兽类学报 ›› 2026, Vol. 46 ›› Issue (4): 1-.DOI: 10.16829/j.slxb.151082

• •    

一种基于多尺度神经网络的野生动物行为影像识别方法—以野生虎东北亚种为例

刘梦雨1 戴文锐1 刘淑聪1 马光凯1,2* 姜广顺2*   

  1. (1 东北林业大学计算机与控制工程学院,哈尔滨 150040) 

    (2 国家林业和草原局猫科动物研究中心,东北林业大学野生动物与自然保护地学院,哈尔滨 150040)

  • 出版日期:2026-07-30 发布日期:2026-06-05

  • Online:2026-07-30 Published:2026-06-05

摘要: 野生虎东北亚种(Panthera tigris altaica)的行为识别是深入剖析和研究其野性行为表达以及行为节律的变化的关键环节,对于全面了解它们的生活习性和生态需求至关重要。目前,自动红外相机是捕捉野生东北虎行为影像数据的重要工具。然而,受拍摄距离变化的影响,虎东北亚种个体在视频影像中的大小存在差异,且虎东北亚种行为模式在时间维度上呈现出显著的动态差异,具有时序多变性的特点,影响虎东北亚种行为模式识别精度。针对由自动红外相机拍摄的野生虎东北亚种影像数据,本文提出一种基于多尺度神经网络的野生动物行为影像识别方法,该方法利用3D MViTv2网络对野外虎东北亚种的视频帧序列进行建模,提取行为的时空多尺度特征,通过双向加权特征金字塔(BiFPN)实现多尺度空间上下文信息的自适应融合,并借鉴时间金字塔模块(TPN)的思想强化跨尺度时序特征建模能力,实现了野生虎东北亚种行为的精准识别。此外,本文采用Bytetrack多目标跟踪算法对虎东北亚种的轨迹进行跟踪,实现虎东北亚种行为持续时间的统计分析。本研究基于自红外相机野外拍摄的200段野外虎东北亚种视频影像,构建了包含了走、站立、卧息和跳4种行为的野生虎东北亚种行为数据集。实验结果显示,所提出的时空多尺度神经网络取得了93.8%的平均精度均值(mAP)的行为模式识别精度,表明了其在虎东北亚种行为模式识别任务中具有良好的性能,可以为其他野生动物行为识别研究提供可靠的技术支持。 

关键词: 行为模式识别, 多目标跟踪, 深度学习, 红外相机, 多尺度视觉网络