蜥蜴活动识别管道：基于人工智能的行为监控方法
计算机视觉与模式识别
2025-07-25 v1
摘要
传统监控蜥蜴 (Pogona Viticeps) 行为耗时且容易出错。该项目引入了一种自动化系统，用于实时视频分析，使用 You Only Look Once (YOLO) 目标检测模型识别两种关键行为：basking 和 hunting。我们在包含 1200 张图片的自定义数据集上训练了五个 YOLO 变体 (v5, v7, v8, v11, v12)，其中包括蜥蜴 (600 张)、取暖灯 (500 张) 和蟑螂 (100 张)。选定 YOLOv8s 作为最优模型，due to its superior balance of accuracy ([email protected]:0.95 = 0.855) and speed。系统通过提取每帧目标坐标，应用 temporal interpolation for continuity，并使用基于规则的 logic 来分类特定行为。basking 检测可靠。然而，hunting 检测不够准确，主要由于 cricket 检测较弱 ([email protected] = 0.392)。未来改进将聚焦于通过扩大数据集或专用 small-object 检测器来增强 cricket 检测。该自动化系统为受控环境中的蜥蜴行为监控提供了可扩展解决方案，显著提高了研究效率和数据质量。
引用
@article{arxiv.2507.17987,
title = {Bearded Dragon Activity Recognition Pipeline: An AI-Based Approach to Behavioural Monitoring},
author = {Arsen Yermukan and Pedro Machado and Feliciano Domingos and Isibor Kennedy Ihianle and Jordan J. Bird and Stefano S. K. Kaburu and Samantha J. Ward},
journal= {arXiv preprint arXiv:2507.17987},
year = {2025}
}