计算机硬件的发展和算法的进一步成熟,促进了机器视觉的发展,使机器视觉应用领域更加广泛,正在影响着我们的方方面面。精神类疾病困扰了很多人的生活,加快自闭症、阿尔茨海默症、抑郁症等精神类疾病的药物开发进程,一直是我们国家急需解决的问题。为了实现这一目标,我们采用小鼠、狗等动物模型进行研究,因为精神类疾病会通过行为表现出来,所以需要研究动物交互行为来解析相关的神经环路。因为瞳孔直径变化与某些精神类疾病关系密切,常常把瞳孔直径变化作为精神类疾病的诊断指标,所以需要研究动物瞳孔的直径变化,进而解析动物的认知状态。但是传统方法在以下三个方面存在不足:(1)在动物行为实时分析、反馈调节方面存在局限性;(2)无法对多种眼动类型的瞳孔直径进行准确计算;(3)在分析狗的社交行为时,缺乏合适的算法。这些不足使得传统方法显得力不从心、效率低下;机器视觉的发展为动物交互行为和认知状态分析提供了新的解决方案,研究动物的交互行为和认知状态具有一定的应用价值与现实意义。本文的工作旨在探索一种精确的动物交互行为与认知状态分析系统,由此提出了一种系统和两种算法,分别是反馈式小鼠行为分析系统、眼动检测算法和狗的社交行为分析算法。主要研究内容如下:1.研发基于Bonsai开源框架的反馈式小鼠行为分析系统:基于Bonsai开源框架实现反馈式小鼠行为分析,采用图像处理算法对小鼠行为实时分析,并在小鼠行为特征变量达到阈值时进行反馈调节,优化了传统方法在实时分析反馈调节方面存在的不足。2.研发基于神经网络的眼动检测系统:调用了Deep Lab Cut工具包,利用神经网络能精确的识别多种眼动类型的瞳孔特征点,然后基于Matlab平台采用椭圆拟合和距离平均法计算瞳孔直径。优化了传统方法无法精确计算移动眼动和遮挡眼动瞳孔直径的不足,提高了计算准确率。3.提出了狗社交行为分析系统:基于神经网络、图像处理和SVM研发狗社交行为分析算法,能准确分析狗的社交行为。克服了市场上狗社交算法缺少、人工统计狗的社交行为工作量大、效率低的不足,提升了分析效率。如何实时分析和反馈调节动物行为、如何精确计算多种眼动类型的瞳孔直径、如何高效分析狗的社交行为是国内外动物交互行为和认知状态分析领域的共同目标,本论文研究传统方法在动物行为和瞳孔直径分析方面的不足,提出了相应算法的优化方法。借助Bonsai开源框架、图像处理、神经网络和SVM,大大提升了动物交互行为与认知状态的分析能力。