Detecção e rastreamento de objetos aplicados na análise da comunicação visual em lagartos.

Abstract

A análise da comunicação visual em lagartos do gênero Tropidurus na área da etologia enfrenta desafios metodológicos, uma vez que a observação manual é um processo demorado, subjetivo e sujeito a inconsistências. Embora abordagens automatizadas anteriores tenham sido propostas, elas carecem de uma validação quantitativa rigorosa de sua etapa de detecção, deixando uma lacuna sobre sua real precisão e robustez. Este trabalho propõe-se a aprimorar a detecção e o rastreamento da movimentação da cabeça desses animais em vídeos, visando possibilitar uma extração de sinais de comunicação mais precisa para estudos comportamentais. Para tal, investigase o potencial de arquiteturas modernas de visão computacional, com foco no modelo YOLOv12 para detecção e em sua integração com o rastreador Filtro de Kalman. A metodologia adotada comparou o desempenho da arquitetura YOLOv12 contra o modelo baseline YOLOv5 e avaliou o uso dos algoritmos de rastreamento BoT-SORT e ByteTrack, que usam o Filtro de Kalman, para garantir a continuidade dos dados ao longo do tempo. Os resultados mostraram a superioridade do YOLOv12, que aumentou a revocação da classe "Head"de 0,809 para 0,915 e melhorou a precisão do ajuste das caixas delimitadoras, obtendo um mAP50-95 de 0,471 para 0,619. Na etapa de rastreamento, o sistema detectou o animal em 100% dos quadros nos vídeos de teste, garantindo a manutenção da identidade e a estabilidade necessária para calcular a angulação entre a cabeça e o corpo. Conclui-se que o sistema desenvolvido é uma ferramenta robusta, capaz de gerar dados consistentes para estudos comportamentais, superando dificuldades como camuflagem e variações do ambiente.