面向野外灵长类动物行为分析的计算机视觉

计算机视觉的进步以及日益广泛的基于视频的行为监测，为改变我们研究动物认知和行为的方式带来了巨大潜力。然而，在令人兴奋的前景与当今实际能够实现的目标之间，尤其是在野外视频中，仍然存在相当大的差距。通过这篇观点论文，我们希望为缩小这一差距做出贡献，指导行为科学家了解当前方法可以期待什么，并引导计算机视觉研究者关注与推进动物行为研究相关的问题。我们首先对与基于视频的动物行为研究直接相关的计算机视觉问题的最先进方法进行了调查，包括目标检测、多个体跟踪、个体识别和（交互）动作识别。然后，我们回顾了高效学习的方法，这是从实践角度来看最大的挑战之一。最后，我们对新兴的动物行为计算机视觉领域的未来进行了展望，认为该领域应开发统一检测、跟踪、识别和（交互）动作识别于单一基于视频框架的方法。