人们常通过小鼠等啮齿类动物行走、蜷缩和直立等行为学实验,量化研究药物、化妆品和生物制品的毒性、安全性和有效性等问题。目前有关小鼠的行为分析通常采用普通相机提取图像特征实现小鼠行为识别。该方法在小鼠实验中有广泛适用性,但在小鼠三维运动分析任务中,普通双目相机存在参数复杂、效率低、易受光照影响等问题。因此针对实验场景下小鼠行走、蜷缩和直立等行为研究需求,本文基于RGBD深度相机获取的小鼠RGB、Depth特征,提出了一种基于深度神经网络的小鼠行为识别方法。此外,结合姿态追踪模型提取的小鼠背部姿态关键点轨迹以及深度信息映射方式获取小鼠三维姿态信息,研究一种基于随机森林的识别方法。为了进一步提高小鼠行为识别的准确率,本文同时结合了小鼠RGB、Depth和三维姿态特征,提出一种多模态特征融合的行为识别方法。本文的主要工作内容如下:（1）研究基于单模态的小鼠行为识别方法。首先,利用深度相机采集视频数据,制作小鼠静止、行走、蜷缩、有支撑直立和无支撑直立五种行为RGBD图库;然后在此基础上研究两种不同深度学习框架Res Net50和Mobile Net V2,在深度相机获取的小鼠RGB以及Depth单模态信息上的可转移性。结果表明,该两种网络针对小鼠RGB模态对小鼠五种行为识别平均准确率分别为91.2%和88.6%,Depth单模态对应准确率为90.8%和87.6%。由此表明,针对小鼠的RGB和Depth单模态信息卷积神经网络在小鼠行为识别任务中具有较好的可行性。此外通过姿态追踪获取小鼠背部姿态像素坐标,将深度信息映射到像素坐标点获得真实距离值,再根据像素坐标、深度值以及相机内参获得小鼠背部三维姿态信息,利用随机森林实现小鼠行为识别。最后五种行为平均准确率为86.8%,表明三维姿态信息在小鼠行为识别上的可行性。（2）研究基于多模态特征融合的小鼠行为识别方法。首先,在前文基础上根据Res Net50和Mobile Net V2网络小鼠行为识别的结果对比,本文采用Res Net50作为特征提取的主干网络,加入注意力机制模块用于提高网络对重要通道特征提取能力。然后在单模态识别结果的基础上,将小鼠RGB、Depth模态和三维姿态信息三种模态信息的特征进行串联融合,最后使用Softmax输出小鼠静止、行走、蜷缩、有支撑直立和无支撑直立五种行为识别结果。结果表明本方法可将准确度提升至92.4%。（3）开展实验小鼠的运动行为定量分析研究。首先,按照小鼠行为发生的维度,选择在水平和垂直两个方向上对小鼠五种行为进行定量分析,分析计算小鼠在水平维度和垂直维度上各行为评估指标。然后,在水平维度上量化小鼠静止行为的持续时间、次数,行走行为的时间、运动距离、速度变化,蜷缩行为发生的时间、次数。其次,在垂直维度上计算小鼠有支撑直立和无支撑直立发生的次数以及时间。最后进一步地开展了小鼠头部细微动作的分析研究,结合三维姿态模态信息对小鼠在直立过程中的头部仰角和头部旋转扫描角度进行了分析。研究结果表明,本文方法在不干预小鼠行为的非侵入式条件下,对小鼠静止、行走、蜷缩、有支撑直立和无支撑立五种行为具有较高的识别准确率,研究成果将有助于为实验小鼠的行为学研究提供一条可靠的技术路径。