动物行为学分析系统可以进一步提升算法识别准确性

　　

　　随着硬件（camera的分辨率、帧频等）、方法（计算机视觉、深度学习等相关理论）的不断发展，动物行为学从原有繁重的手工测量分析过程，逐步演变为接近自动化的水平，这里说是接近，是因为单靠一种或几种算法，无法很好地解决实验方法自动化问题，特别是在数据挖掘过程中，还需要大量的人工工作。

　　

　　动物行为学分析系统从数据流的角度，要实现自动化获取精准的实验指标，需要在数据获取、数据挖掘两方面入手，而数据获取又分为原始数据获取和数据初步分析，这些依赖硬件系统、软件系统。通常，我的做法是，通过硬件优化提升，以简化算法设计，即硬件简化软件。

　　

　　实验体行为状态分析普遍应用在生命科学、心理学等不同领域，是对实验体的重要评价指标，也是获取科研成果的重要方式，具有极为重要的研究意义。提出的实验体行为状态分析系统将监测阶段得到的中心坐标集合P和目标框长宽集合S导入，通过对这两个数据集的处理得到实验体在实验过程中实时的生存状态，包括其速度、位置、区域、运动时间等基本活动参数的监测，研究分析实验体在各个实验区域的适应度，实验体实时的生存状态以及实验体当前行为这三个高级的行为学分析指标，用于详细描述实验体的行为状态，便于研究人员实时了解实验情况和实验效果。