[发明专利]一种线虫身体弯曲行为的识别和计数方法及相关设备

权利要求书

1.一种线虫身体弯曲行为的识别和计数方法，其特征在于，所述线虫身体弯曲行为的识别和计数方法包括：

获取线虫视频，对所述线虫视频进行分帧处理得到原始灰度图像，根据所述原始灰度图像得到线虫二值图像；

根据线虫的所述原始灰度图像，基于卷积神经网络的数值坐标回归算法获得头部坐标和尾部坐标；

根据所述线虫二值图像，基于曲率的特征点提取算法计算线虫中心线上的峰值点；

计算峰值点到线虫的咽部和尾部之间连线的最大距离，根据每帧最大距离的变化计算线虫身体弯曲的数量。

2.根据权利要求1所述的线虫身体弯曲行为的识别和计数方法，其特征在于，所述获取线虫视频，对所述线虫视频进行分帧处理得到原始灰度图像，根据所述原始灰度图像得到线虫二值图像，具体包括：

对获取的所述线虫视频进行分帧处理，得到所述原始灰度图像；

选取所述原始灰度图像进行裁剪，获取图像四个角点的灰度值的最大值，其中，至少有一个角点始终不属于线虫身体，确定所述原始灰度图像的背景层的像素值；

使用预设大小的滑动窗口扫描所述原始灰度图像，计算所述滑动窗口内像素在每个像素位置的平均值和标准差；

当计算得到的像素值的平均值小于背景像素值的70％或者标准差大于平均值的30％时，将所述滑动窗口的中心像素赋值为0，作为线虫身体的一部分；否则，将所述滑动窗口内的中心像素赋值为1，作为背景；

使用形态学闭合算子清除线虫体内的小斑点；

在得到所述线虫二值图像后，基于组件标记的顺序算法进行去噪，得到线虫。

3.根据权利要求2所述的线虫身体弯曲行为的识别和计数方法，其特征在于，所述根据线虫的所述原始灰度图像，基于卷积神经网络的数值坐标回归算法获得头部坐标和尾部坐标，具体包括：

对线虫头部和尾部的坐标信息进行人工标注；

使用卷积神经网络生成预设大小的线虫的头部热图M_h和尾部热图M_t；

对头部热图M_h和尾部热图M_t基于Softmax函数进行归一化处理得到头部归一化热图M′_h和尾部归一化热图M′_t：

M′_h＝softmax(M_h)；

M′_t＝softmax(M_t)；

使用DSNT从头部归一化热图M′_h和尾部归一化热图M′_t中获得头部坐标和尾部坐标。