许多研究表明，我们可以通过猪的日常行为来推断其健康状态，所以如何有效观察「猪」的行为显得极其重要，这可以保证我们在「必要时」采取迅速的干预行动，以保证猪的健康状态。 长时间观察动物的行为很难人工完成，因此通常情况下采取的方案是使用基于传感器的自动化系统。 自动识别系统的使用可以大大简化对猪的行为的研究，尤其是基于计算机视觉的系统。其优势在于，它们可以对目标进行有效的状态评估，同时也不会影响动物的正常行为。近年来，这一方向的研究已经引入了深度学习的方法，并表现出不错的效果。传统意义上的「目标」和「关键点」检测器已被用于检测单个动物。虽然效果良好，但是边界框以及稀疏关键点无法追踪动物的轮廓，从而会导致丢失许多有效信息。