实验动物追踪：基于YOLOv8的鼠类行为轨迹识别系统

1. 背景与意义

在神经科学、生物医学和药理学等领域，实验动物行为分析是研究动物神经系统功能、药物效果、疾病模型等的基础。尤其是对小鼠的行为轨迹追踪，能够帮助科研人员深入理解动物的运动模式、焦虑程度、学习记忆能力等。

传统的行为追踪方法往往依赖于手动观察或基于标记的跟踪，存在费时费力且主观误差大等缺点。随着计算机视觉和深度学习技术的发展，自动化、精准且实时的行为追踪系统逐渐成为主流。

本文将介绍如何利用目前先进的目标检测算法YOLOv8，结合简易的UI界面，完成小鼠行为轨迹的实时识别和可视化展示，并附上训练代码及参考数据集，供科研人员和开发者快速上手。

---

2. 实验动物行为追踪技术综述

2.1 传统方法

• 手动标记：通过录像手动跟踪动物位置，耗时长且不精确。
• 标记法：在动物身上粘贴颜色点或标签，但影响动物自然行为。

2.2 计算机视觉方法

• 背景差分法：基于视频背景建模实现运动目标提取，受光照影响大。
• 传统目标检测算法：如Haar特征+级联分类器，准