动物行为是人类常见但又机理复杂的自然现象。自古以来，人类执着于观察动物行为了解动物习性。人们不仅对身边的宠物行为表现好奇，甚至有强烈的依赖感；人类更是关心如何通过观察行为来判断家养动物的健康状态；甚至，人们想要知道实验动物各种行为特征所反映的深层次的医学指标。动物行为研究历经百年发展，已将进化物学、生态学、感官科学、保护生物学、生理学、遗传学和神经生物学等领域的知识逐渐整合、融入其中，这也日益凸显其研究的复杂性。但是，对动物的行为进行准确、系统的观察记录，并精准的定量分析依旧是动物行为学研究的基础，只有精准的行为量化，才能深刻挖掘其发生的规律。

百年来，人们一直通过肉眼观察来记录和研究动物行为，近几十年，研究人员越来越多地依赖视频记录来更精细的研究行为学，让人类获得了更广更深的认识。尽管视频数据可通过专业软件辅助分析，但要观察仅仅几天的动物行为视频，则仍需要花费多达百小时人工反复审查，更别说对于环境复杂和数量众多的野生动物了。这种耗时低效的工作，严重制约了对动物各种行为规律的认知。尤其在观察和测量复杂场景下野生动物的行为时，自动化的行为监测和分析更是面临严峻挑战。

复杂场景下野生动物行为的识别面临共性问题的挑战：首先，哺乳动物行为通常由多样化的姿势和动作模式组成，以往没有为每个行为中每个动作和姿势组合分配独立标签。其次，动物行为具有连续性和交互性，同一类型的行为时间跨度变异大，从几秒到数十分钟不等，自动精准确定起始和终止时间仍十分困难。最后，行为在物种间和物种内均存在差异，观察者的主观性会极大的影响观测的精准性和一致性，难以做到以有效识别、测量和比较不同动物类群的行为模式。

为解决行为智能分析中面临的共性难题，西北大学郭松涛教授团队基于行为学分析原理，从行为的结构分析，利用人工智能技术，设计了自动识别与测量AI框架（图1），融合“猴脸识别”技术，最终实现了野生动物行为精准自动识别与测量，以及自动汇报行为节律和时间分配结果的行为自动化监测的技术突破。该技术在四大类动物（灵长目、食肉目、奇蹄目、偶蹄目）10种代表性野生动物上得到了完美验证。该技术可广泛应用于圈养动物管理、野生动物习性分析和医用动物健康和福利监测。

为促进技术更快迭代，并为动物行为学后来者的研究提供专业的基础数据参考和智能分析平台服务，团队将该框架和代码开源，（见原文说明文件），并发表在中科院一区Top期刊《Integrative Zoology》。文章链接：http://doi.org/10.1111/1749-4877.12985。

本研究受到国家重点研发计划（2024YFF1307302）、国家自然科学基金（32220103002, 32371563, 32370534, 61973250, 62373300, and 32070453）、陕西省创新支持计划（S2021-ZC GHID-0013)与西安市科技计划（2023JH-GHZ1-0004）资助。西北大学许鹏飞教授、李保国教授和郭松涛教授为文章的共同通讯作者。感谢陕西观音山国家级自然保护区、西安秦岭野生动物世界、南京红山森林动物园、广州动物园、重庆动物园、杭州动物园对本研究在数据采集方面提供的大力支持。