Heim > Artikel > Technologie-Peripheriegeräte > Wofür wird die Gesichtserkennungstechnologie von Tieren eingesetzt?
Technologie, die Tiere genau identifizieren kann, kann dazu beitragen, Besitzer mit verlorenen Tieren wieder zusammenzuführen, Landwirten bei der Überwachung von Nutztieren zu helfen und Forschern bei der Erforschung von Wildtieren zu helfen. Historisch gesehen waren Mikrochips in dieser Hinsicht die beliebteste Methode zur Tieridentifizierung. Die Implantation des Chips erfordert jedoch einen invasiven chirurgischen Eingriff. Sie können ohne spezielle Ausrüstung nicht gelesen werden und Diebe können die Mikrochips entwenden. Eine weitere Methode ist die DNA-Analyse, die genau, aber auch sehr teuer und zeitaufwändig ist.
Tiergesichtserkennung (manchmal nicht nur Gesichter) mithilfe von Computer-Vision-Lösungen kann als praktikable Alternative zu den oben genannten Methoden dienen. Obwohl diese Technologie ihre Mängel aufweist, kann sie in bestimmten Situationen ein hohes Maß an Genauigkeit aufweisen. Wie funktioniert die Gesichtserkennung von Tieren? Wo liegen die Herausforderungen, die die Weiterentwicklung dieser Technologie behindern?
Fotografieren Sie Tiere mit einer hochauflösenden Kamera. Einige Algorithmen funktionieren nur bei vordefinierten Posen, daher müssen Bilder ausgewählt werden, die diese Kriterien erfüllen.
Merkmalsextraktion:Bewerten Sie die Eignung der biometrischen Daten des Tieres und führen Sie bei Bedarf eine Vorverarbeitung durch. Der Algorithmus extrahiert dann den für die Erkennung erforderlichen Funktionsumfang.
Abgleich:Die extrahierten Merkmale werden mathematisch dargestellt und mit anderen Bildern abgeglichen. Wenn wir beispielsweise in einer Datenbank für verlorene Haustiere nach einem Hund suchen, gleichen wir die einzigartigen Eigenschaften des Hundes mit allen Tieren in der Datenbank ab. Mehrere Möglichkeiten, den Abgleich durchzuführen. Eine Methode besteht darin, Algorithmen wie KNN und DBSCAN zum Clustering zu verwenden, um eine Reihe von Bildern zu erhalten, die unserem Zielbild sehr nahe kommen, und der Benutzer kann das am besten geeignete Bild manuell auswählen. Alternativ können probabilistische Methoden verwendet werden, um die Endergebnisse als Konfidenzniveaus auszudrücken.
Auf der Suche nach einem verlorenen Haustier
Diese Tiergesichtserkennungslösung identifiziert Hunde anhand ihrer Nasenspitze, Hautfarbe und Fellart. Tierhalter werden gebeten, mindestens drei Fotos hochzuladen, um ein „persönliches Profil“ ihres Tieres zu erstellen. Derzeit kann das Programm 130 Hunderassen mit einer Genauigkeit von 90 % identifizieren.
PiP:Dieses Tieridentifizierungsunternehmen hat eine App entwickelt, mit der Tierhalter sich registrieren und Fotos ihrer Tiere hochladen können. Das System analysiert ihre einzigartigen Gesichtszüge. PiP behauptet, dass es jede verlorene Katze und jeden verlorenen Hund identifizieren kann, wenn der Besitzer weitere Informationen wie Geschlecht, Größe und Gewicht bereitstellt. Wer ein verlorenes Haustier findet, kann über die App auch den Besitzer ausfindig machen. Die Lösung von PiP durchsucht außerdem soziale Medien kontinuierlich nach Beiträgen zu Haustieren und sendet Benachrichtigungen über vermisste Haustiere an Bewohner relevanter Gemeinden.
Love Lost:Love Lost von Petco ist eine weitere App, die Tierhaltern und Tierheimen hilft. Besitzern wird empfohlen, Profile ihrer Haustiere zu erstellen, damit die Software, wenn ein Haustier vermisst wird, damit beginnen kann, die biometrischen Informationen des Tieres neuen Tierheimmitgliedern und anderen Haustierkandidaten zuzuordnen. Bestimmte Tiere erkennen
Um das Foto der Katze aufzunehmen, verwendete Garro eine kleine Kamera und einen Raspberry Pi mit Bewegungserkennungssoftware. Wenn sich ein Tier der Kamera nähert, wird ein Foto aufgenommen und an die AWS-Erkennungsplattform gesendet, um es mit anderen von Garro hochgeladenen Fotos der Katze zu vergleichen. Bei einer Übereinstimmung wird der Techniker benachrichtigt.
Microsoft hat außerdem ein Internet-of-Things-Gerät (IOT) entwickelt, das Tiererkennung durchführen und mit dem Haustierportal verbunden werden kann. Sobald es erkennt, dass es sich um Ihr Haustier handelt, öffnet das Gerät die Tür und lässt es herein.
Unterstützung der wissenschaftlichen Forschung – Gesichtserkennung von Delfinen
Von den 150 Versuchspersonen hatten nur 31 Delfine vollständige Profile (d. h. klare Fotos der linken und rechten Seite des Gesichts und der Rückenflossen). Die Studie stützte sich auf menschliche Expertenmeinungen und statistische Methoden, um Ähnlichkeiten zwischen verschiedenen Bildern desselben Delfins festzustellen.
Experimentelle Ergebnisse zeigen, dass die Gesichtszüge von Delfinen über die Zeit hinweg konstant bleiben und zu Identifizierungszwecken verwendet werden können. Die Fähigkeit, Jungtiere auch im Erwachsenenalter zu identifizieren, hat die Erforschung von Delfinen erheblich erleichtert.
Die Identifizierung von Nutztieren ist ein anspruchsvoller Prozess. Bei Schweinen ist es schwieriger, weil alle Schweine gleich aussehen. Aber Kühe sind etwas Besonderes. Sie sind schwarz und weiß und haben unterschiedliche Formen. Bei Kühen stellt sich jedoch eine weitere Herausforderung: Wo sollen die Kameras installiert werden? Kühe sind neugierige Tiere und bemerken selbst kleinste Veränderungen in ihrer Umgebung. Sie versuchen oft, die Kamera zu lecken oder auf andere Weise mit ihr zu interagieren.
Aber der Aufbau eines Systems, das einzelne Kühe identifizieren kann, wird den Landwirten enorm helfen. Diese Lösung gleicht die Gesundheit und Ernährungsgewohnheiten eines Tieres mit der Identität des Tieres ab. Mithilfe künstlicher Intelligenz wird es in der Lage sein, Anzeichen von Krankheiten und abnormalem Verhalten zu erkennen und Landwirte im Notfall zu benachrichtigen.
Die Kernalgorithmusplattform von Beijing Xiangchuang Technology hat die Datenerfassung und Gesichtserkennung von Schweinen, Rindern, Schafen, Eseln und anderen Nutztieren realisiert und mehr als zig Millionen Gesichtsdaten von Nutztieren gesammelt. Es unterstützt Landwirte nicht nur bei der Durchführung eines verfeinerten Zuchtmanagements, sondern unterstützt auch Banken, Versicherungen und andere Finanzinstitute bei der Einrichtung von Risikobewertungs- und Frühwarnsystemen bei der Geschäftstätigkeit in der Zuchtindustrie.
Die Gesichtserkennungstechnologie für Tiere hinkt der derzeit recht fortschrittlichen Gesichtserkennungstechnologie für Menschen weit hinterher. Forscher begannen vor etwa vier Jahren mit der Gesichtserkennung von Tieren zu experimentieren, doch die Genauigkeit gängiger Techniken ist immer noch recht gering. Andererseits können Lösungen mit einem bestimmten Zweck, beispielsweise der Identifizierung eines bestimmten Tieres, genau sein.
Unternehmen, die Gesichtserkennungslösungen für Tiere implementieren möchten, müssen drei Hauptherausforderungen berücksichtigen:
Wissenschaftler haben einen Merkmalsvektor spezifiziert, der für die eindeutige Gesichtserkennung verwendet werden kann. Bei Tieren funktioniert der gleiche Ansatz jedoch nicht, weil wir nicht wissen, welche Funktionen wir nutzen müssen und wie wir sie interpretieren sollen. Wenn Wissenschaftler beispielsweise mit Menschen arbeiten, können sie Variational Autoencoder (VAE)-Architekturen verwenden, um Merkmale aus Gesichtern zu extrahieren. Bei dieser Methode wird ein Foto einer Person in einen Vektor komprimiert, der die gewünschten Merkmale wie Hautton und Gesichtsausdruck enthält.
Für die Gesichtserkennung von Tieren gibt es derzeit keine zuverlässigen Merkmalsvektoren. Die Lösung der Herausforderung eines zuverlässigen Merkmalsvektors wird die Forschung auf diesem Gebiet erheblich voranbringen.
Ein Open-Source-Beispiel in dieser Hinsicht ist DogFaceNet, eine Deep-Learning-basierte Implementierung der Hundeerkennung. Es nutzt die Augen und die Nase des Hundes als Funktionssatz. Diese Lösung funktioniert einigermaßen gut, wenn das Gesamtziel darin besteht, Hunderassen zu unterscheiden, aber wenn es darum geht, einzelne Tiere zu unterscheiden, schneidet sie eher schlecht ab.
Ein weiteres Beispiel ist die Verwendung des Local Binary Pattern Histogram (LBPH)-Algorithmus, der Bilder in Pixel umwandelt, indem er die Pixelwerte verschiedener Bilder vergleicht. Diese Methode hängt von der Körperhaltung des Tieres ab, wodurch es empfindlich auf Haltungsänderungen reagiert.
Für Menschen ist es einfach, eine bestimmte Pose einzunehmen und still zu sitzen. Komplizierter wird es jedoch, wenn wir versuchen, eine Katze oder einen Hund dazu zu bringen, in einer bestimmten Position ruhig zu bleiben.
Damit das Training effektiv ist, müssen die Daten vielfältig sein und alle Aufgaben abdecken, die der Algorithmus ausführen soll. Wenn der Algorithmus beispielsweise verschiedene Hunderassen identifizieren soll, sollte der Datensatz alle aus verschiedenen Blickwinkeln erfassten Rassen ausreichend abdecken und entsprechend gekennzeichnet sein. Hier kann einiges schief gehen. Beispielsweise könnte jemand ein Bild einer Mischlingsrasse einreichen, und jemand könnte sein Bild falsch beschriften und den falschen Rassennamen zuordnen. Um solche Probleme zu vermeiden, müssen Experten alle Fotos im Datensatz einzeln überprüfen, um die Echtheit des Bildes und die Richtigkeit der Beschriftungen zu überprüfen.
Fortschritte auf dem Gebiet der Gesichtserkennung von Tieren wurden behindert, weil Forscher immer noch nicht die optimale Kombination von Merkmalen bestimmen können, die zur genauen Identifizierung von Tieren im großen Maßstab verwendet werden können. Dennoch gibt es einige erfolgreiche Anwendungen, die auf begrenzten Daten basieren, beispielsweise zur Identifizierung eines bestimmten Tieres oder einer kleinen Gruppe von Haus- oder Wildtieren.
Wenn Sie Ihr eigenes Tiergesichtserkennungssystem aufbauen, denken Sie daran, dass Tiere unkooperative biometrische Benutzer sind. Einige werden darauf bestehen, die Kamera abzulecken, andere weigern sich, aufzustehen und Fotos zu machen.
Das obige ist der detaillierte Inhalt vonWofür wird die Gesichtserkennungstechnologie von Tieren eingesetzt?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!