跟随飞行：探索分析平原虎斑（Equus quagga）逃脱反应的计算框架

伦理学研究越来越受益于无人机日益经济且可接近的优势，这使得能够以细粒度的空间和时间尺度捕捉动物运动的高分辨率 footage。然而，分析此类 footage 仍面临技术挑战：需要分离动物运动与无人机运动。虽然这并不容易，但计算机视觉技术如图像配准和结构从运动（Structure-from-Motion, SfM）提供了实用解决方案。对于 conservationists 来说，用户友好、要求最小设置且能及时提供结果的开源工具尤其宝贵，以高效解释数据。本研究评估了三种方法：一种基于生物医学成像的配准技术、一个 SfM 流水线以及一种混合插值方法。我们将其应用于一段记录的逃脱事件，涉及44只平原虎斑，通过单段无人机视频捕捉。采用表现最佳的方法，我们提取出 individual trajectories 并识别出关键行为模式：逃脱时 alignment（极化）增加，停止前brief widening of spacing（间距暂时扩大），靠近群体中心时 coordination（协调）更紧密。这些见解突显了该方法的有效性及其扩展到更大数据集的潜力，为更广泛的集体动物行为研究做出了贡献。