杨斌，段昶 ，陈鹏

（1. 西南石油大学电气信息学院，成都 610500；2. 成都大熊猫繁育研究基地，四川省濒危野生动物保护生物学重点实验室，成都 610086）

大熊猫Ailuropoda melanoleuca是我国特有的珍稀物种，有“活化石”和“中国国宝”等美誉，其保育工作受到国家和公众的高度关注（王晓，张晋东，2019）。人们一直在探寻大熊猫行为模式，以增进对其的了解并制定对应的保护策略。大熊猫的姿态分析是行为模式研究的重要组成内容，识别大熊猫姿态是研究其行为的基础（侯金等，2020）。传统人眼直接观察大熊猫行为效率低下，且需要长期专业知识储备和经验累积（刘赫等，2022）。将目标检测技术用于自动识别大熊猫姿态和开展大熊猫行为研究，能更准确、及时掌握大熊猫状态，提高大熊猫种群饲养管理和保育水平。

动物姿态识别领域已经取得了丰硕的成果，薛月菊等（2018）提出一种改进的Faster RCNN（Renet al.，2017）基于哺乳母猪姿态的识别算法，对主干网络设计新的残差结构和引入中心损失函数，平均精度达到93.25%；刘龙申等（2022）提出一种围产期母猪姿态的识别方法，利用EfficientDet（Tanet al.，2020）网络进行识别，平均精度达93.97%；许成果等（2022）提出一种自注意力机制与无锚点的仔猪姿态识别方法，使用Swin Transformer（Liuet al.，2021）作为基础网络，提取仔猪图像的局部和全局特征，设计了一个特征增强模块进行多尺度特征融合，最后将融合后的特征图输入检测头进行仔猪的定位和姿态识别，识别精度达到95.68%；林梦翔等（2022）提出一种基于全局与随机局部特征融合的鸟类姿态识别模型，通过不同尺度的特征融合获取全局特征，裁剪图片获取局部特征，两者融合进行鸟类姿态识别。……