동물 행동의 정확한 모니터링은 동물 복지 평가와 동양흰손긴팔원숭이(Hoolock leuconedys)처럼 취약한 종의 보전 전략 수립에 있어 매우 중요합니다. 본 연구는 포획 환경에서의 수동 관찰 및 단일 프레임 분석의 한계를 극복하기 위해 이 종을 위한 최초의 인간 주석이 달린 시공간 행동 데이터셋을 개발하고, SE 주의 기제와 GELAN이 통합된 YOWOvG라는 개선된 딥러닝 모델을 제안했습니다. '휴식', '사회화', '등반', '걷기'라는 네 가지 행동을 포함한 69,919개의 라벨 프레임에서 훈련된 YOWOvG는 비디오 기반 인식에서 85.20%의 Frame-mAP를 달성했습니다. 이는 베이스라인 결과 대비 6.3%의 개선이며, 계산 효율성은 유지하였습니다. 이 모델은 시간적 역학과 공간적 맥락을 효과적으로 포착하여 데이터 불균형에도 불구하고 등반과 걷기 인식을 크게 개선했습니다. 결과는 구조 센터에서 자동화되고 비침습적인 비디오 모니터링이 미묘한 행동 변화를 감지하여 복지 평가를 향상시킬 수 있는 잠재력을 보여줍니다. 향후 연구에서는 행동 범주를 확장하고, 반복적 행동을 다루며, 포괄적인 모니터링을 위한 오디오 큐를 통합할 예정입니다. 이 접근 방식은 포획 야생동물의 행동 중심 관리에 대한 확장 가능한 프레임워크를 제공합니다.