一种老鼠步态分析中的步迹识别方法、装置及系统的制作方法
【技术领域】
[0001]本发明涉及动物行为学领域，具体涉及一种老鼠步态分析中的步迹识别方法、装置及系统。
【背景技术】
[0002]步态是指动物在行走过程中，肢体在时间和空间上的协调关系，它是运动学、行为学分析及药效评估的一种重要分析方法。
[0003]人体步态分析的研究和应用从19世纪末摄影技术刚兴起的时候就开始发展，迄今已经有100多年的历史，但是真正进入临床实用阶段只有10多年的时间，而实验动物步态的研究更是处于起步阶段。由于人或动物机体对行走过程中步态的调控极其复杂，步行高级中枢的定位和其对步态的调控方式至今尚未明了，据推测大脑皮质、脑干和小脑均存在步行调控中枢，当其受损或传导通路发生障碍时，可能导致不同类型的异常步态。所以通过现代科技和多学科的交叉融合，将以往无法用人工观察或手动测量的实验动物的步态行为表现精确高效的“可视化”，并最终建立系统全面、客观定量、智能灵敏的实验动物模型步态的分析和评价系统，对不同神经系统疾病相关病理机制的研究以及新的治疗手段的评价均有着非常重要的意义。
[0004]老鼠步态是指老鼠行走时所表现的姿态。早期，老鼠步态实验方法为在老鼠足底沾不同颜色的颜料，让其在白纸上行走，事后人工量取白纸上步迹的距离，得到步态指标。另外，由于墨迹剂量难以把握，要获得有效的实验数据通常要进行大量的重复性实验，因此传统的分析方法存在工作量巨大的缺点。随着压力传感器技术的发展，市场上处理通过使用大量的压力传感器构造跑台，让受试老鼠在跑台上行走，通过压力传感器反馈的数据，分析步态指标。该类系统虽然能实现一定程度上的自动化分析，但存在较多缺陷，如设备结构复杂、成本巨大、系统维护难度高，且需要特殊技术以防护老鼠排泄物对传感器的损害等。
[0005]同时，对于如何准确识别老鼠的步迹，仍是一项存在着很大难度的技术问题。
【发明内容】
[0006]有鉴于此，本发明提供了一种老鼠步态分析中的步迹识别方法、装置及系统。
[0007]本发明提供了一种老鼠步态分析中的步迹识别方法，所述方法包括:
[0008]获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；
[0009]根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物产生的光斑区域；
[0010]识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；
[0011]确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。
[0012]优选地，所述方法还包括:
[0013]选取所述老鼠步态视频数据中预设若干帧图像数据，并剔除所述若干帧图像数据中的老鼠身体覆盖区域；
[0014]对剔除所述老鼠身体覆盖区域的所述若干帧图像数据，采取叠加后取均值的方法构建背景图像。
[0015]优选地，所述根据预先构建的背景图像，去除所述图像数据中的干扰噪声，包括:
[0016]将预先构建的背景图像与所述图像数据中对应位置的像素点的像素值做差运算，并将运算结果符合预设条件的像素点作为所述图像数据中的干扰噪声；
[0017]去除所述图像数据中的干扰噪声。
[0018]优选地，所述确定所述足底光斑区域的属性之前，还包括:
[0019]计算所述足底光斑区域的面积和\或宽高比，并剔除不符合预设面积阈值和\或宽高比阈值的足底光斑区域。
[0020]优选地，所述方法还包括:
[0021]根据确定的足底光斑区域的属性，分析所述老鼠步态视频数据中与所述图像数据相邻帧的图像数据中足底光斑区域的属性。
[0022]优选地，所述方法还包括:
[0023]对所述老鼠步态视频数据中预设的若干连续帧的图像数据进行聚类分析，所述若干连续帧的图像数据中包括当前的图像数据；
[0024]根据聚类结果，剔除所述图像数据中不满足预设条件的足底光斑区域。
[0025]本发明还提供了一种老鼠步态分析中的步迹识别装置，所述装置包括:
[0026]获取模块，用于获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；
[0027]去除模块，用于根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物区域；
[0028]识别模块，用于识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；
[0029]确定模块，用于确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。
[0030]优选地，所述装置还包括:
[0031]选取模块，用于选取所述老鼠步态视频数据中预设若干帧图像数据，并剔除所述若干帧图像数据中的老鼠身体覆盖区域；
[0032]构建模块，用于对剔除所述老鼠身体覆盖区域的所述若干帧图像数据，采取叠加后取均值的方法构建背景图像。
[0033]优选地，所述去除模块包括:
[0034]差运算子模块，用于将预先构建的背景图像与所述图像数据中对应位置的像素点的像素值做差运算，并将运算结果符合预设条件的像素点作为所述图像数据中的干扰噪声；
[0035]去除子模块，用于去除所述图像数据中的干扰噪声。
[0036]优选地，所述装置还包括:
[0037]计算模块，用于计算所述足底光斑区域的面积和\或宽高比；
[0038]第一剔除模块，用于剔除不符合预设面积阈值和\或宽高比阈值的足底光斑区域。
[0039]优选地，所述装置还包括:
[0040]分析模块，用于根据确定的足底光斑区域的属性，分析所述老鼠步态视频数据中与所述图像数据相邻帧的图像数据中足底光斑区域的属性。
[0041 ] 优选地，所述装置还包括:
[0042]聚类模块，用于对所述老鼠步态视频数据中预设的若干连续帧的图像数据进行聚类分析，所述若干连续帧的图像数据中包括当前的图像数据；
[0043]第二剔除模块，用于根据聚类结果，剔除所述图像数据中不满足预设条件的足底光斑区域。
[0044]本发明还提供了一种老鼠步态分析中的步迹识别系统，所述系统包括存储器和处理器，
[0045]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0046]所述处理器用于根据所述程序代码中的指令，执行以下步骤:获取老鼠步态视频数据，并读入所述老鼠步态视频数据中的图像数据；根据预先构建的背景图像，去除所述图像数据中的干扰噪声，所述干扰噪声包括老鼠排泄物区域；识别所述图像数据中的老鼠身体覆盖区域，并通过二值化算法提取所述老鼠身体覆盖区域中的足底光斑区域；确定所述足底光斑区域的属性，所述属性包括左前足、右前足、左后足或右后足。
[0047]本发明提供的老鼠步态分析中的步迹识别方法中，首先获取老鼠步态视频数据，并读入所述老鼠步态视频