Apakah kegunaan teknologi pengecaman muka haiwan?

Teknologi yang boleh mengenal pasti haiwan dengan tepat boleh membantu menyatukan semula pemilik dengan haiwan yang hilang, membantu petani memantau ternakan dan membantu penyelidik mengkaji hidupan liar. Dari segi sejarah, mikrocip telah menjadi kaedah pengenalan haiwan yang paling popular dalam hal ini. Walau bagaimanapun, menanam cip memerlukan pembedahan invasif. Mereka tidak boleh dibaca tanpa peralatan khusus, dan pencuri boleh mengekstrak cip mikro. Kaedah lain ialah analisis DNA, yang tepat tetapi juga sangat mahal dan memakan masa.

Pengecaman muka haiwan (kadangkala tidak terhad kepada muka sahaja) yang dikuasakan oleh penyelesaian penglihatan komputer boleh berfungsi sebagai alternatif yang berdaya maju kepada kaedah di atas. Walaupun ia mempunyai kekurangannya, teknologi ini boleh menunjukkan tahap ketepatan yang tinggi dalam situasi tertentu. Jadi, bagaimanakah cara pengecaman muka haiwan berfungsi? :

Tangkapan Imej:

Ambil foto haiwan itu dengan kamera resolusi tinggi. Sesetengah algoritma hanya berfungsi pada pose yang dipratentukan, jadi imej yang memenuhi kriteria ini mesti dipilih.

Pengeluaran Ciri: Nilai data biometrik haiwan untuk kesesuaian dan lakukan prapemprosesan jika perlu. Algoritma kemudian mengekstrak set ciri yang diperlukan untuk pengecaman.

Padanan: Ciri yang diekstrak diwakili secara matematik dan dipadankan dengan imej lain. Contohnya, jika kami mencari anjing dalam pangkalan data haiwan kesayangan yang hilang, kami memadankan ciri unik anjing itu kepada semua haiwan dalam pangkalan data.

Beberapa cara untuk melakukan padanan. Satu kaedah ialah menggunakan algoritma seperti KNN dan DBSCAN untuk pengelompokan bagi mendapatkan set imej yang sangat hampir dengan imej sasaran kami, dan pengguna boleh memilih imej yang paling sesuai secara manual. Sebagai alternatif, kaedah probabilistik boleh digunakan untuk menyatakan keputusan akhir sebagai tahap keyakinan. Mencari haiwan kesayangan yang hilang

Kehilangan haiwan peliharaan amat menyayat hati pemiliknya. Dan mengikut statistik, ini lebih biasa daripada yang orang fikirkan. Di Amerika Syarikat, satu daripada tiga anjing dan kucing rumah hilang pada satu ketika dalam hidup mereka, dan 80% daripada mereka tidak pernah dipulihkan. Terdapat beberapa alat berdasarkan pengecaman muka haiwan peliharaan yang boleh membantu pemilik mencari rakan mereka yang hilang.

ForPaws:

Penyelesaian pengecaman muka haiwan ini mengenal pasti anjing berdasarkan hujung hidung, warna kulit dan jenis bulunya. Pemilik haiwan diminta memuat naik sekurang-kurangnya tiga foto untuk membuat "profil peribadi" haiwan mereka. Pada masa ini, program ini boleh mengenal pasti 130 baka anjing dengan ketepatan 90%.

PiP: Syarikat pengenalan haiwan ini telah membangunkan aplikasi yang membolehkan pemilik haiwan mendaftar dan memuat naik foto haiwan mereka. Sistem menganalisis ciri wajah unik mereka. PiP mendakwa ia boleh mengenal pasti setiap kucing dan anjing yang hilang jika pemilik memberikan lebih banyak maklumat, seperti jantina, saiz dan berat.

Sesiapa yang menjumpai haiwan peliharaan yang hilang juga boleh menggunakan apl untuk mencari pemiliknya. Penyelesaian PiP juga sentiasa mengimbas media sosial untuk siaran haiwan kesayangan dan menghantar makluman haiwan kesayangan yang hilang kepada penduduk dalam komuniti yang berkaitan.

Love Lost:

Love Lost by Petco ialah apl lain yang membantu pemilik haiwan peliharaan dan tempat perlindungan haiwan kesayangan. Pemilik dinasihatkan untuk membuat profil haiwan kesayangan mereka supaya apabila haiwan peliharaan hilang, perisian itu boleh mula memadankan maklumat biometrik haiwan itu kepada ahli perlindungan baharu dan haiwan peliharaan calon lain.

Kenali haiwan tertentu Kadangkala, masuk akal untuk melatih algoritma untuk mengenali haiwan tertentu. Contohnya, pemilik haiwan boleh mendapat manfaat daripada sistem yang mengenal pasti haiwan mereka dengan tepat dan mengambil tindakan yang sewajarnya, seperti menghantar penggera atau membuka pintu untuk membenarkan haiwan itu masuk. Arkaitz Garro, seorang jurutera hadapan di WeTransfer, membangunkan penyelesaian pengecaman muka haiwan yang boleh mengenal pasti kucing jiran dan menghantar amaran kepada Garro apabila kucing itu muncul di pintu.

Untuk menangkap foto kucing itu, Garro menggunakan kamera kecil dan Raspberry Pi dengan perisian pengesanan gerakan. Apabila haiwan menghampiri kamera, foto diambil dan dihantar ke platform pengecaman AWS untuk dibandingkan dengan foto kucing lain yang dimuat naik oleh Garro. Jika ada perlawanan, jurutera akan diberitahu.

Microsoft juga telah membangunkan peranti Internet of Things (IOT) yang boleh melakukan pengecaman haiwan dan boleh disambungkan ke pintu masuk haiwan peliharaan. Setelah ia menyedari bahawa ia adalah haiwan kesayangan anda, peranti itu membuka pintu dan membenarkannya masuk.

Membantu penyelidikan saintifik - pengecaman muka ikan lumba-lumba

Selain mengenal pasti haiwan isi rumah, algoritma pengecaman muka juga boleh digunakan untuk mengenal pasti spesies lain. Satu kajian yang diterbitkan dalam Journal of Marine Mammal Science melihat satu set ciri yang diperlukan untuk mengenal pasti ikan lumba-lumba. Penyelidik menjejaki dan mengambil gambar 150 ikan lumba-lumba hidung botol selama 12 tahun. Pasukan penyelidik ingin menilai idea menggunakan muka ikan lumba-lumba dan sirip punggung untuk pengecaman sepanjang hayatnya.

Di antara 150 subjek eksperimen, hanya 31 ikan lumba-lumba mempunyai profil lengkap (iaitu, gambar jelas bahagian kiri dan kanan muka dan sirip punggung). Kajian itu bergantung pada pendapat pakar manusia dan kaedah statistik untuk mengesan persamaan antara imej berbeza lumba-lumba yang sama.

Hasil eksperimen menunjukkan bahawa ciri muka ikan lumba-lumba kekal konsisten dari semasa ke semasa dan boleh digunakan untuk tujuan pengenalan. Keupayaan untuk mengenal pasti anak anjing walaupun mereka dewasa telah memudahkan kajian ikan lumba-lumba.

Membantu petani memantau ternakan

Mengenal pasti haiwan ternakan boleh menjadi satu proses yang mencabar. Dengan babi, ia lebih sukar kerana semua babi kelihatan sama. Tetapi lembu agak istimewa Ia hitam dan putih dan mempunyai bentuk yang berbeza. Walau bagaimanapun, apabila ia datang kepada lembu, satu lagi cabaran timbul - di mana untuk memasang kamera. Lembu adalah haiwan yang ingin tahu dan akan melihat walaupun perubahan terkecil dalam persekitaran mereka. Mereka sering cuba menjilat atau sebaliknya berinteraksi dengan kamera.

Tetapi membina sistem yang boleh mengenal pasti lembu individu akan sangat membantu penternak. Penyelesaian ini memadankan kesihatan haiwan dan corak pemakanan dengan identiti haiwan tersebut. Dipertingkatkan dengan kecerdasan buatan, ia akan dapat mengesan sebarang tanda penyakit dan tingkah laku yang tidak normal dan memberitahu petani sekiranya berlaku kecemasan.

Platform algoritma teras Teknologi Xiangchuang Beijing telah merealisasikan pengumpulan data dan pengecaman muka babi, lembu, biri-biri, keldai dan ternakan lain, dan telah mengumpul lebih daripada 10 juta data muka ternakan. Ia bukan sahaja membantu petani menjalankan pengurusan pembiakan yang halus, tetapi juga membantu bank, insurans dan institusi kewangan lain untuk mewujudkan penilaian risiko dan sistem amaran awal apabila menjalankan perniagaan dalam industri pembiakan.

Cabaran dalam Melaksanakan Teknologi Pengecaman Muka Haiwan

Teknologi pengecaman muka untuk haiwan jauh ketinggalan daripada teknologi pengecaman muka yang cukup canggih untuk manusia pada masa ini. Penyelidik mula bereksperimen dengan pengecaman muka haiwan kira-kira empat tahun lalu, tetapi ketepatan teknik biasa masih agak rendah. Sebaliknya, penyelesaian dengan tujuan tertentu, seperti mengenal pasti haiwan tertentu, boleh menjadi tepat.

Syarikat yang ingin melaksanakan penyelesaian pengecaman muka haiwan perlu mempertimbangkan tiga cabaran utama:

Menentukan set ciri optimum

Saintis telah menentukan vektor ciri, Boleh digunakan untuk unik pengecaman muka. Walau bagaimanapun, pendekatan yang sama tidak berfungsi untuk haiwan kerana kita tidak tahu ciri yang perlu kita gunakan dan cara mentafsirnya. Contohnya, apabila bekerja dengan orang ramai, saintis boleh menggunakan seni bina autoencoders variasi (VAE) untuk mengekstrak ciri daripada wajah. Dalam kaedah ini, foto seseorang dimampatkan menjadi vektor yang mengandungi ciri yang diingini, seperti ton kulit dan ekspresi muka.

Mengenai pengecaman muka haiwan, pada masa ini tiada vektor ciri yang boleh dipercayai. Menyelesaikan cabaran vektor eigen yang boleh dipercayai akan memajukan penyelidikan dalam bidang ini.

Contoh sumber terbuka dalam hal ini ialah DogFaceNet, yang merupakan pelaksanaan pengecaman anjing berasaskan pembelajaran mendalam. Ia menggunakan mata dan hidung anjing sebagai set ciri. Penyelesaian ini berfungsi dengan baik jika matlamat keseluruhannya adalah untuk membezakan baka anjing, tetapi apabila membezakan haiwan individu, prestasinya agak teruk.

Bergantung pada postur haiwan

Contoh lain ialah menggunakan algoritma Local Binary Pattern Histogram (LBPH), yang menukar imej kepada piksel dengan membandingkan nilai piksel imej yang berbeza. . Kaedah ini bergantung pada postur haiwan, yang menjadikannya sensitif terhadap perubahan postur.

Bagi manusia, mudah untuk mengambil pose tertentu dan duduk diam. Walau bagaimanapun, perkara menjadi lebih rumit apabila kita cuba mendapatkan kucing atau anjing untuk dipegang dalam kedudukan tertentu.

Sediakan set data latihan yang komprehensif

Untuk latihan menjadi berkesan, data mestilah pelbagai dan merangkumi semua tugasan yang dijangka akan dilaksanakan oleh algoritma. Sebagai contoh, jika algoritma sepatutnya mengenal pasti baka anjing yang berbeza, maka set data hendaklah merangkumi secukupnya semua baka yang ditangkap dari sudut yang berbeza dan dilabelkan dengan sewajarnya. Terdapat beberapa perkara yang boleh berlaku di sini. Sebagai contoh, seseorang mungkin menyerahkan gambar baka campuran, dan seseorang mungkin melabel gambar mereka secara salah dan memberikan nama baka yang salah. Untuk mengelakkan masalah sedemikian, pakar mesti menyemak semua foto dalam set data satu demi satu untuk mengesahkan kesahihan imej dan ketepatan label.

Kemajuan dalam bidang pengecaman muka haiwan telah terhalang kerana penyelidik masih tidak dapat menentukan gabungan ciri optimum yang boleh digunakan untuk mengenal pasti haiwan secara tepat pada skala. Namun begitu, terdapat beberapa aplikasi yang berjaya yang beroperasi pada data terhad, seperti mengenal pasti haiwan tertentu atau sekumpulan kecil haiwan domestik atau liar.

Jika anda sedang membina sistem pengecaman muka haiwan anda sendiri, ingat bahawa haiwan adalah pengguna biometrik yang tidak bekerjasama. Ada yang berkeras untuk menjilat kamera, dan ada yang enggan berdiri untuk foto.

Atas ialah kandungan terperinci Apakah kegunaan teknologi pengecaman muka haiwan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!