在大学校园区的长尾的自动检测和与风险相关的行为识别,使用基于CNN的物体检测
Orawan Watchanupaporn1, Janya Jadejaroen2, Kanyanut Homsapaya1
1Department of Computer Science and Information, Faculty of Science at Sriracha, Kasetsart University, Sriracha, Chonburi, Thailand.
Journal of medical primatology
|February 22, 2026
概括
这项研究开发了一个使用YOLOv8的AI系统来检测长尾及其在校园中的危险行为. 该系统提供实时检测,以帮助减少负面的人与之间的互动.
科学领域:
- 野生动物行为分析.
- 计算机视觉应用程序的应用程序
- 生态学中的人工智能
背景情况:
- 人与之间的冲突随着息地重叠而增加,导致侵略性行为和财产损失.
- 长尾 (Macaca fascicularis) 对人类安全,财产和环境构成风险.
- 在大学校园等共享环境中,管理人类与之间的互动至关重要.
研究的目的:
- 开发基于YOLOv8的强大的检测系统,用于识别长尾及其与风险相关的行为.
- 通过数据增强和超参数调整来增强系统的稳定性.
- 支持一个自动化的早期预警和威系统,以缓解人与之间的冲突.
主要方法:
- 一个你只看一次的版本8 (YOLOv8) 对象检测模型被实施.
- 使用数据增强技术 (Mosaic,MixUp,几何变换) 来提高模型性能.
- 基于遗传算法 (GA) 的超参数调整被用于进一步优化.
主要成果:
- 该系统实现了对和上下文对象的实时检测.
- 在多样化和具有挑战性的环境条件下观察到强的表现.
- 该系统甚至在伪装或部分遮蔽的受试者身上也表现出了有效性.
结论:
- 开发的系统可以有效地识别和它们的行为.
- 这种人工智能方法为自动早期预警和威系统提供了基础.
- 这些发现表明,一种可行的方法可以减少人类和之间的负面相互作用.
