描述了一个跟踪动物运动的自动化系统，并使用实时跟踪和多目标跟踪算法将动物的运动和行为控制与视觉反馈联系起来，以观察其神经基础，同时利用该系统测量果蝇飞行速度与视觉对比度的关系。
Jan, 2010
该研究介绍了使用定制四轴飞行器收集的Blackbird无人机数据集，用于评估敏捷感知技术，包含168次飞行、17种飞行轨迹、5种环境、高达7.0ms^-1的速度以及120Hz、100Hz、190Hz和360Hz的多种传感器数据，数据集可用于研究高性能感知算法。
Oct, 2018
我们提供了一种高度可靠的水下企鹅检测器、鱼类检测器和海洋掠食者复杂行为的自动视觉检测的宝贵初步尝试。
Aug, 2023
通过无人机和红外成像技术，人工智能在野生动物管理中可以提供有效的数据收集和解释方法，并有望取代传统费时的野外技术，覆盖更大的区域，该研究对基于无人机的野生动物监测进行了全面回顾和经验研究，通过专家标注红外成像数据集中的树栖和地栖野生动物，并对实验结果进行了性能评估，以此识别问题并讨论无人机在自动动物监测中的未来方向。
Oct, 2023
采用事件相机记录放置在南极的繁殖企鹅群中的数据，使用计算机视觉方法进行行为量化，通过时间动作检测任务确定行为的起始和结束时间，证明事件相机在野生动物观察中的低功耗特性以及对各种光照条件的鲁棒性，为开展新的跨学科研究提供了契机。
Dec, 2023
通过实施四种不同类型的长短期记忆（LSTM）模型来预测鸟类的经度和纬度，研究证明LSTM模型可以高准确度地预测鸟类的行动，并将其纳入飞行计划中可以大大减少鸟类与飞机相撞的可能性。
小型四旋翼飞行器通过模拟得到的控制策略以及领域随机化和系统识别技术实现了成功的倒置降落行为，模拟了在苍蝇中观察到的行为。
Feb, 2024
使用空中飞艇编队对野生马进行追踪、尾随和视觉记录的系统设计和实验
Apr, 2024
利用无人机进行多个个体的同时跟踪，以更好地理解群居灵长类动物的行为；本研究通过无人机视频提出了一种新的研究数据集，用于猴子的检测、追踪和行为识别，结果表明利用深度学习可以对野生动物的行为进行分类，提供对整个群体集体行为的非侵入性洞察。
May, 2024
利用传统概率方法和语义对象分割的先进技术，通过跟踪鱼群在世界坐标系中的位置和空间扩展，结合视频数据和无人机上的传感器信息，从而实现对鱼群行为的长期分析。
Jun, 2024