阿戈斯:在复杂的视觉环境中追踪多种动物的工具包

科学领域:

• 计算机视觉 计算机视觉
• 动物行为分析.
• 机器学习 机器学习

背景情况:

• 自动多动物追踪对于行为研究至关重要,但当前的计算机视觉工具与自然环境和运动复杂性作斗争.
• 现有的算法经常在不均的照明下失败,无法处理突然的动物运动,需要手动纠正,并限制研究范围.

研究的目的:

• 介绍Argos,一个软件工具包,旨在在具有挑战性的,不均的环境中强大的多动物跟踪.
• 提供用于视频压缩,卷积神经网络 (CNN) 训练,自动跟踪和手动跟踪校正的工具.

主要方法:

• 阿戈斯利用CNN来检测动物,并结合了专门的算法来追踪多个对象.
• 该工具包包括图形用户界面,用于有效生成训练集和手动检查/纠正动物跟踪.
• 基于动物运动的视频压缩是为了减少数据存储和分析负载而实施的.

主要成果:

• 阿戈斯成功地在不均的环境中长时间追踪了多种无标记动物.
• 该软件展示了减少数据存储需求,加快分析,以及改善难以跟踪场景的处理.
• 阿戈斯可以在以前对自动化系统具有挑战性的条件下进行分析.

结论:

• 阿戈斯为多种动物跟踪提供了一种多功能解决方案,可适应各种记录条件和计算资源.
• 该工具包通过克服以前自动跟踪方法的局限性来提高行为分析的效率和准确性.
• 阿戈斯可以长期记录和分析动物在复杂的自然环境中的运动.