小鼠、大鼠、猴子等模式动物的行为识别，在医学研究和药物开发中都具有重要意义。通过普通视频技术研究动物对特定刺激的反应，容易受到实验场所的光照条件和拍摄角度的影响。 

 在中国科学院条财局的独立支持下，中国科学院成都生物研究所动物行为与仿生项目基于受抑全反射原理，设计了一个小鼠行为分类系统。其原理是在行为场的透明下界面，将红外光从侧面注入，当动物的脚掌和脚趾与界面接触即形成脚印图像。然后建立小鼠行为数据集（IMBD），并使用支持向量机（SVM）对脚印进行分类。为了提高其性能，提出了一种改进的粒子群算法对参数进行优化。在IMBD和SVM的基础上，测试了不同的特征提取方法和分类器。与其他常用的粒子群优化算法相比，本研究的系统性能表现出了更高的精度和效率。对个体行为的识别率高达94.37%。所有被试小鼠的平均行为识别率达到83.09%。结果表明，小鼠的足部接触特征在行为识别方面比普通视频特征更有效。 

 论文发表在《Knowledge-Based Systems》（IF>8），第一作者为联合培养的硕士研究生王馨瑶，唐业忠为共同通讯作者。 

小鼠行为分类系统