Anipose 开源项目使用教程

1. 项目介绍

Anipose 是一个开源工具包，用于从多个摄像机视图中进行鲁棒的无标记3D动物行为跟踪。它利用机器学习工具箱 DeepLabCut 在2D中跟踪关键点，然后跨摄像机视图进行三角测量以估计3D姿态。Anipose 由四个模块化组件组成：

• 3D校准模块：设计用于最小化异常值的影响。
• 滤波器集：用于解决2D检测中的错误。
• 三角测量模块：集成时间和空间约束以获得准确的3D轨迹，尽管存在2D跟踪错误。
• 处理大量视频的管道：这些模块打包在一起，但校准和三角测量功能也可作为独立库（aniposelib）使用，无需完整管道和超越姿态估计的应用。

2. 项目快速启动

安装 Anipose

首先，确保你已经安装了 Python 3 和 Anaconda。然后，按照以下步骤安装 Anipose：

# 创建并激活虚拟环境
conda create -n anipose python=3.8
conda activate anipose

# 安装 Anipose
pip install anipose

配置 Anipose

创建一个配置文件 config.toml，并根据你的项目需求进行配置。以下是一个简单的配置示例：

[project]
name = "my_anipose_project"

[calibration]
camera_names = ["camera1", "camera2"]

[triangulation]
temporal_fill = "linear"
spatial_fill = "linear"

运行 Anipose

使用以下命令运行 Anipose：

anipose run --config config.toml

3. 应用案例和最佳实践

应用案例

Anipose 已被广泛应用于各种动物行为的3D跟踪研究中，例如：

• 果蝇行为研究：通过多摄像机系统跟踪果蝇的飞行轨迹。
• 小鼠行为研究：在实验室环境中跟踪小鼠的运动和姿态。

最佳实践

• 校准摄像机：确保所有摄像机都经过精确校准，以提高3D跟踪的准确性。
• 数据过滤：使用 Anipose 提供的滤波器对2D检测数据进行预处理，以减少噪声和错误。
• 多视图三角测量：利用多个摄像机视图进行三角测量，以获得更准确的3D轨迹。

4. 典型生态项目

Anipose 作为一个开源项目，与其他相关项目形成了良好的生态系统，例如：

• DeepLabCut：用于2D关键点检测的机器学习工具箱。
• OpenCV：用于图像处理和计算机视觉的基础库。
• NumPy 和 SciPy：用于数据处理和科学计算的库。

这些项目与 Anipose 结合使用，可以构建一个完整的动物行为分析系统。