基于多尺度时空特征融合的双视角3D猕猴行为量化端到端运动检测模型

　　本文提出多尺度时空特征融合网络（MSTFN）与双视角运动感知方法（DMA），通过端到端深度学习框架实现复杂笼养环境下猕猴3D运动轨迹与行为模式的精准量化，为神经机制研究与药物安全评价提供创新技术支撑。

　　

Highlight

本研究创新性提出多尺度时空特征融合网络（Multi-scale Spatial-Temporal Feature-fusion Network, MSTFN），通过帧级空间特征提取器与时空融合单元的协同机制，有效解决典型笼养环境中因遮挡与空间限制导致的运动检测难题。该网络采用多架构共享的空间特征块捕获不同空间分辨率下的静态结构与环境信息，并利用3D卷积整合时序特征，显著增强了对部分遮挡视觉特征的鲁棒性。

主要贡献

• 提出新型MSTFN网络实现笼养环境下端到端动物运动检测，通过动态运动模式与静态空间特征的深度融合，在灵长类行为量化任务中以超60%的参数量削减实现99.5%位置检测平均精度（mAP）与97.2%动作分类准确率

• 首次通过双视角运动感知方法（Dual-view Motion-aware Approach, DMA）结合快速3D拟合算法，实现典型笼养环境下猕猴3D位置与行为的实时检测

• 开源包含15万位置标注与7万动作标注的双视角猕猴行为数据集（DMBD），为遮挡环境下运动检测研究提供宝贵资源

Results

本章首先概述训练流程与性能评估指标，随后介绍MSTFN在DMBD数据集上的消融实验与性能对比。同时探讨不同训练样本量对模型性能的影响，最后展示DMA在分析日常笼养环境中猴子行为模式的应用效果，验证该方法在长期行为分析中的有效性。实验表明MSTFN在位置检测精度上超越现有基线1.4%，动作检测精度提升4.8%，并成功识别出不同年龄组猕猴的显著行为差异。

Discussion

动物行为模式的精准捕获与分析对于理解其生理与心理状态至关重要。传统运动检测方法常受环境复杂性、遮挡问题及对特定物种的高度依赖性所限制。MSTFN的设计通过多尺度空间特征捕获与深度时空融合克服这些局限，其端到端架构不仅降低计算资源需求，更通过双视角互补机制增强三维空间感知能力，为跨物种行为研究提供通用解决方案。

Conclusion

在猕猴行为分析任务中，三维位置与行为的精准检测至关重要。本研究提出的MSTFN通过多尺度分析捕捉姿势细节与环境上下文，结合时序建模解析动态运动模式，成功实现典型笼养受限环境下的精准行为量化。该方法为神经科学研究和药物安全评估提供了高效可靠的技术工具。