本研究提出了人工行为智能（ABI）技术框架，旨在理解和预测人类行为。通过预训练大模型和多模态集成模型，显著提高了行为识别的准确性与可解释性，并分析了实际应用中的挑战，为复杂行为推断提供新思路。

本研究提出了WildLive框架，解决了无人机实时处理高分辨率视频的不足，实现每秒17帧以上的多动物检测与追踪。该系统在高空飞行中有效减少对动物的干扰，为自主飞行控制和行为识别提供新可能。

本研究构建了一个细粒度鸟类视频数据集，包含178段西班牙湿地录制的视频，涵盖13种鸟类和7种行为类别，旨在推动鸟类行为识别与物种分类的研究。

本文综述了足球动作场景理解任务的行为识别、定位和时空动作定位，特别关注了多模态方法的使用和模型性能的评估。文章回顾了利用深度学习技术和传统方法的最新状态，讨论了方法的优点、限制和未来方向。对足球动作场景理解领域感兴趣的研究人员提供了宝贵的资源。

该研究使用深度神经网络研究了多模态行为识别算法，通过整合不同的深度神经网络对视频信息进行适应，成功识别多个模态的行为。实验结果显示该算法在行为识别和行人行为检测的准确度上有显著提升。

本文综述了足球动作场景理解任务的行为识别、定位和时空动作定位，特别关注了使用的模态和多模态方法，并评估模型性能的可公开获取数据源和度量标准。文章回顾了利用深度学习技术和传统方法的最新状态，重点介绍了多模态方法，讨论了方法的优点、限制以及提高模型准确性和鲁棒性的潜力。最后，本文强调了足球动作识别领域中的一些开放性研究问题和未来方向。

我们提出了一种通过人工选择隐私模板的方案来解决行为识别中的隐私保护问题，并利用一种有选择性隐藏属性且引入时间一致性的模糊化方法，该方法不需要重新训练，并在三个广泛使用的数据集上表现出较高的灵活性和性能。

该文介绍了视频监控中检测和跟踪人群以及自动识别他们行为的方法，成功验证了人群事件的识别，并提出了一个正式的事件描述语言。