A quoi sert la technologie de reconnaissance faciale animale ?

La technologie capable d'identifier avec précision les animaux peut aider à réunir les propriétaires d'animaux perdus, aider les agriculteurs à surveiller le bétail et aider les chercheurs à étudier la faune. Historiquement, les puces électroniques ont été la méthode d’identification animale la plus populaire à cet égard. Cependant, l’implantation de la puce nécessite une intervention chirurgicale invasive. Ils ne peuvent pas être lus sans équipement spécialisé et les voleurs peuvent extraire les puces électroniques. Une autre méthode est l’analyse de l’ADN, qui est précise mais également très coûteuse et prend beaucoup de temps.

La reconnaissance faciale animale (parfois pas seulement des visages) alimentée par des solutions de vision par ordinateur peut constituer une alternative viable aux méthodes ci-dessus. Même si elle présente des inconvénients, cette technologie peut faire preuve d’un haut niveau de précision dans certaines situations. Alors, comment fonctionne la reconnaissance faciale animale ? Quels sont les défis qui entravent l'avancement de cette technologie ? :

Prenez des photos d'animaux avec un appareil photo haute résolution. Certains algorithmes ne fonctionnent que sur des poses prédéfinies, il faut donc sélectionner les images répondant à ces critères.

Extraction de fonctionnalités :

Évaluez l'adéquation des données biométriques de l'animal et effectuez un prétraitement si nécessaire. L'algorithme extrait ensuite l'ensemble des fonctionnalités requises pour la reconnaissance.

Correspondance :

Les caractéristiques extraites sont représentées mathématiquement et mises en correspondance avec d'autres images. Par exemple, si nous recherchons un chien dans une base de données d'animaux perdus, nous faisons correspondre les caractéristiques uniques du chien à tous les animaux de la base de données.

Plusieurs façons d'effectuer la correspondance. Une méthode consiste à utiliser des algorithmes tels que KNN et DBSCAN pour le clustering afin d'obtenir un ensemble d'images très proches de notre image cible, et l'utilisateur peut sélectionner manuellement l'image la plus appropriée. Alternativement, des méthodes probabilistes peuvent être utilisées pour exprimer les résultats finaux sous forme de niveaux de confiance.

Recherche d'un animal perdu

Perdre un animal de compagnie est un crève-cœur pour le propriétaire. Et selon les statistiques, c’est beaucoup plus courant qu’on ne le pense. Aux États-Unis, un chien ou un chat domestique sur trois a disparu à un moment donné de sa vie, et 80 % d’entre eux n’ont jamais été retrouvés. Il existe plusieurs outils basés sur la reconnaissance faciale des animaux de compagnie qui peuvent aider les propriétaires à retrouver leurs amis perdus.

ForPaws :

Cette solution de reconnaissance faciale animale identifie les chiens en fonction du bout de leur nez, de la couleur de leur peau et de leur type de fourrure. Les propriétaires d'animaux sont priés de télécharger au moins trois photos pour créer un « profil personnel » de leur animal. Actuellement, le programme peut identifier 130 races de chiens avec une précision de 90 %.

PiP :

Cette société d'identification animale a développé une application qui permet aux propriétaires d'animaux d'enregistrer et de télécharger des photos de leurs animaux. Le système analyse les caractéristiques uniques de leur visage. PiP affirme qu'il peut identifier chaque chat et chien perdu si le propriétaire fournit plus d'informations, telles que le sexe, la taille et le poids.

Quiconque retrouve un animal perdu peut également utiliser l'application pour retrouver le propriétaire. La solution de PiP analyse également en permanence les réseaux sociaux à la recherche de publications d’animaux de compagnie et envoie des alertes d’animaux disparus aux résidents des communautés concernées.

Love Lost : Love Lost by Petco est une autre application qui aide les propriétaires d'animaux et les refuges pour animaux de compagnie. Il est conseillé aux propriétaires de créer des profils de leurs animaux de compagnie afin que lorsqu'un animal disparaît, le logiciel puisse commencer à faire correspondre les informations biométriques de l'animal avec les nouveaux membres du refuge et d'autres animaux candidats.

Reconnaître des animaux spécifiques

Parfois, il est logique d'entraîner un algorithme pour reconnaître des animaux spécifiques. Par exemple, les propriétaires d’animaux pourraient bénéficier d’un système qui identifie avec précision leur animal et prend les mesures appropriées, comme envoyer une alarme ou ouvrir une porte pour laisser entrer l’animal. Arkaitz Garro, ingénieur front-end chez WeTransfer, a développé une solution de reconnaissance faciale animale capable d'identifier le chat d'un voisin et d'envoyer une alerte à Garro lorsque le chat se présente à la porte.

Pour capturer la photo du chat, Garro a utilisé une petite caméra et un Raspberry Pi avec un logiciel de détection de mouvement. Lorsqu'un animal s'approche de la caméra, une photo est prise et envoyée à la plateforme de reconnaissance AWS pour comparaison avec d'autres photos du chat téléchargées par Garro. S’il y a une correspondance, l’ingénieur en sera informé.

Microsoft a également développé un appareil Internet des objets (IOT) qui peut effectuer la reconnaissance des animaux et peut être connecté à l'entrée des animaux. Une fois qu'il reconnaît qu'il s'agit de votre animal, l'appareil ouvre la porte et le laisse entrer.

Aide à la recherche scientifique - Reconnaissance faciale des dauphins

En plus d'identifier les animaux domestiques, les algorithmes de reconnaissance faciale peuvent également être utilisés pour identifier d'autres espèces. Une étude publiée dans le Journal of Marine Mammal Science a examiné un ensemble de caractéristiques nécessaires pour identifier les dauphins. Les chercheurs ont suivi et photographié 150 grands dauphins pendant 12 ans. L'équipe de recherche souhaitait évaluer l'idée d'utiliser le visage et la nageoire dorsale d'un dauphin pour l'identification tout au long de sa vie.

Parmi les 150 sujets expérimentaux, seuls 31 dauphins avaient des profils complets (c'est-à-dire des photos claires des côtés gauche et droit de la face et des nageoires dorsales). L’étude s’est appuyée sur l’opinion d’experts humains et sur des méthodes statistiques pour détecter les similitudes entre différentes images du même dauphin.

Les résultats expérimentaux montrent que les traits du visage des dauphins restent cohérents dans le temps et peuvent être utilisés à des fins d'identification. La capacité d’identifier les petits même lorsqu’ils sont adultes a grandement facilité l’étude des dauphins.

Aidez les agriculteurs à surveiller le bétail

L'identification des animaux de ferme est un processus difficile. Avec les porcs, c'est plus difficile parce que tous les porcs se ressemblent. Mais les vaches sont un peu spéciales. Elles sont noires et blanches et ont des formes différentes. Cependant, lorsqu’il s’agit de vaches, un autre défi se pose : où installer les caméras. Les vaches sont des animaux curieux et remarqueront même les plus petits changements dans leur environnement. Ils essaient souvent de lécher ou d’interagir avec la caméra.

Mais construire un système capable d'identifier les vaches individuelles aidera énormément les agriculteurs. Cette solution adapte la santé et les habitudes alimentaires d'un animal à son identité. Renforcé par l'intelligence artificielle, il sera capable de détecter tout signe de maladie et de comportement anormal et d'avertir les agriculteurs en cas d'urgence.

La plate-forme d'algorithmes de base de Beijing Xiangchuang Technology a réalisé la collecte de données et la reconnaissance faciale des porcs, des bovins, des moutons, des ânes et d'autres animaux d'élevage, et a accumulé plus de dizaines de millions de données faciales du bétail. Il aide non seulement les agriculteurs à mener une gestion raffinée de l'élevage, mais aide également les banques, les assurances et autres institutions financières à établir des systèmes d'évaluation des risques et d'alerte précoce lorsqu'elles mènent des activités dans le secteur de l'élevage.

Défis liés à la mise en œuvre de la technologie de reconnaissance faciale animale

La technologie de reconnaissance faciale pour les animaux est loin derrière la technologie de reconnaissance faciale actuellement assez avancée pour les humains. Les chercheurs ont commencé à expérimenter la reconnaissance faciale des animaux il y a environ quatre ans, mais la précision des techniques courantes est encore assez faible. En revanche, les solutions ayant un objectif précis, comme l’identification d’un animal spécifique, peuvent être précises.

Les entreprises souhaitant mettre en œuvre des solutions de reconnaissance faciale animale doivent considérer trois défis principaux :

Déterminer l'ensemble de fonctionnalités optimal

Les scientifiques ont spécifié un vecteur de fonctionnalités qui peut être utilisé pour une reconnaissance faciale unique. Cependant, la même approche ne fonctionne pas pour les animaux car nous ne savons pas quelles fonctionnalités nous devons utiliser et comment les interpréter. Par exemple, lorsqu’ils travaillent avec des personnes, les scientifiques peuvent utiliser des architectures d’auto-encodeurs variationnels (VAE) pour extraire les caractéristiques des visages. Dans cette méthode, une photo d'une personne est compressée en un vecteur contenant les caractéristiques souhaitées, telles que le teint et l'expression du visage.

En matière de reconnaissance faciale animale, il n'existe actuellement aucun vecteur de caractéristiques fiable. Résoudre le défi d’un vecteur propre fiable fera considérablement progresser la recherche dans ce domaine.

Un exemple open source à cet égard est DogFaceNet, qui est une implémentation de reconnaissance de chien basée sur l'apprentissage profond. Il utilise les yeux et le nez du chien comme ensemble de fonctionnalités. Cette solution fonctionne raisonnablement bien si l’objectif général est de distinguer les races de chiens, mais lorsqu’il s’agit de distinguer des animaux individuels, elle donne des résultats plutôt médiocres.

Cela dépend de la pose d'un animal

Un autre exemple utilise l'algorithme Local Binary Pattern Histogram (LBPH), qui convertit les images en pixels en comparant les valeurs de pixels de différentes images. Cette méthode dépend de la posture de l’animal, ce qui le rend sensible aux changements de posture.

Pour les humains, il est facile de prendre une pose spécifique et de rester assis. Cependant, les choses se compliquent lorsque l’on essaie d’immobiliser un chat ou un chien dans une position précise.

Fournir des ensembles de données de formation complets

Pour que la formation soit efficace, les données doivent être diverses et couvrir toutes les tâches que l'algorithme est censé effectuer. Par exemple, si l’algorithme est censé identifier différentes races de chiens, l’ensemble de données doit alors couvrir de manière adéquate toutes les races capturées sous différents angles et être étiqueté de manière appropriée. Il y a plusieurs choses qui peuvent mal tourner ici. Par exemple, quelqu'un pourrait soumettre une photo d'une race mixte, et quelqu'un pourrait étiqueter sa photo de manière incorrecte et attribuer le mauvais nom de race. Pour éviter de tels problèmes, les experts doivent examiner toutes les photos de l'ensemble de données une par une pour vérifier la légitimité des images et l'exactitude des étiquettes.

Les progrès dans le domaine de la reconnaissance faciale animale ont été entravés car les chercheurs ne parviennent toujours pas à identifier la combinaison optimale de caractéristiques pouvant être utilisée pour identifier avec précision les animaux à grande échelle. Il existe néanmoins des applications efficaces qui fonctionnent sur des données limitées, comme l'identification d'un animal spécifique ou d'un petit groupe d'animaux domestiques ou sauvages.

Si vous construisez votre propre système de reconnaissance faciale animale, n'oubliez pas que les animaux sont des utilisateurs biométriques peu coopératifs. Certains insisteront pour lécher l’appareil photo, tandis que d’autres refuseront de se lever et de prendre des photos.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!