面向个体层面行为分析的计算机视觉管线：在爱丁顿猪数据集上的基准测试

动物行为分析在理解农业环境中的动物福利、健康状况和生产力方面发挥着关键作用。然而，传统的手动观察方法耗时、主观且难以扩展。我们提出了一个模块化管线，利用开源的最先进计算机视觉技术自动化地对群体养殖环境中的动物行为进行分析。我们的 метод结合了零样目标检测、运动感知分割与跟踪以及基于视觉变换器的高级特征提取，实现稳健的行为识别。该管线解决了包括动物遮挡和群体养殖场景在内的挑战，已在室内猪只监控中得到验证。我们在爱丁顿猪行为视频数据集上对系统进行了验证，针对多个行为任务进行测试。我们的时序模型实现了94.2%的总体准确率，相较于现有方法提升了21.2个百分点。该管线在跟踪方面表现稳健，身份保持率(IDF1)为93.3%，目标检测平均精度(AP)为89.3%。该模块化设计表明其可适用于其他情境，尽管需要在不同物种上进一步验证。该开源实现提供了一个可扩展的行为监控解决方案，推动了通过自动化、客观和持续性分析实现精密猪业和福利评估。