在异质环境中的多对象追踪 (MOTHe) 用于动物视频录制

科学领域:

• 行为神经科学 行为神经科学
• 现场生物学 现场生物学
• 动物行为研究研究动物行为研究

背景情况:

• 对动物视频的自动分析对研究至关重要.
• 现有的工具在自然,异质的环境中经常失败.
• 现场准备好的动物追踪方法往往是研究人员无法获得的.

研究的目的:

• 开发一种可访问的开源工具,用于在具有挑战性的自然环境中检测和跟踪动物.
• 弥合先进的计算方法和实证研究人员之间的差距.

主要方法:

• 开发了MOTHe (异质环境中的多对象跟踪),这是一个带有图形界面的Python包.
• 使用卷积神经网络进行对象检测.
• 可实现自动训练数据生成,复杂背景检测和视觉跟踪.

主要成果:

• 在各种自然息地成功检测和跟踪动物,包括黄蜂群和羊群.
• 在不同的环境条件下,在六个视频片段中证明了有效性.
• MOTHe可以在基本的桌面计算机上运行,而不需要专门的基础设施.

结论:

• MOTHe提供了一种可访问的解决方案,用于在具有挑战性的现场条件下自动追踪动物.
• 该开源软件包使研究人员能够从复杂的空中视频中提取有价值的数据.
• 促进了动物行为和现场生物学研究的进步.