从位置到指标
追踪每 0.1 s 产生一个样本，包括：时间、以场地厘米表示的位置、是否检测到动物、迷宫中的区域，以及运动指数。所有视频指标都按本页的规则由这些样本计算。这些规则在追踪之后才应用。在结果页修改区域或阈值后，App 用已保存的样本在一瞬间重算全部指标，不需要视频。
源代码
这些规则实现在 AssayEngine.swift 中，默认值在 ResultModels.swift 的 ZoneConfig 里。
时间
每个样本代表到下一个样本之前的时间，通常是 0.1 s。如果视频中间有缺口（比如丢了一段），一个样本最多只代表五个采样间隔（0.5 s），这样缺口不会把时间都算到动物最后出现的区域里。
分析窗口把所有计算限制在视频的一部分。起始于 从第一个样本算起，长度 是计分时长（0 = 到结尾）。潜伏期从窗口开始时计算。
区域与区域时间
区域是以场地厘米定义的范围：中央方块、一条臂、一个箱室、物体周围的区域、一个象限。区域时间是位置落在该区域内的检测到动物的样本所代表的时间之和。
百分比以检测到动物的时间为分母。 例如，中央区时间 % = 中央区时间 / 检测到动物的时间 × 100。这样，少量未检测到的样本不会让百分比偏向外周。各范式特有的比例定义见各范式页面：开放臂 % = 开放臂 / （开放臂 + 闭合臂），明箱 % = 明箱 / （明箱 + 暗箱），象限 % = 象限时间 / 检测到的游泳时间。
进入与进入标准
位置会有几毫米的抖动。站在区域边界上的动物，如果不做处理，会产生几十次“进入”。因此，动物在新区域里停留满进入标准后才计为一次进入，进入时刻记为它越过边界的那一刻。
| 实验范式 | 进入标准（默认） |
|---|---|
| 旷场、新物体识别 | 0.3 s |
| 十字迷宫、Y 迷宫、T 迷宫 | 0.25 s |
| 明暗箱、位置偏好 | 0.5 s |
| Barnes 迷宫 | 0.2 s |
未检测到动物的样本不会中断停留：在别处看到动物之前，默认它还在原来的区域。分析开始时动物所在的区域不算一次进入。如果动物一开始就在某区域内，到该区域的潜伏期为 0；如果始终没有进入，潜伏期为窗口长度。
这和人工打分要求“四爪都进入臂内”是同一个道理。只是追踪器看到的是身体中心而不是爪子，所以用时间来表达。
距离与速度
距离是相邻两个检测到的样本之间直线步长的总和。进入或离开未检测时段的那一步不计入，所以动物藏起来一段时间后再出现，位置的跳变不会被当成奔跑。
某个样本的速度是它前后两个相邻样本之间的距离除以它们的时间差，10 Hz 下为 0.2 s（中心差分）。只有三个样本都检测到时才有定义。在 0.2 s 上取平均，毫米级的抖动就不会被当成运动。
平均速度 = 总距离 / 窗口时长。水迷宫为游泳路径 / 游泳时间。
运动与不动
速度达到或超过运动阈值（旷场默认 2 cm/s）的样本计为运动。运动时间 % = 运动时间 / 速度可计算的时间。不动时间把低于阈值、且持续至少最短时长（2 s）的片段相加，更短的停顿不计。
旷场中的不动时间衡量的是缓慢移动。恐惧条件化的僵直更严格，使用运动指数（见下文），因为蜷缩的动物身体可能有轻微移动，而身体中心并没有动。
迷宫几何
迷宫用中线校准，而不是用矩形。每条臂从交汇点（J 或 C）延伸到末端手柄，并具有所填的长度和宽度。
- 中央区：Y 迷宫和 T 迷宫中，沿臂方向距交汇点 1.1 个臂宽以内的位置。十字迷宫中，是两臂交叉处的方块（边长 = 臂宽），可以用 中央区外扩 扩大。
- 搜索范围：追踪器只在臂的通道内寻找动物，通道略宽于所填臂宽，所以迷宫外的动静（比如实验人员的手）会被忽略。
- 进臂使用迷宫的进入标准（0.25 s）。经过中央区回到同一条臂，算作再次进入。
圆形场地
水迷宫
- 象限：以平台相对池心的方向为中心的 90° 扇区为目标象限，此外还有相对的对侧象限和两个相邻象限。
- 逃避：动物第一次进入平台区、并在其中停留满所需时间（1 s）的时刻。游泳相关的指标只统计到逃避为止。
- 到平台的平均距离（Gallagher proximity）：游泳过程中到平台中心距离的平均值。与潜伏期不同，它反映动物在整个游泳过程中离平台有多近。
- 穿越次数：每次进入平台区都计数，没有最短停留要求。
- 贴壁区时间：在距池壁贴壁区宽度以内的环带中的时间。
Barnes 迷宫
- 洞：沿经过目标洞的圆环均匀分布。
- 一个位置归属于洞区半径内最近的那个洞，所以相邻洞区不会重复计数。
- 访问使用进入标准（0.2 s），错误是对非目标洞的访问。
- 逃避：动物最后一次出现时距目标洞在两个洞区半径以内，之后至少 3 s 看不到，即判定为进入了逃生箱。
僵直
僵直由运动指数测量：对每个样本，统计场地内与 0.1 s 前的上一个样本相比灰度变化 ≥ 20 级（满量程 255）的像素比例。20 级高于视频压缩在完全静止动物边缘造成的 12–24 级闪烁，又远低于对比明显的动物真正运动时引起的变化。
为了让指数与动物大小和相机距离无关，再除以动物的典型身体面积，即整个实验中追踪到的身体大小的中位数：
运动（占身体面积 %）= 变化像素数 / 身体面积中位数 × 100
低于僵直阈值（5 %）的样本为静止。连续静止持续至少最短僵直时长（1 s）即为僵直。全程、基线、CS 期和试次间隔的僵直，分别是各时段内僵直时间所占的比例，时间从你设定的实验程序起点开始计算。
这遵循自动测量僵直的通行原理：帧间像素变化、阈值和最短持续时间。阈值取决于装置，所以要用人工打分校准一次（见恐惧条件化）。
质量控制
每条视频结果都带有 追踪成功样本 %，低于 90 % 时 App 会给出提示。明暗箱、恐惧条件化和 Barnes 迷宫除外，因为这些范式中动物本来就会藏起来。各范式还有专门的提示：标记缺失、进臂太少、探索不足、未到达平台或目标、摄入量为负等。提示显示在结果顶部，也会在组间分析的统计备注中说明，但结果绝不会被自动排除。