动态目标追踪与自动化逻辑判定系统： 一套基于 MATLAB 的全流程行为学分析方案，集成 T-迷宫区域划分、小鼠实时追踪、深度学习物体分类及自动化行为逻辑判定。
在标准 T-迷宫 (T-maze) 实验中，系统根据分叉路口出现的刺激物自动判定小鼠决策的正确性：
-
规则定义：若路口出现 物体 A
$\rightarrow$ 正确决策为 向左拐；若出现 物体 B$\rightarrow$ 正确决策为 向右拐。
- 确保安装了 MATLAB (R2021a 或更高版本)。
- 需安装 Deep Learning Toolbox（用于 ResNet-50 物体分类）。
-
启动程序 下载仓库并解压，在 MATLAB 中运行主脚本
AutoFramesCount_v4.m。 -
选择数据源 在弹出的交互窗口中选择视频系列集所在的文件夹。（建议初次使用时选择提供的
Demos文件夹进行调试） -
划定 T-迷宫区域 根据提示框选迷宫整体，并依次标记：起始盒 (bowl-o)、左臂末端 (bowl-left) 及 右臂末端 (bowl-right)。
-
配置 LED 追踪信号 在命令行窗口切换至小鼠头部红色 LED 出现的帧，并尽量准确地框选 LED 信号范围。系统将以此为基准进行全时段坐标追踪。
-
物体识别与解析 框选 T-迷宫分岔口的物体目标。系统将调用预训练的分类模型自动解析物体类型，并结合路径数据生成最终的行为判定报告。
分析完成后，系统将在 FrameCount2 文件夹下生成：
- BehaviorTable: 包含每轮次的阶段(S1/S2/S3)的耗时、决策方向(1/2)、物体类型(1/2)、正确与否(0/1)等数据。
- Trajectory Map: 可视化的小鼠运动轨迹图。
- 追踪算法: 基于颜色空间阈值的多目标质心追踪。
- 分类模型: 基于 ResNet-50 的迁移学习模型。
- 逻辑判定: 自定义空间拓扑逻辑算法。