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，无法完美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。今天我们一块看下动物精细行为分析‍的硬件设计。

一、总体思路

为了更好的观察老鼠步行过程，通常让老鼠在高透白光玻璃上行走，在玻璃下面放置相机，使得相机垂直向上拍摄。但是通过对步行视频数据观察，可以发现，老鼠脚掌粉红色肉垫和躯干白色或黑色毛发颜色对比度较差，再加上环境光照的影响。如果直接分析算法设计的难度会很大，这主要是老鼠脚掌区域分割算法的稳定性难以保障。特别是在分析老鼠脚掌在着玻璃和离开玻璃过程，和玻璃接面积是一个动态变化过程，分割算法难度会更大。再加上老鼠行走过程中在玻璃上尿渍、粪便等污迹，使得分析的难度更大。

二、高帧频相机

为了降低算法设计难度，先数据获取源头，即硬件设计上入手。考虑到正常老鼠步行频率较高（约100步/分钟），相机采用千兆网高帧频相机，帧率优于100fps，分辨率优于1k*1k等。这里选用彩色相机主要是为了后续分割步迹需要。在上述平板玻璃 底端相机模式的基础上，采用全反射原理，实现增强步迹。

三、具体做法

将跑台玻璃水平放置，在放置玻璃的长度方向的其中一个侧边放置绿色LED灯条，使得绿色光水平充满玻璃内部，这时候在跑台玻璃下方观察，用手指在跑台玻璃上面按压时候，在手指指肚接触处会形成绿色光团（这就是全反射原理的应用）。通过这样的硬件设计，可以将原有老鼠粉红色指肚提取的难度大大降低。

为了进一步提升视觉效果，动物精细行为分析‍硬件设计利用大逆光原理，在老鼠跑台上方，加装红色灯箱，这时候，在视频上，老鼠躯干为黑色，背景区域为红色，而老鼠爪子接触跑台玻璃区域为绿色。从人因视觉感知理论，绿色在黑色下的对比度，这样可以进一步增强老鼠步迹。