利用vmTracking提高动物社会行为研究中多种动物姿势估计的准确性
Hirotsugu Azechi1, Susumu Takahashi2
1Laboratory of Cognitive and Behavioral Neuroscience, Graduate School of Brain Science, Doshisha University; hazechi@mail.doshisha.ac.jp.
Journal of visualized experiments : JoVE
|November 24, 2025
概括
研究人员开发了虚拟标记跟踪 (vmTracking),以提高多动物姿势跟踪的准确性. 这种方法通过在封闭和拥挤期间保持动物身份来增强社会行为分析.
科学领域:
- 伦理学和行为神经科学.
- 计算生物学和机器学习
背景情况:
- 精确的多动物姿势跟踪对于在自然条件下研究动物的社会行为至关重要.
- 现有的无标记追踪方法在阻塞和拥挤方面扎,特别是无法区分的个体.
研究的目的:
- 开发一种新的方法,虚拟标记跟踪 (vmTracking),以提高多动物姿势跟踪的准确性.
- 解决当前跟踪工具在具有挑战性的社交互动场景中的局限性.
主要方法:
- 引入了虚拟标记,以在视频中保持个体动物的身份.
- 开发了一种用于在标记视频中分配虚拟标记和跟踪动物的协议.
- 通过额外处理展示了vmTracking对现有的无标记跟踪数据的适用性.
主要成果:
- 显著提高了多动物姿势跟踪精度,特别是在拥挤和封闭的条件下.
- 在整个追踪过程中,成功地保持了个体动物的身份.
- 为定量社会互动分析提供了可靠的基础.
结论:
- 虚拟标记追踪 (vmTracking) 为复杂的社会环境中准确的多动物姿势追踪提供了一个强大的解决方案.
- 这种方法可以在半自然条件下更可靠地对动物的社会行为进行定量分析.
