超越距离：基于关键点轨迹的牛群亲属与对抗社交网络分类框架

精密养殖需要客观评估社会行为以支持牧场福利监测，但大多数现有方法仅基于静态距离阈值推断相互作用，无法在复杂棚舍环境中区分亲属与对抗行为。此限制阻碍了商业环境中自动社交网络分析的可解释性。我们提出基于姿态的计算框架，用于相互作用分类，超越距离启发式方法，通过建模解剖关键点的时空几何来实现。该方法不依赖像素级外观或简单距离度量，而是从关键点轨迹中编码相互作用特有的运动特征，从而实现社交相互作用价值区分。该框架作为端到端计算机视觉管道实现，集成YOLOv11进行目标检测（[email protected]: 96.24%），支持单个识别（98.24%准确率），ByteTrack进行多目标跟踪（81.96%准确率），ZebraPose进行27点解剖关键点估计，以及基于姿态数据训练的支持向量机分类器。在来自商业奶牛棚的标注相互作用剪辑上，分类器仅使用姿态信息即可实现区分亲属与对抗行为的77.51%准确率。与距离-only基线的比较显示，尤其是在亲属相互作用方面，行为区分具有显著提升。结果为构建适用于实时性能的自动化、基于视觉的社交互动推断框架奠定了基础，能在商品硬件上实现近实时性能。