人工智能驱动的活动识别已被用来消除走路风格中的情绪，估计房间中有多少人，并仅从开始和结束帧创建视频。但这还不是全部。在发表的新论文（“ 识别野生动物群体行为的框架 ”）中，伊利诺伊大学，意大利米兰理工大学和加利福尼亚大学戴维斯分校的科学家提出了一个统计框架用于识别野生动物群体的行为。他们说，在初步实验中，与基线方法相比，它显示出“显着更好”的分类准确性。

共同作者写道：“了解动物的行为对于回答动物（包括人类）为什么做自己的事情这一基本问题至关重要。” “最近，生物学家开始使用可穿戴技术，例如GPS，加速度计和无线电传感器来跟踪动物及其活动。但是，收集的原始数据不是人类可解释的，需要进行处理以提取行为模式……活动识别模型可用于了解原始时间序列与通过观察或其他方式收集的行为注释之间的关系。”

正如研究人员所解释的那样，时间序列分类（即，连续时间获得的数量值的分类，通常彼此之间具有相等的间隔）最常使用时间序列分析或机器学习来解决。前者基于原始信号的显式描述，而后者则根据输入数据自动推断特征。

研究人员的方法采用了两个步骤的序列分析过程：首先，他们为给定的语料库选择“最佳”全局时间分辨率（相对于时间的测量分辨率），然后通过提取拓扑来对动物群体之间的社会关系进行编码。和与分类相关的关系组件。

在实验中，研究小组获得了狒狒小组活动的公开数据集，其中包含跟踪35天的26只动物。他们根据接近度定义了狒狒的社交网络，因此彼此之间相距两米以内的狒狒被认为是互动的。

研究人员报告说，他们的方法比以前的方法实现了大约10％的准确性，并且添加社交信息导致比初始结果提高了7％。

共同作者写道：“我们对真实数据集的评估表明，提出的框架可以更好地识别野生动物群体的复杂行为动态，”他们说，他们计划在未来的工作中包括其他数据集。“我们目前正在努力将时间分辨率步骤扩展到一种更动态的方法，从而允许使用不同的时间步长，这将有助于更好地识别每种不同行为的关键组成部分。”