检测+跟踪:可靠和灵活的软件工具,用于改进鱼类的跟踪和行为分析

科学领域:

• 伦理学和动物行为.
• 计算机视觉和图像处理
• 生物启发的机器人和导航

背景情况:

• 准确跟踪动物运动对于理解行为和决策至关重要.
• 现有的追踪方法经常面临诸如阻塞,可变照明和复杂环境等挑战.
• 对于大规模的行为研究,需要强大,可适应和可通用的跟踪解决方案.

研究的目的:

• 推出Detect+Track,一种用于增强动物跟踪的新型视频处理方法.
• 提高在具有挑战性的实验条件下跟踪的准确性和稳定性.
• 为了能够详细分析运动和决策行为,如差距选择.

主要方法:

• 结合了基于深度学习的对象检测器和基于模板的对象不可知追踪器.
• 使用Voronoi模块化和平面同质性进行虚拟门计算.
• 使用光流来估计鱼的速度和运动方向.

主要成果:

• 在具有挑战性的条件下 (遮蔽,可变的照明,身体变形,波纹) 精确定位鱼的中心体.
• 详细分析了毕加索触发鱼 (Rhinecanthus aculeatus) 的间隙选择行为.
• 使用光学流量精确估计鱼的速度和运动方向.

结论:

• Detect+Track为复杂环境中的动物跟踪提供了灵活和可通用的解决方案.
• 该方法解决了现有跟踪工具的关键局限性,改进了行为分析.
• 提供的数据和代码促进了可重现性和未来的行为跟踪创新.