隨著硬件（camera的分辨率、幀頻等）、方法（計(jì)算機(jī)視覺、深度學(xué)習(xí)等相關(guān)理論）的不斷發(fā)展，動(dòng)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?dòng)化的水平，這里說是接近，是因?yàn)閱慰恳环N或幾種算法，無法很好地解決實(shí)驗(yàn)方法自動(dòng)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(dòng)物行為學(xué)分析系統(tǒng)從數(shù)據(jù)流的角度，要實(shí)現(xiàn)自動(dòng)化獲取精準(zhǔn)的實(shí)驗(yàn)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(jì)，即硬件簡化軟件。

　　

　　實(shí)驗(yàn)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(shí)驗(yàn)體的重要評價(jià)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(shí)驗(yàn)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(gè)數(shù)據(jù)集的處理得到實(shí)驗(yàn)體在實(shí)驗(yàn)過程中實(shí)時(shí)的生存狀態(tài)，包括其速度、位置、區(qū)域、運(yùn)動(dòng)時(shí)間等基本活動(dòng)參數(shù)的監(jiān)測，研究分析實(shí)驗(yàn)體在各個(gè)實(shí)驗(yàn)區(qū)域的適應(yīng)度，實(shí)驗(yàn)體實(shí)時(shí)的生存狀態(tài)以及實(shí)驗(yàn)體當(dāng)前行為這三個(gè)高級的行為學(xué)分析指標(biāo)，用于詳細(xì)描述實(shí)驗(yàn)體的行為狀態(tài)，便于研究人員實(shí)時(shí)了解實(shí)驗(yàn)情況和實(shí)驗(yàn)效果。