传统的动物行为分析方法采用人为的观察和记录,用人眼对动物行为进行判断,不仅耗时费力,而且判断结果具有主观性和不准确性等缺点,导致动物实验结果出现偏差,甚至错误。针对这一问题,本研究以小白鼠为实验对象,将计算机视觉技术、视频分析技术和模式识别技术相结合,重点研究基于视频的动物行为智能分析系统中目标检测、目标跟踪、目标特征信息提取、动物体态分类等关键技术,并开发实现上述关键技术的动物行为智能分析系统。本文主要研究工作和结论如下:(1)针对动物观察实验的应用需求,提出了动物行为分析系统的整体方案:设计了系统的硬件组成及相关配置;提出一套合理的视频信号采集软硬件方法;提出软件系统实现的技术路线,为研究工作的开展奠定基础。(2)在分析、对比各种背景建模方法消耗代价基础上,从系统实时性要求出发,利用时间平均法对背景进行建模。实验结果表明,采用相隔3帧提取10帧图像进行背景建模的效果最好。(3)分析了连续图像跟踪的Camshift算法,根据动物目标表面的颜色特征较为单一的特点,提出使用基于颜色特征的Camshift跟踪算法对动物目标进行跟踪。实验结果表明,基于颜色特征的Camshift算法能够准确的对运动目标进行实时跟踪,每帧图像跟踪耗时30ms至70ms,有很高的实时性。在Camshift算法基础上,提出基于概率分布图的目标轮廓提取方法,实验表明,该方法能很好地提取出清晰的轮廓,且鲁棒性好。(4)研究了动物行为分析技术,给出动物运动参数的计算方法。提出基于1-v-1 SVM对小白鼠体态进行分类的方法,并选择RBF核函数,用10-折交叉验证法与网格搜索法相结合,对分类器进行最优参数选择。实验结果表明,用984条样本进行训练后,对训练样本和906条测试样本分类准确率分别为98.37%和86.20%,具有较高的准确率。(5)设计了一个动物行为模型框架,根据该模型框架设计并提出了动物行为分析方法模型,并应用于小白鼠日常行为分析中。该方法模型符合自然语言描述习惯,操作性强,利于程序实现,易于扩展和修改。(6)应用Microsoft VC++6.0、Inter OpenCV以及Microsoft DirectShow组件,设计了基于视频的动物行为智能分析系统,系统可读取视频文件或用摄像头实时捕获视频,快速准确地获取动物目标当前运动参数和体态信息,分析并识别动物当前的行为。