使用有向边界框对空中视频中的野马进行跟踪

群居动物如野马的社会结构复杂且仍不充分了解，即便在同一物种内部也是如此。为探究群体动态，常利用空中视频跟踪个体并分析其运动轨迹，这对于评估个体间相互作用和比较社会行为至关重要。因此，准确的个体跟踪至关重要。在多动物跟踪中，轴对齐边界框 (bbox) 广泛使用；然而，对于整个群体的空中俯视 footage，其性能会因复杂背景、目标尺寸小、动物密度高以及身体姿态变化而下降。为此，我们采用有向边界框 (OBB)，其包括旋转角度，可减少不必要的背景。然而，当前的 OBB 检测器如 YOLO-OBB 将角度限制在 180$^{\circ}$ 范围内，无法区分头和尾，常导致跨帧突变 180$^{\circ}$ 翻转，严重破坏连续跟踪。为克服此限制，我们提出一种头方向估计方法，通过裁剪 OBB 中心 patch，应用三个检测器（头、尾、头尾），并通过基于 IoU 的多数投票确定最终标签。实验使用 299 张测试图像显示，我们的方法达到了 99.3% 的准确率，优于单个模型，证明其对稳健的 OBB 跟踪有效。