La reconnaissance faciale pour les animaux de compagnie a-t-elle été mise en place ?

​Traducteur | Cui Hao

Critique | Sun Shujuan

La technologie capable d'identifier avec précision les animaux aidera les propriétaires à retrouver leurs animaux perdus, les agriculteurs à surveiller leur bétail et les chercheurs à étudier les animaux sauvages. Sur la base des scénarios d’application ci-dessus, les puces électroniques constituent la méthode d’identification des animaux de compagnie la plus populaire. Cependant, l’implantation d’une puce nécessite une intervention chirurgicale invasive, un équipement spécialisé pour lire la puce et le risque qu’un voleur extraie la micropuce. Une autre méthode est l’analyse de l’ADN qui, bien que précise, est également très coûteuse et prend beaucoup de temps. Aujourd'hui, je souhaite vous présenter comment identifier les animaux grâce à la reconnaissance faciale.

1. Reconnaissance faciale des animaux de compagnie à l'aide d'un logiciel de vision par ordinateur

La reconnaissance faciale des animaux de compagnie par des solutions de vision par ordinateur peut être utilisée comme alternative aux solutions ci-dessus. Malgré ses défauts, cette technologie peut démontrer un haut degré de précision dans certaines situations.

Alors, comment fonctionne la reconnaissance faciale des animaux de compagnie ? Quels sont les défis qui entravent le progrès technologique ? Comment fonctionne la reconnaissance faciale des animaux de compagnie ?

De manière générale, les solutions de reconnaissance faciale pour animaux de compagnie sont principalement divisées en trois étapes :

(1) Capture d'image : Les photos d'animaux sont prises par des caméras haute résolution. Certains algorithmes ne fonctionnent qu'avec des poses prédéfinies, il est donc nécessaire de sélectionner des images répondant à ces critères.

(2) 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.

(3) Correspondance des caractéristiques : les caractéristiques extraites sont représentées mathématiquement et mises en correspondance avec d'autres images. Par exemple, si nous recherchions un chien dans une base de données d'animaux perdus, nous comparerions les caractéristiques uniques du chien à tous les animaux de cette base de données.

Il existe plusieurs façons d'effectuer la correspondance. Une méthode consiste à utiliser des algorithmes tels que KNN et DBSCAN pour le clustering, qui produiront un ensemble d'images très proches de notre image cible, et l'utilisateur pourra sélectionner manuellement l'image la plus appropriée.

De plus, des méthodes probabilistes peuvent être déployées pour exprimer les résultats finaux sous forme de niveaux de confiance. Par exemple, si la cible de reconnaissance est un chat et que l'algorithme détermine que l'image capturée est un chat, son niveau de confiance est de 90 % ; s'il est déterminé qu'il s'agit d'un chien, son niveau de confiance est de 10 % ;

Reconnaissance faciale d'animaux de compagnie

2. Exemples de reconnaissance faciale d'animaux de compagnie

Voici des exemples d'utilisation de la reconnaissance faciale d'animaux de compagnie dans la vie réelle. Certains de ces systèmes sont des solutions efficaces, populaires, voire commerciales, et d’autres sont des tentatives académiques visant à tester des hypothèses.

À la recherche d'animaux perdus​

Perdre son animal de compagnie est un déchirement pour les propriétaires. Selon les statistiques, de tels incidents sont plus fréquents qu’on ne le pense. Aux États-Unis, 80 % de tous les animaux de compagnie (chiens/chats) appartenant à un tiers des ménages ne sont jamais retrouvés. Il existe plusieurs programmes de reconnaissance faciale pour animaux de compagnie qui peuvent aider les propriétaires à retrouver leurs amis perdus.

ForPaws

ForPaws est un produit APP qui utilise l'identification des animaux de compagnie pour identifier les chiens en fonction du bout de leur nez, de la couleur de leur peau et de leur type de fourrure. Les propriétaires doivent télécharger au moins trois photos pour créer le profil d'un animal. Actuellement, la solution permet d'identifier 130 races de chiens avec une précision de 90 %.

PIP

Cette société d'identification d'animaux a développé une application qui permet aux propriétaires d'animaux d'enregistrer et de télécharger des photos de leurs animaux. Le système analyse les traits du visage de votre animal. PiP affirme qu'il sera en mesure d'identifier chaque chat et chien perdu si le propriétaire peut fournir des informations supplémentaires, telles que le sexe, la taille et le poids.

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

Love Lost

Love Lost by Petco est une application destinée aux propriétaires d'animaux et aux refuges pour animaux. Les utilisateurs peuvent créer des profils d'animaux afin que lorsqu'un animal disparaît, le logiciel puisse commencer à faire correspondre les informations biométriques de l'animal avec les nouveaux arrivants au refuge et d'autres animaux candidats.

Identifier un animal spécifique​

L'algorithme d'entraînement peut être utilisé pour identifier un animal spécifique. Par exemple, les propriétaires d'animaux peuvent identifier avec précision leur animal et prendre des mesures ultérieures, comme envoyer une alarme ou ouvrir une porte pour laisser entrer leur animal.

L'ingénieur frontal d'Aakaitz Garro a développé une solution faciale pour animaux de compagnie​

Arkaitz Garro, ingénieur front-end chez WeTransfer, a développé une solution de reconnaissance faciale pour animaux de compagnie capable d'identifier le chat de votre voisin et d'envoyer une alerte à Garro (ou à une personne désignée) lorsque le petit bonhomme se présente à la porte. Pour capturer des photos de chats, Garro a utilisé un petit appareil photo 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 AWS Recognition, qui la compare à d'autres images du chat téléchargées par Garro. Si la correspondance réussit, l’ingénieur en est informé.

Appareil IoT de Microsoft pour l'identification des animaux de compagnie

De même, Microsoft a développé un appareil IoT que les utilisateurs peuvent installer à la maison là où entrent leurs animaux de compagnie. Lorsqu'un animal est reconnu, l'appareil se déverrouille pour laisser entrer l'animal.

Assistance à la recherche scientifique - Reconnaissance faciale des dauphins

En plus d'identifier les animaux domestiques, les algorithmes de reconnaissance faciale peuvent être utilisés pour détecter d'autres espèces. Une étude publiée dans le Journal of Marine Mammal Science a étudié l'ensemble des caractéristiques nécessaires pour identifier les dauphins. Les chercheurs ont suivi et photographié 150 grands dauphins pendant 12 ans. L'équipe a identifié les visages et les nageoires dorsales des dauphins tout au long de leur cycle de vie et a évalué la faisabilité de cette approche.

En utilisant ces 150 sujets, nous sommes arrivés à seulement 31 dauphins avec des contours complets (c'est-à-dire des photos claires des côtés gauche et droit de la face et de la nageoire dorsale). 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 de cette expérience montrent que les traits du visage des dauphins restent cohérents dans le temps et peuvent être utilisés à des fins d'identification. Cette technologie peut identifier les dauphins adultes et faciliter le suivi de leur croissance, ce qui a grandement favorisé la recherche sur les dauphins.

Caractéristiques du même dauphin à différents stades

Aider les agriculteurs à surveiller le bétail​

Identifier les animaux de la ferme peut être un défi. Zhao Jinshi, fondateur de Beijing Yourui Technology, est engagé dans le développement de logiciels dans le domaine agricole depuis de nombreuses années. Il a sa propre vision de l'identification des animaux de ferme : « Pour les porcs, ce sera plus difficile à identifier. pareil, mais les vaches le seront Relativement facile Parce qu'elles sont évidemment distinctives, leurs motifs sont en noir et blanc et leurs formes sont différentes. , le défi se pose. ——Déterminez où installer la caméra. Les vaches sont des animaux curieux et le moindre changement dans leur environnement attirera leur attention. Lorsqu'ils trouvent une caméra, ils « interagissent » avec elle en la léchant. Mais les défis mis à part, la mise en place d’un système capable d’identifier les vaches individuelles aiderait grandement les éleveurs. La solution associe la santé, les habitudes de consommation et d'alimentation d'un animal à son identité. Grâce à l’intelligence artificielle, il sera possible de détecter les signes de maladie et de comportement anormal chez les animaux et d’avertir les éleveurs en cas d’urgence.

3. Défis de la reconnaissance faciale

Si vous souhaitez mettre en œuvre une solution de reconnaissance faciale pour animaux de compagnie, vous devez considérer trois défis principaux :

Déterminer l'ensemble de fonctionnalités optimal

Scientifiques Les vecteurs de fonctionnalités pouvant être utilisés pour la reconnaissance faciale ont été spécifiés. Cependant, la même approche ne fonctionne pas pour les animaux de compagnie car nous ne savons pas quelles fonctionnalités doivent être utilisées ni 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, les photos de personnes sont compressées en vecteurs contenant les caractéristiques souhaitées, telles que le teint et les expressions faciales. Mais en termes de reconnaissance faciale des animaux de compagnie, il n’existe actuellement aucun vecteur de fonctionnalités fiable.

Vecteurs propres fiables

La résolution de vecteurs propres fiables fera progresser considérablement le domaine. L'exemple open source DogFaceNet 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 global est de différencier les races de chiens, mais ses performances sont plutôt médiocres lorsqu’il s’agit de différencier des jumeaux.

Animal Pose​

Un autre exemple utilise l'algorithme Local Binary Pattern Histogram (LBPH), qui convertit les images en pixels et fonctionne 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. Il convient de mentionner que cette approche est dépassée. Actuellement, les ingénieurs ont tendance à utiliser des fonctionnalités plus avancées.

Faites poser les animaux devant la caméra

Pour les humains, il est facile de prendre une pose spécifique et de rester assis. Cependant, ce n’est pas si simple lorsque nous essayons de faire prendre une photo à un chat ou à un chien dans une pose spécifique. Cela nécessite l'application d'algorithmes de reconnaissance faciale « sensibles à la pose », tels que ceux qui reposent sur la similarité des pixels.

Fournir un ensemble complet de données de formation

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 reconnaît différentes races de chiens, l’ensemble de données doit alors contenir des sources d’informations capturées sous différents angles et correctement étiquetées. Diverses choses peuvent se produire ici, par exemple : quelqu'un peut soumettre une image de races mixtes, quelqu'un peut marquer incorrectement l'image 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.

4. Conclusion

Les progrès dans le domaine de la reconnaissance faciale des animaux de compagnie sont entravés par le fait que les chercheurs sont toujours incapables de déterminer la meilleure combinaison de fonctionnalités pouvant être utilisée pour identifier avec précision animaux à grande échelle. Néanmoins, il existe quelques applications réussies fonctionnant sur des données restreintes, telles que l'identification d'un animal spécifique ou d'un petit groupe d'animaux domestiques/sauvages. Si vous construisez votre propre système de reconnaissance faciale pour animaux de compagnie, n’oubliez pas que les animaux sont des utilisateurs non coopératifs de la technologie biométrique. Certains insisteront pour lécher l’appareil photo, d’autres refuseront de poser pour des photos. Pour éliminer les problèmes inutiles, des algorithmes neutres en termes de posture et d’expression peuvent être conçus. Un autre problème à considérer concerne les réglementations en matière de confidentialité. Si vous souhaitez créer une application pour retrouver des animaux perdus, avez-vous besoin que le propriétaire révèle leur emplacement ? Même les photos d’animaux de compagnie dans la maison d’un propriétaire peuvent révéler des informations privées sur le propriétaire.

Lien original : https://readwrite.com/pet-face-recognition-are-we-there-yet/

Introduction du traducteur

Cui Hao, rédacteur de la communauté 51CTO, architecte senior, a 18 ans d'expérience en développement et architecture de logiciels, 10 ans d'expérience en architecture distribuée. Anciennement expert technique chez HP. Il est prêt à partager et a écrit de nombreux articles techniques populaires avec plus de 600 000 lectures. Auteur de "Principes et pratique de l'architecture distribuée".

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!