Die Idee, die Wissenschaft zu nutzen, um das Innenleben von Tieren, einschließlich des Hundes, zu verstehen und ihm auf den Grund zu gehen, hat die Menschen schon lange fasziniert. Heute arbeiten Forscher daran, herauszufinden, wie Hunde denken und wie sie dafür geschaffen wurden.

Wie wichtig es ist, etwas über das Verhalten von Hunden zu lernen.

Die Menschheit ist seit Beginn der Geschichte von Hunden fasziniert. Ihre Intelligenz und ihre körperlichen Fähigkeiten haben sie seit Jahrtausenden zu einem unverzichtbaren Teil der Gesellschaft gemacht. Sie haben Kinder beschützt, älteren Menschen Gesellschaft geleistet und Jägern geholfen, Beute zu erlegen.

Es ist wirklich fesselnd, das Verhalten seines Hundes zu beobachten und zu lernen. Beobachten, auf die Geräusche und Bewegungen des Hundes hören und seine Körpersprache beobachten, kann für den Besitzer eine Bestätigung sein, dass das, was er tut, Auswirkungen auf das Verhalten seines Hundes hat. Es macht sogar Spaß, einige der grundlegenden Dinge zu beobachten, warum sie tun, was sie tun.

Hunde, die sich daneben benehmen, können sowohl für den Menschen als auch für den Hund Stress verursachen. Ihr Verhalten ist ein wichtiges Zeichen dafür, dass etwas nicht in Ordnung ist, und kann ein Lehrmittel sein, das uns hilft zu lernen, wie sich die Wünsche, Bedürfnisse und Begierden unseres Hundes auf ihn auswirken. Die Forschungsergebnisse des Center for Canine Behavior Studies geben Antworten auf Ihre Fragen, warum sich Ihr Hund daneben benimmt und was Sie tun können, um die verhaltensbedingte Kapitulation zu verringern, indem Sie Lösungen finden und weitergeben, die das Fehlverhalten Ihres Hundes beheben, die Bindung zwischen Mensch und Hund aufrechterhalten und Hunde ein Leben lang in ihrem Zuhause halten.

Die Fortschritte der Hundeverhaltensforscher

Der Ansatz der Verhaltenstherapeuten, Ihrem Hund zu helfen, basiert auf der Überzeugung, dass unsere geliebten Haustiere die Fähigkeit haben, zu denken, zu fühlen und ihr Verhalten zu ändern. Sie lehren uns, wie wir unseren Hunden helfen können, sich besser zu fühlen und das Problem zu lösen, indem wir den emotionalen Stress, der damit verbunden ist, identifizieren und beseitigen und dann einen maßgeschneiderten Plan für uns erstellen, der unseren Hunden stattdessen eine alternative, positivere Verhaltensweise beibringt.

Emotionale Probleme sind der häufigste Grund, warum Haustiere und ihre Besitzer in Tierkliniken behandelt werden. Wenn Sie die Ursachen für negatives Verhalten verstehen und wissen, wie Sie diese beheben können, kann dies den Unterschied zwischen wiederholten Tierarztbesuchen und einer schlechten Lebensqualität für Sie und Ihr Tier bedeuten.

Verhaltenswissenschaftler haben herausgefunden, dass unsere Hunde ein viel besseres Gespür für die soziale Welt haben, als wir bisher angenommen haben. Mit der neuesten verfügbaren Technologie im Jahr 2022 haben wir nun die Möglichkeit, unsere eigenen Forschungen durchzuführen, um mehr über die Sichtweise unserer Hunde auf die Welt zu erfahren!

Die neuesten Informationen über die Erkennung von Hundeverhalten

Mit der fortschrittlichen Technologie, über die unsere Gesellschaft derzeit verfügt, könnte diese Art der Verhaltensdatenauswertung sogar das Potenzial haben, den Fortschritt im Verständnis unserer Hunde zu katapultieren. Laut Professor Nammee Moon und Miss Jina Kim ARTICLE können hundekameras und tragbare Geräte verwendet werden, um multidimensionale Daten für die Erkennung des Hundeverhaltens zu sammeln.

Die Datenerfassung, der Prozess der Verhaltenserkennung und die Vorverarbeitung sind allesamt notwendige Schritte im Prozess der Erkennung von Hundeverhalten. Mit Hilfe von Videoüberwachung und tragbaren Sensoren können Verhaltensdaten von Hunden und deren Aktionen in der Umgebung gesammelt werden. Diese gesammelten Daten können dann vorverarbeitet werden, bevor sie zur Erkennung von Hundeverhalten verwendet werden.

Die Methode basiert auf der Annahme, dass alle Einzelbilder in den Videodaten Informationen über einen einzelnen Hund (oder Sensordaten ein einzelnes Ereignis) enthalten, und stützt sich dann auf eine effiziente Technik zur Kombination von bildbasierten Bewegungsinformationen aus mehreren aufeinanderfolgenden Einzelbildern, die auf dem Kameraverwacklungseffekt basiert. Insbesondere wird die komplexe Beziehung zwischen wahrgenommener Bewegung und Kameraverwacklung mit Hilfe kubischer Regressionsmethoden modelliert, um eine Schätzung der Kameraverwacklung in jedem Bild zu erhalten. Anschließend wird der Algorithmus auf beide Arten von Datensätzen angewandt und auf der Grundlage der Zeit oder ähnlicher Fähigkeiten synchronisiert.

Der in diesem Artikel erwähnte Data-Mining-Prozess ARTICLE umfassen:

• Videodatenerfassung und -vorverarbeitung – Bei dieser Untersuchung handelt es sich um eine Videoanalysestudie eines Haushundes, der von einer IP-hundekamera aufgenommen und zur Erkennung seines Bewegungsbereichs verwendet wurde. Die Ergebnisse wurden mit 20 fps bei einer Auflösung von 1920 × 1080 aufgenommen.

• Sensordatenerfassung und -vorverarbeitung – Die Daten eines dreiachsigen Beschleunigungsmessers und eines dreiachsigen Gyroskops wurden jede Sekunde von einem tragbaren Gerät erfasst, das am Hals eines Hundes getragen wurde. Die gesammelten Daten wurden anhand der Median- und Quartilwerte skaliert, um den Einfluss von Ausreißern auf die vom tragbaren Gerät gesammelten Daten zu minimieren.

“In mehreren Studien wurden statistische Merkmale extrahiert und für die Verhaltenserkennung verwendet. In dieser Studie wurden jedoch nur Merkmale mit geringem Rechenaufwand verwendet, da komplexe Merkmale automatisch extrahiert und in den nächsten Schritt, ein Fusionsmodell, eingegeben wurden. Die in dieser Studie ausgewählten Merkmale (f) waren der Mittelwert (fmean), die Varianz (fvar), die Standardabweichung (fstd), die Amplitude (famp) und die Schiefe (fskew); ihre Gleichungen lauten (1)-(5) für die Datenlänge n und den Datenwert x. Diese Merkmale wurden 30 Mal für die drei Achsen des Beschleunigungsmessers und die drei Achsen des Gyroskops gezählt, und diese Merkmale wurden zusammen mit den Rohdaten zu den Eingabewerten des Fusionsmodells, um festzustellen, wie stark sie die Genauigkeit der Erkennung von Hundeverhalten beeinflussen.”

• Erkennung von Hundeverhalten – Die folgende Abbildung beschreibt das Modell, das auf den multimodalen Daten für die Erkennung von Hundeverhalten basiert und die Merkmale von Videodaten und Sensordaten extrahiert, die als Eingabe zur Berechnung der Wahrscheinlichkeit eines bestimmten Verhaltens dienen. Um die Informationen aus beiden Quellen zu kombinieren, haben wir ihre kombinierten Auswirkungen berechnet.

• Merkmalsextraktion – Faltungsneuronale Netze (CNNs) sind leistungsstarke Werkzeuge für die Bildkategorisierung. In dieser Studie wurde das CNN sowohl für Videodaten als auch für Sensordaten verwendet. CNNs führen eine Faltungsoperation an den Eingabedaten durch, um eine Merkmalskarte zu erstellen. Die Merkmalsextraktion wird an den Zeitseriendaten durchgeführt, indem die Ausgangswerte der CNN-Merkmalskarte als feste Mustervektoren verwendet und eine Maximum-Likelihood-Schätzung über die Zeitserie durchgeführt wird.

• Merkmalsfusionsmodell für die Erkennung von Hundeverhalten – Nach dem Training wurden die Merkmale fusioniert und mit einem CNN-Modell sowie LSTM- und CNN-LSTM-Modellen klassifiziert. LSTM ist eine Art von RNN, die auf Zeitreihen spezialisiert ist und das Problem des verschwindenden Gradienten verbessert. Eine neuere hybride Methode aus CNN und LSTM hat eine gute Leistung bei der Merkmalsextraktion unter Berücksichtigung von Zeitserien gezeigt und wird in der Forschung zur Vorhersage und Klassifizierung in verschiedenen Bereichen eingesetzt.

Schlussfolgerungen:

Der vorgeschlagene Ansatz, von diesem ARTICLE basiert auf einer multimodalen datenbasierten Verhaltenserkennung von Hunden durch die Verschmelzung von Videodaten einer hundekamera und Sensordaten (Beschleuniger, Gyroskop) eines tragbaren Geräts. Die gesammelten Daten betrafen Hunde, und sieben Verhaltenstypen (Stehen, Sitzen, Liegen mit erhobenem Kopf, Liegen ohne erhobenen Kopf, Gehen, Schnüffeln und Laufen) wurden nach einer Vorverarbeitung entsprechend den Merkmalen der einzelnen Datentypen erkannt. Es wurde gezeigt, dass der vorgeschlagene Ansatz bei vier von fünf ausgewählten Aufgaben im Freien eine genaue Erkennung ermöglicht.

Quelle:

Dieser Beitrag ist abrufbar unter https://www.mdpi.com/2076-3417/12/6/3199/htm