一種老鼠步態分析中的步跡識別方法、裝置及系統的制作方法
【技術領域】
[0001]本發明涉及動物行為學領域，具體涉及一種老鼠步態分析中的步跡識別方法、裝置及系統。
【背景技術】
[0002]步態是指動物在行走過程中，肢體在時間和空間上的協調關系，它是運動學、行為學分析及藥效評估的一種重要分析方法。
[0003]人體步態分析的研究和應用從19世紀末攝影技術剛興起的時候就開始發展，迄今已經有100多年的歷史，但是真正進入臨床實用階段只有10多年的時間，而實驗動物步態的研究更是處于起步階段。由于人或動物機體對行走過程中步態的調控極其復雜，步行高級中樞的定位和其對步態的調控方式至今尚未明了，據推測大腦皮質、腦干和小腦均存在步行調控中樞，當其受損或傳導通路發生障礙時，可能導致不同類型的異常步態。所以通過現代科技和多學科的交叉融合，將以往無法用人工觀察或手動測量的實驗動物的步態行為表現精確高效的“可視化”，并最終建立系統全面、客觀定量、智能靈敏的實驗動物模型步態的分析和評價系統，對不同神經系統疾病相關病理機制的研究以及新的治療手段的評價均有著非常重要的意義。
[0004]老鼠步態是指老鼠行走時所表現的姿態。早期，老鼠步態實驗方法為在老鼠足底沾不同顏色的顏料，讓其在白紙上行走，事后人工量取白紙上步跡的距離，得到步態指標。另外，由于墨跡劑量難以把握，要獲得有效的實驗數據通常要進行大量的重復性實驗，因此傳統的分析方法存在工作量巨大的缺點。隨著壓力傳感器技術的發展，市場上處理通過使用大量的壓力傳感器構造跑臺，讓受試老鼠在跑臺上行走，通過壓力傳感器反饋的數據，分析步態指標。該類系統雖然能實現一定程度上的自動化分析，但存在較多缺陷，如設備結構復雜、成本巨大、系統維護難度高，且需要特殊技術以防護老鼠排泄物對傳感器的損害等。
[0005]同時，對于如何準確識別老鼠的步跡，仍是一項存在著很大難度的技術問題。
【發明內容】
[0006]有鑒于此，本發明提供了一種老鼠步態分析中的步跡識別方法、裝置及系統。
[0007]本發明提供了一種老鼠步態分析中的步跡識別方法，所述方法包括:
[0008]獲取老鼠步態視頻數據，并讀入所述老鼠步態視頻數據中的圖像數據；
[0009]根據預先構建的背景圖像，去除所述圖像數據中的干擾噪聲，所述干擾噪聲包括老鼠排泄物產生的光斑區域；
[0010]識別所述圖像數據中的老鼠身體覆蓋區域，并通過二值化算法提取所述老鼠身體覆蓋區域中的足底光斑區域；
[0011]確定所述足底光斑區域的屬性，所述屬性包括左前足、右前足、左后足或右后足。
[0012]優選地，所述方法還包括:
[0013]選取所述老鼠步態視頻數據中預設若干幀圖像數據，并剔除所述若干幀圖像數據中的老鼠身體覆蓋區域；
[0014]對剔除所述老鼠身體覆蓋區域的所述若干幀圖像數據，采取疊加后取均值的方法構建背景圖像。
[0015]優選地，所述根據預先構建的背景圖像，去除所述圖像數據中的干擾噪聲，包括:
[0016]將預先構建的背景圖像與所述圖像數據中對應位置的像素點的像素值做差運算，并將運算結果符合預設條件的像素點作為所述圖像數據中的干擾噪聲；
[0017]去除所述圖像數據中的干擾噪聲。
[0018]優選地，所述確定所述足底光斑區域的屬性之前，還包括:
[0019]計算所述足底光斑區域的面積和\或寬高比，并剔除不符合預設面積閾值和\或寬高比閾值的足底光斑區域。
[0020]優選地，所述方法還包括:
[0021]根據確定的足底光斑區域的屬性，分析所述老鼠步態視頻數據中與所述圖像數據相鄰幀的圖像數據中足底光斑區域的屬性。
[0022]優選地，所述方法還包括:
[0023]對所述老鼠步態視頻數據中預設的若干連續幀的圖像數據進行聚類分析，所述若干連續幀的圖像數據中包括當前的圖像數據；
[0024]根據聚類結果，剔除所述圖像數據中不滿足預設條件的足底光斑區域。
[0025]本發明還提供了一種老鼠步態分析中的步跡識別裝置，所述裝置包括:
[0026]獲取模塊，用于獲取老鼠步態視頻數據，并讀入所述老鼠步態視頻數據中的圖像數據；
[0027]去除模塊，用于根據預先構建的背景圖像，去除所述圖像數據中的干擾噪聲，所述干擾噪聲包括老鼠排泄物區域；
[0028]識別模塊，用于識別所述圖像數據中的老鼠身體覆蓋區域，并通過二值化算法提取所述老鼠身體覆蓋區域中的足底光斑區域；
[0029]確定模塊，用于確定所述足底光斑區域的屬性，所述屬性包括左前足、右前足、左后足或右后足。
[0030]優選地，所述裝置還包括:
[0031]選取模塊，用于選取所述老鼠步態視頻數據中預設若干幀圖像數據，并剔除所述若干幀圖像數據中的老鼠身體覆蓋區域；
[0032]構建模塊，用于對剔除所述老鼠身體覆蓋區域的所述若干幀圖像數據，采取疊加后取均值的方法構建背景圖像。
[0033]優選地，所述去除模塊包括:
[0034]差運算子模塊，用于將預先構建的背景圖像與所述圖像數據中對應位置的像素點的像素值做差運算，并將運算結果符合預設條件的像素點作為所述圖像數據中的干擾噪聲；
[0035]去除子模塊，用于去除所述圖像數據中的干擾噪聲。
[0036]優選地，所述裝置還包括:
[0037]計算模塊，用于計算所述足底光斑區域的面積和\或寬高比；
[0038]第一剔除模塊，用于剔除不符合預設面積閾值和\或寬高比閾值的足底光斑區域。
[0039]優選地，所述裝置還包括:
[0040]分析模塊，用于根據確定的足底光斑區域的屬性，分析所述老鼠步態視頻數據中與所述圖像數據相鄰幀的圖像數據中足底光斑區域的屬性。
[0041 ] 優選地，所述裝置還包括:
[0042]聚類模塊，用于對所述老鼠步態視頻數據中預設的若干連續幀的圖像數據進行聚類分析，所述若干連續幀的圖像數據中包括當前的圖像數據；
[0043]第二剔除模塊，用于根據聚類結果，剔除所述圖像數據中不滿足預設條件的足底光斑區域。
[0044]本發明還提供了一種老鼠步態分析中的步跡識別系統，所述系統包括存儲器和處理器，
[0045]所述存儲器用于存儲程序代碼，并將所述程序代碼傳輸給所述處理器；
[0046]所述處理器用于根據所述程序代碼中的指令，執行以下步驟:獲取老鼠步態視頻數據，并讀入所述老鼠步態視頻數據中的圖像數據；根據預先構建的背景圖像，去除所述圖像數據中的干擾噪聲，所述干擾噪聲包括老鼠排泄物區域；識別所述圖像數據中的老鼠身體覆蓋區域，并通過二值化算法提取所述老鼠身體覆蓋區域中的足底光斑區域；確定所述足底光斑區域的屬性，所述屬性包括左前足、右前足、左后足或右后足。
[0047]本發明提供的老鼠步態分析中的步跡識別方法中，首先獲取老鼠步態視頻數據，并讀入所述老鼠步態視頻