隨著硬件（camera的分辨率、幀頻等）、方法（計算機(jī)視覺、深度學(xué)習(xí)等相關(guān)理論）的不斷發(fā)展，動物行為學(xué)從原有繁重的手工測量分析過程，逐步演變?yōu)榻咏詣踊乃?，這里說是接近，是因為單靠一種或幾種算法，無法很好地解決實驗方法自動化問題，特別是在數(shù)據(jù)挖掘過程中，還需要大量的人工工作。

　　

　　動物行為學(xué)分析系統(tǒng)從數(shù)據(jù)流的角度，要實現(xiàn)自動化獲取精準(zhǔn)的實驗指標(biāo)，需要在數(shù)據(jù)獲取、數(shù)據(jù)挖掘兩方面入手，而數(shù)據(jù)獲取又分為原始數(shù)據(jù)獲取和數(shù)據(jù)初步分析，這些依賴硬件系統(tǒng)、軟件系統(tǒng)。通常，我的做法是，通過硬件優(yōu)化提升，以簡化算法設(shè)計，即硬件簡化軟件。

　　

　　實驗體行為狀態(tài)分析普遍應(yīng)用在生命科學(xué)、心理學(xué)等不同領(lǐng)域，是對實驗體的重要評價指標(biāo)，也是獲取科研成果的重要方式，具有極為重要的研究意義。提出的實驗體行為狀態(tài)分析系統(tǒng)將監(jiān)測階段得到的中心坐標(biāo)集合P和目標(biāo)框長寬集合S導(dǎo)入，通過對這兩個數(shù)據(jù)集的處理得到實驗體在實驗過程中實時的生存狀態(tài)，包括其速度、位置、區(qū)域、運動時間等基本活動參數(shù)的監(jiān)測，研究分析實驗體在各個實驗區(qū)域的適應(yīng)度，實驗體實時的生存狀態(tài)以及實驗體當(dāng)前行為這三個高級的行為學(xué)分析指標(biāo)，用于詳細(xì)描述實驗體的行為狀態(tài)，便于研究人員實時了解實驗情況和實驗效果。