동물 행동의 정확한 모니터링은 복지를 평가하고 동부 후록 긴팔원숭이(Hoolock leuconedys)와 같은 취약한 종에 대한 보존 전략을 마련하는 데 매우 중요합니다. 포획된 환경에서 수동 관찰과 단일 프레임 분석의 제한점을 극복하기 위해, 이 연구는 이 종을 위한 최초의 인간 주석이 추가된 시공간 행동 데이터셋을 개발하고, 향상된 특징 추출을 위한 SE 주의 메커니즘과 GELAN을 통합한 개선된 딥 러닝 모델인 YOWOvG를 제안했습니다. 네 가지 행동(휴식, 사회화, 등반, 걷기)에 걸쳐 69,919개의 레이블된 프레임을 학습시킨 YOWOvG는 비디오 기반 인식에서 85.20%의 프레임-mAP를 달성했습니다. 이는 기본 결과에 비해 6.3% 향상되었으면서도 계산 효율성을 유지하고 있습니다. 이 모델은 시간적 역학과 공간적 맥락을 효과적으로 포착하여 데이터 불균형에도 불구하고 등반과 걷기의 인식을 크게 향상시켰습니다. 이 결과는 구조 센터에서 미세한 행동 변화를 감지하여 복지 평가를 향상시킬 수 있는 자동화되고 비침습적인 비디오 모니터링의 잠재력을 보여줍니다. 향후 연구에서는 행동 범주를 확장하고, 상동 행동을 다루며, 총체적 모니터링을 위해 오디오 큐를 통합할 것입니다. 이 접근 방식은 포획된 야생 동물의 행동 기반 관리를 위한 확장 가능한 프레임워크를 제공합니다.