在大部分的哺乳动物中基本上都有自发的活动和社会行为等特征。由于小鼠的行为和活动能够定量的反映出小鼠对于外界环境和药物的反应。所以自发性活动和社会行为的统计信息,对于生物医学等领域有着重要的意义。早期的动物行为学的研究主要是依赖人工的标记,这样会导致实验的大部分时间在进行重复的标记工作,并且人工标记具有一定的主观性和偏差,对于参数定量化也存在着困难。近几年随着计算机视觉和图形学技术的发展,在小鼠监控和活动行为的自动检测识别上面有了很大的进步。可以通过图像处理的方法,自动的处理视频中小鼠的行为和活动。神经网络模型经过10几年的不断完善和改进,在图像识别、自然语言处理、视频处理等方便都有了突破性的进展。本文主要采用了传统的图像预处理方法和YOLO模型相结合的方法,对小鼠的运动和行为的视频信息进行自动化处理。使用了分割算法对小鼠的轮廓信息进行提取,并通过小鼠的身体部位信息,进行整合并判断小鼠的所发生的行为。通过小鼠转圈实验来对小鼠的前庭损伤进行定量的分析。并且对程序进行优化,让程序进行并行化处理,大幅度的增快了处理的速度。这样在处理量巨大的情况下,也可以在很短的时间内得到实验结果,加快了实验进程。在黑暗环境和正常环境下小鼠活动之间的差异性来评判小鼠对不同环境的反映情况。患自闭症小鼠和正常小鼠的活动范围和独处时间来判断自闭症的患病程度。通过以上综合的方法可以对正常小鼠和患病小鼠的自发行为和群体行为进行定量的分析过程,从而更加准确、客观的为实验结果提供数据证明。