ShumbaBehaviour

这是一个关于狮子加速度计标签的数据集，数据来源于2014年在Bubye Valley Conservancy的8只狮子佩戴的音频项圈。数据集用于支持研究论文，通过动物佩戴的声学传感器提高生物记录器校准和行为分类性能。

This dataset pertains to accelerometer tags for lions, with data sourced from audio collars worn by eight lions in the Bubye Valley Conservancy in 2014. The dataset is utilized to support research papers aimed at enhancing the calibration of biologgers and the performance of behavior classification through acoustic sensors worn by animals.

原始信息汇总

ShumbaBehaviour 数据集概述

数据集描述

• 来源：该数据集来自2014年的Bubye Valley Conservancy，涉及8只狮子。
• 用途：数据集用于支持论文《Listening to lions: animal-borne acoustic sensors improve bio-logger calibration and behaviour classification performance》。

传感器信息

• 加速计数据：以32 Hz的频率连续捕捉。
• 麦克风采样：频率为8 kHz。

标签信息

• 标签类型：包括rest, walk, fast, drink, eat五种行为标签。
• 标签分辨率：每秒一个标签。
• 标签数据量：约20小时的数据被标记。

数据类型

• 总结数据：用于构建随机森林分类器，包含每秒传感器数据的摘要。
• 原始加速计数据：用于训练不需要摘要数据的新分类器，如基于深度学习的分类器。

许可证

• 许可证类型：CC BY-NC-SA 4.0。
• 使用条款：允许复制、重新分发和基于原始数据进行创作，但必须遵守非商业用途和相同方式共享的条件。

引用信息

• 引用文献：Wijers, Matthew, et al. "Listening to lions: animal-borne acoustic sensors improve bio-logger calibration and behaviour classification performance." Frontiers in Ecology and Evolution 6 (2018): 171..

搜集汇总

数据集介绍

构建方式

ShumbaBehaviour数据集的构建基于对狮子行为的深入研究，通过安装在狮子颈部的音频项圈收集加速度计数据。数据采集自2014年布比谷保护区的8头狮子，加速度计以32Hz的频率连续记录数据，同时麦克风以8kHz的采样率捕捉音频。专家通过听取音频为每秒钟的行为分配标签，共标记了约20小时的数据，涵盖了休息、行走、快速移动、饮水和进食五种行为。

特点

ShumbaBehaviour数据集的特点在于其高精度的行为标签和丰富的原始数据。数据集不仅提供了每秒钟的加速度计摘要数据，还包含了原始的加速度计数据，适用于训练新的分类器或进行数据重采样。此外，数据集的行为标签由专家根据音频内容手动标注，确保了数据的准确性和可靠性。这些数据为研究狮子行为及其生态学提供了宝贵的资源。

使用方法

ShumbaBehaviour数据集的使用方法灵活多样，适用于多种研究场景。研究人员可以利用摘要数据构建随机森林分类器，或使用原始加速度计数据开发深度学习模型。数据集还支持数据重采样和不同项圈位置的适应性调整。使用该数据集时，需遵循CC BY-NC-SA 4.0许可协议，确保非商业用途并注明出处。通过引用相关文献，研究人员可以进一步探索狮子行为的复杂性和生态意义。

背景与挑战

背景概述

ShumbaBehaviour数据集创建于2014年，由牛津大学的研究团队主导，主要研究人员包括Matthew Wijers、Paul Trethowan等。该数据集基于布比耶谷保护区的8头狮子，通过音频项圈收集的加速度数据，旨在通过动物携带的声学传感器改进生物记录仪的校准和行为分类性能。该数据集为《Frontiers in Ecology and Evolution》期刊中的研究提供了基础，推动了野生动物行为监测技术的发展，尤其在狮子行为分类领域具有重要影响力。

当前挑战

ShumbaBehaviour数据集在解决狮子行为分类问题时面临多重挑战。首先，行为标签的生成依赖于专家对音频数据的听觉分析，这一过程耗时且易受主观判断影响。其次，加速度数据的采样频率为32Hz，而音频采样频率为8kHz，如何有效融合多模态数据以提升分类精度是一个技术难点。此外，数据集的规模相对有限，仅包含约20小时的标注数据，可能限制了深度学习模型的训练效果。在数据构建过程中，研究人员还需克服野外环境中的设备部署和数据采集难题，确保数据的准确性和连续性。

常用场景

经典使用场景

ShumbaBehaviour数据集在野生动物行为研究中具有重要应用，尤其是在狮子行为分类和生物记录器校准方面。通过结合加速度计和音频传感器数据，研究人员能够精确捕捉狮子的日常行为模式，如休息、行走、快速移动、饮水和进食。这些数据为动物行为学研究提供了高精度的标注信息，极大地提升了行为分类的准确性。

衍生相关工作

基于ShumbaBehaviour数据集，多项经典研究工作得以展开。例如，Wijers等人发表的论文《Listening to lions》展示了如何利用音频传感器改进生物记录器的校准和行为分类性能。此外，该数据集还启发了其他研究团队开发基于深度学习的动物行为分类模型，进一步推动了野生动物行为研究的自动化和智能化发展。

数据集最近研究

最新研究方向

近年来，ShumbaBehaviour数据集在野生动物行为研究领域引起了广泛关注，尤其是在结合生物传感器与机器学习技术进行动物行为分类方面。该数据集通过音频项圈采集的加速度计数据，为狮子行为的精确分类提供了高质量的训练样本。当前的研究热点主要集中在利用深度学习模型对原始加速度数据进行处理，以提高行为识别的准确性和鲁棒性。此外，结合多模态数据（如音频与加速度数据）的研究也逐步成为前沿方向，旨在进一步优化生物传感器的校准与行为分类性能。这一数据集的应用不仅推动了野生动物行为学的定量化研究，还为生态保护与管理提供了重要的技术支持。