La puntuación de la marcha es una medida útil para evaluar la eficiencia de producción de pollos de engorde, el estado de bienestar, la calidad ósea y la fisiología. El objetivo de la investigación fue rastrear y caracterizar los comportamientos locomotores espaciotemporales y tridimensionales de pollos de engorde individuales con puntuaciones de marcha conocidas, utilizando conjuntamente algoritmos de aprendizaje profundo, sensores de profundidad y procesamiento de imágenes. Pollos de engorde Ross 708 fueron colocados en una plataforma diseñada específicamente para la puntuación de la marcha y categorizados manualmente en una de tres puntuaciones numéricas. Se instalaron cámaras normales y de profundidad en el techo para capturar videos e imágenes desde una vista superior. Cuatro aves de cada una de las tres categorías de puntuación de marcha fueron seleccionadas al azar de un total de 70 aves puntuadas para el análisis de video. Se extrajeron y analizaron las trayectorias de movimiento de las aves y 16 métricas de comportamiento locomotor a través de los modelos de aprendizaje profundo desarrollados. El modelo entrenado alcanzó una precisión del 100% y un error cuadrático medio de 3.62 +/- 2.71 mm para rastrear y estimar un punto clave en la espalda del pollo de engorde, lo que indica un rendimiento de reconocimiento preciso. Los pollos de engorde con puntuaciones de marcha más bajas (menos dificultad para caminar) mostraron patrones de oscilación lateral del cuerpo más evidentes, se movieron significativamente o numéricamente más rápido y cubrieron más distancia en cada evento de movimiento que aquellos con puntuaciones de marcha más altas. En conclusión, el método propuesto tuvo un rendimiento aceptable para rastrear pollos de engorde y se encontró que era una herramienta útil para caracterizar las puntuaciones de marcha de pollos de engorde individuales al diferenciar entre comportamientos locomotores espaciotemporales y tridimensionales seleccionados.