基于改进慢快网络的猕猴多行为识别方法

猕猴作为药物安全性评估中常见的动物模型，其行为反映它用药前后的健康情况，可以揭示出药物产生的副作用。目前，研究人员通常利用人工对猕猴的行为进行观察，该方式无法实现不间断的24 h监测。因此，急需发展一种方法体系实现对猕猴行为的24 h观测和识别。针对此问题，本文构建了一个包含九类猕猴行为的视频数据集（MBVD-9），并在此数据集的基础上提出一种名为基于变换器（Transformer）增强的慢快网络（SlowFast）用于猕猴行为识别（TAS-MBR）。具体地说，TAS-MBR网络在SlowFast的基础上将其快支路输入的红绿蓝（RGB）色彩模式帧转化为残差帧，并在卷积操作之后引入了变换器模块，更有效地提取了运动信息。结果显示，TAS-MBR网络对猕猴行为的平均分类准确率为94.53%，较原有的SlowFast有明显提升，证明了本文所提方法在猕猴行为识别方面的有效性和优越性。这项工作为猕猴行为的不间断的观测和识别提供了新的思路，奠定了药物安全评价中进行用药前后猕猴行为计算的技术基础。