Opencv2.0开发的跟踪程序可以自动标记实验鼠和机器鼠在敞箱的位置。特别是，通过在机器鼠背部上放置一块涂有一半蓝色和一半黄色的塑料板来跟踪其方向和位置。本研究所用的实验鼠均为白色，因此基于颜色提取，可明显区分实验鼠和机器鼠。

此外，为了自动识别和分析实验鼠的行为，机器鼠提供了一个基于直接图像处理和分类技术的识别系统[44]。为了分析实验鼠的社交和焦虑状况，我们着重研究分析一些常见动作，如运动、直立、理毛、转身等[45]。在运动方面，可以根据质心的运动速度来简单地识别，因此这里不作详细讨论。对于其他动作的识别，采用标记和轮廓搜索等基本图像处理算法提取与实验鼠行为相关的静态参数（体长l、体面积S、体半径R、圆度E、旋转角θ和椭圆度ρ）。根据质心、尾点、鼻尖的瞬时位置，分别计算其运动速度和旋转角速度，并将其作为动力学参数。这些特征参数作为支持向量机分类的输入向量。性能评估测试表明，使用该识别系统，虽然直立和转身动作的分类混乱程度有些高，但对直立、理毛和转身动作能达到90%以上的精准分类。因此，基于支持向量机的识别系统以高精度代替传统的人工标注实现了对实验鼠行为分析的目的，同时它也满足了交互活动实验中评价社交所涉及指标（运动参数）的测量要求。

在实验中，可以通过视频信息来反映机器鼠与其所处环境之间的动态交互[46]，进而根据视觉识别系统的信息生成机器鼠的行为（图7-2）。在机器鼠-实验鼠的交互中，机器鼠的主要任务是做出相应的行为与实验鼠进行交互，识别系统可以感知实验鼠的行为和位置，以及机器鼠的速度和位置。根据系统识别的信息，机器鼠能够自适应地输出相应行为与实验鼠交互。具体来说，运动参数mr（如体长、转动角度和运动速度）可以由视频序列中对实验鼠行为的图像处理获取。同理，还有机器鼠和实验鼠运动参数组成的运动参数m及其运动关系（如机器鼠和实验鼠之间的距离）。之后，利用基于支持向量机的方法，可以根据提取的参数对实验鼠的行为进行分类，而机器鼠的运动参数mrb取决于已经识别的实验鼠行为br和控制目标，如图7-2所示。基于这些参数，机器鼠拥有了对环境以及实验鼠个体差异的适应能力。根据实验需要，机器鼠可以输出适应实验鼠行为的行为。

图7-2　机器鼠与实验鼠进行敞箱实验

m—机器鼠和实验鼠的运动参数；mr—实验鼠的运动参数；mrb—机器鼠的运动参数；br—实验鼠的行为

三、实验设置

下面，研究产生机器鼠不同行为模式的3种实验情况。在每种实验情况下，机器鼠分别做出3种行为中的1种：敌对行为、友好行为和中立行为。在每种情况中，首先应该控制机器鼠在实验鼠附近移动。设（x（t），y（t））为t时刻机器鼠在平面上的位置、速度为vrb、头部相对于x轴方向为θ（t）以及ω（t）=dθ（t）/dt为角速度。参考机器鱼的反馈控制[47]，规定转向控制为

式中，k＞0为一个定常系数；ψ（t）=arctan-1（y（t）-y′）/（x（t）-x′）

[]为目标的方位。

在不同实验情况下，分别计算了机器鼠的运动速度vrb（t）。

在敌对条件下，机器鼠不断追赶实验鼠，并在接近时攻击它。具体地说，当机器鼠-实验鼠的距离d在一个范围（d≤0.1 m）内时，机器鼠将在1 s内反复撞击实验鼠的身体。当d＞0.1 m时，机器鼠将以更高的速度追赶实验鼠。机器鼠的速度用下式计算：

式中，vr（t）为实验鼠的速度；k1=0.8。

通过测量实验鼠的速度，可以计算出目标机器鼠的速度（图7-3（a））。

在中立条件下，当d＞0.3 m时，机器鼠将跟随实验鼠。当0.3 m≥d≥0.2 m时，机器鼠在实验鼠周围缓缓移动。在后一种情况下（0.3 m≥d≥0.2 m），机器鼠的速度控制是完全开环的，机器鼠的速度用下式计算：

式中，k2=0.5；k3=0.7。(www.xing528.com)

通过测量实验鼠的速度，可以计算出目标机器鼠的速度（图7-3（b））。

在友好条件下，机器鼠同步模仿实验鼠所做的动作。具体地说，如果机器鼠-实验鼠距离d满足条件d≤0.3 m，当实验鼠做出直立/理毛/转动动作时，机器鼠将相应地进行做出直立/理毛/转动动作。在其他情况下，机器鼠只能被控制来跟随实验鼠。机器鼠的移动速度可用下式计算：

式中，k4=0.5；k5=1。

通过测量实验鼠的速度，可计算出目标机器鼠的速度（图7-3（c））。

总之，在所有条件下，如果实验鼠离得越远，机器鼠移动得越快；如果实验鼠离得越近，机器鼠移动得越慢。在敌对性交互中，机器鼠快速追赶实验鼠并反复攻击它。在友好性交互中，机器鼠缓缓地跟随实验鼠，同时模仿它的行为。

图7-3　机器鼠和实验鼠在交互过程中的速度控制（见彩插）

（a）敌对性交互；（b）中立性交互

图7-3　机器鼠和实验鼠在交互过程中的速度控制（续）（见彩插）

（c）友好性交互
注：对于每次交互，选择一个其中实验鼠特别活跃的25 s片段。ts/tn/tf是指敌对性/中立性/友好性交互中的瞬时时刻。

四、实验步骤

在每次实验前，首先将机器鼠放在实验场地的中心。之后，从饲养笼里挑选出一只实验鼠，放在敞箱中。每次实验结束后，将清洗交互区，防止不同实验鼠的气味产生干扰。

如下所述，将所有18只实验鼠平均分为3组（Sf、Fd、Nt）。在敌对、中立和友好的实验条件下，分别选择Sf、Nt和Fd组的实验鼠与机器鼠交互。实验的总时长为6天，每天分别对3组实验鼠进行实验。为了降低由于实验鼠在不同时间的自发运动不同而导致的数据偏差，实验顺序设置如下：Sf→Nt→Fd，Sf→Fd→Nt，Nt→Sf→Fd，Nt→Fd→Sf，Fd→Nt→Sf，Fd→Sf→Nt。

在一次独立的实验中包括10 min的交互和5 min的评估。如图7-4所示，在最初的10 min，机器鼠对Sf、Nt和Fd组的实验鼠分别表现出敌对、中立和友好的行为。在交互阶段，对每一只实验鼠的位置和运动参数mr进行跟踪，并对这些数据进行筛选和计算，以分析它们的行为来评估活跃水平。在剩下的5 min，机器鼠在敞箱的中心保持静止。在这个阶段，只跟踪实验鼠的位置，而且这些数据用于分析实验鼠的偏好。

五、数据采集和统计分析

根据每只实验鼠的跟踪位置，计算了其活动量。同时，将实验鼠的运动参数mr整合到支持向量机方法中，用于对直立和理毛的动作进行分类，详细信息见参考文献[44]。根据交互阶段的行为分类，从而对实验鼠的直立频率和理毛频率进行评分。、和值作为实验鼠行为活动的指标。在评估阶段，将接触机器鼠的频率fc和机器鼠-实验鼠距离d作为机器鼠对实验鼠的吸引力的评价。由于在交互阶段，接触频率和机器鼠-实验鼠距离很容易随机器鼠的运动而变化，因此只能在评估阶段对这两个参数进行评分。总之，对于每次实验，将和d的值存储并取平均值，以便进一步分析实验鼠的行为。

图7-4　机器鼠在3种控制条件下与实验鼠进行交互的实验程序

对于机器鼠，我们计算每次实验中的活动量并取平均值。但是，只在Fd组实验中，机器鼠模仿实验鼠一起做出直立和理毛的动作。因此，只计算友好条件下机器鼠的两个运动参数：直立的频率和理毛的频率。

如前所述，对每种实验条件进行36次实验，并分析以计算实验鼠的、和d的值以及机器鼠的值，即每15 min的实验可分为10 min表示为的交互阶段和5 min表示为fc、d的评估阶段。每只实验鼠的活动水平与和值有关，而在给定条件下，实验鼠对机器鼠的偏好程度与fc和d的值成正比。

利用统计分析软件（SPSS Statistics 21，IBM）对、fc、d、和的值进行了数据分析，并通过Shapiro-Wilk检验的方法来检验结果的分布规律。在确定了结果服从正态分布之后，采用单因素方差分析法（ANOVA）来评估因变量、fc、d和平均值的变化，其中实验条件是自变量。同时，重复采用方差分析法（3个时间点：第1天、第3天和第6天）来了解各组的、fc、d和以及Fd组的和是否存在差异。在这种情况下，每组3个时间点的、fc、d和值，以及Fd组的和值是因变量，而时间是自变量。对于上述两种统计方法的输出，将显著性水平设置为p≤0.05。在观察到条件变量显著的主要影响情况下，采用Fisher最小显著性差异事后检验法。然而，对于时间变量，使用了具有Bonferroni校正的事后检验法，这可以抵消多重比较产生的问题。