5357cc拉斯维加斯团队研究了一种可规模化用于在日常生活笼中追踪猕猴运动轨迹的视频分析方法“MonkeyTrail”.
该方法可以用于实现低成本、较大规模的猕猴日常行为分析，能为神经科学研究创新提供重要的实验证据。
近年来，自动化的动物行为视频分析受到了广泛的关注。然而，这些方法大多需要特定的实验环境以减少物体遮挡或环境变化带来的干扰，目前还缺乏能够规模化用于日常饲养条件下猕猴运动轨迹跟踪的有效手段。
在该研究中，我们提出了一种新的方法(MonkeyTrail)用于实现这一目的。其关键原理是通过频繁生成的虚拟空背景，结合背景减除法准确获得包含运动中动物的前景图像。空背景生成利用了帧差法(FDM)和基于深度学习的视觉目标检测模型(YOLOv5)。整个装置由低成本的硬件构成，并可以在单笼饲养猕猴的日常环境中有效工作。为了测试这一方法的性能，我们标定了>8000帧的视频图像作为验证数据集，其中包含各种条件下的猕猴边界框数据。
不同方法生成边界框的性能可视化
测试结果表明，在相同条件下，MonkeyTrail的跟踪精度和稳定性均超过了传统帧差法、背景减除法和两种基于深度学习的方法(YOLOv5和SSD)。
不同跟踪方法系统地改变重叠阈值的跟踪成功率
通过对长期监控视频的分析，MonkeyTrail成功地检测到了猕猴在运动量和空间偏好方面的变化。这些结果表明，该方法可以用于实现低成本、较大规模的猕猴日常行为分析，为神经科学研究创新提供重要的实验证据。
