Jan, 2024

野外灵长类动物行为分析的计算机视觉

PDF
TL;DR计算机视觉在动物认知和行为研究中有巨大潜力，但目前在野外视频中仍存在巨大的实践挑战，本文通过综述当前相关方法和引导行为科学家以及计算机视觉研究人员来逐渐填补这一差距。
computer visionanimal behaviorvideo-based studyobject detectioneffort-efficient learning
发现论文，激发创造
  • 野生动物团体行为识别框架

    本研究提出了一种基于序列分析方法对野生动物数据进行行为注释，特别是对社会群体的集体行为进行分类的方法，并在真实数据集上进行了评估，显示出相比基线方法显著的准确度提高。

    Jul, 2019

  • 神经科学动物行为测量的深度学习工具

    本文讨论了计算机视觉的近期进展，特别是采用新的深度学习方法来实现动物行为的姿态估计，认为这些工具将快速改变实现现实世界神经科学的形势。

    Sep, 2019

  • 利用计算机视觉技术从相机陷阱数据中重新识别动物的过去、现在和未来方法

    通过使用计算机视觉和深度学习的新方法，生态学家可以提取图像 / 视频数据中的动物并训练深度学习分类器以重新识别动物个体，从而从根本上改变相机陷阱数据的分析方式并革命动物生态学方法。

    Nov, 2018

  • BioTracker: 一种用于可视化动物跟踪的开源计算机视觉框架

    介绍了一种名为 BioTracker 的开源计算机视觉框架，可用于追踪动物在不同环境中的位置，提供多种不同的跟踪算法并支持自定义实现新的跟踪模块和视觉算法，有助于加快科学研究速度和开发新的视觉算法。

    Mar, 2018

  • 从森林到动物园：利用 ChimpBehave 进行大型猿类行为识别

    本论文介绍了 ChimpBehave，一个包含超过 2 小时视频（约 193,000 帧）的新型数据集，用于动作识别，通过与现有数据集对齐，可以研究领域自适应和跨数据集泛化方法，并使用最先进的基于 CNN 的动作识别模型提供了首个基准结果。

    May, 2024

  • 使用深度学习的动物行为分析方法：一项综述

    动物行为学的关键研究方向是深度学习架构在动物行为识别中的应用、相关挑战以及未来研究方向。

    May, 2024

  • 计算机视觉和机器学习在增强安全监控中探索视频镜头中的人群模式和分类

    计算机视觉和机器学习在研究员、科学家和大众的感知力方面产生了革命性的转变。本文探讨了计算机视觉在安全监控方面的潜力，并提出了一种新颖的视频运动追踪方法，通过使用动态信息图像和块状主导运动数据将运动分类为弧形、车道、汇合 / 分散和随机 / 块状运动，并研究了不同的光流技术、CNN 模型和机器学习模型。通过取得有希望的准确性达到其目标，结果可以训练异常检测模型，基于运动提供行为洞察，并增强场景理解。

    Aug, 2023

  • 基于 CNN 的视频动物行为识别与姿态估计：综述

    本研究概述了基于卷积神经网络体系结构的人类动作识别和姿态估计方法，并将其用于动物行为分类的技术进化及其架构适应性的分析。

    Jan, 2023

  • 狒狒之地数据集：野外灵长类追踪与无人机视频行为识别自动化

    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

  • 利用深度学习在相机陷阱图像中自动识别、统计和描述野生动物

    野生动物种类的自动识别与行为分析是野外生态研究和动物保护的重要技术之一。该研究利用深度卷积神经网络技术，对 320 万张 “快照大草原” 数据集中涵盖的 48 种动物进行识别、计数、行为描述分析，自动提取数据并有效地提高数据分析的效率。

    Mar, 2017