동물을 정확하게 식별할 수 있는 기술은 잃어버린 동물과 주인을 다시 만나고, 농부들이 가축을 모니터링하고, 연구원들이 야생 동물을 연구하는 데 도움을 줄 수 있습니다. 역사적으로 마이크로칩은 이와 관련하여 동물 식별에 가장 널리 사용되는 방법이었습니다. 그러나 칩을 이식하려면 침습적 수술이 필요합니다. 특수 장비 없이는 읽을 수 없으며 도둑이 마이크로칩을 빼낼 수 있습니다. 또 다른 방법은 DNA 분석으로, 정확하지만 비용이 많이 들고 시간이 많이 걸립니다.
컴퓨터 비전 솔루션을 기반으로 하는 동물 얼굴 인식(때로는 얼굴뿐만 아니라)은 위 방법에 대한 실행 가능한 대안이 될 수 있습니다. 비록 단점이 있지만 이 기술은 특정 상황에서 높은 수준의 정확도를 보여줄 수 있습니다. 그렇다면 동물 얼굴 인식은 어떻게 작동합니까?
일반적으로 동물 얼굴 인식 솔루션에는 세 가지 주요 단계가 있습니다.
이미지 캡처: 고해상도 카메라로 동물 사진을 찍어보세요. 일부 알고리즘은 미리 정의된 포즈에서만 작동하므로 이러한 기준을 충족하는 이미지를 선택해야 합니다.
특징 추출: 동물의 생체 인식 데이터의 적합성을 평가하고 필요한 경우 전처리를 수행합니다. 그런 다음 알고리즘은 인식에 필요한 기능 세트를 추출합니다.
매칭: 추출된 특징은 수학적으로 표현되며 다른 이미지와 매칭됩니다. 예를 들어, 잃어버린 애완동물 데이터베이스에서 개를 찾는 경우 해당 개의 고유한 특성을 데이터베이스의 모든 동물과 일치시킵니다.
매칭을 수행하는 방법에는 여러 가지가 있습니다. 한 가지 방법은 클러스터링을 위해 KNN 및 DBSCAN과 같은 알고리즘을 사용하여 대상 이미지에 매우 가까운 이미지 세트를 얻고 사용자가 가장 적합한 이미지를 수동으로 선택할 수 있습니다. 또는 확률론적 방법을 사용하여 최종 결과를 신뢰도 수준으로 표현할 수 있습니다.
애완동물을 잃는 것은 주인에게 가슴 아픈 일입니다. 통계에 따르면 이는 사람들이 생각하는 것보다 훨씬 더 흔합니다. 미국에서는 집에 있는 개와 고양이 세 마리 중 한 마리가 일생 중 어느 시점에서 실종되었으며, 그 중 80%는 한 번도 회복되지 않았습니다. 주인이 잃어버린 친구를 찾는 데 도움이 되는 애완동물 얼굴 인식을 기반으로 한 여러 도구가 있습니다.
For Paws: 이 동물 얼굴 인식 솔루션은 코끝, 피부색, 털 유형을 기준으로 개를 식별합니다. 동물 소유자는 동물의 "개인 프로필"을 만들기 위해 최소 3장의 사진을 업로드해야 합니다. 현재 이 프로그램은 90%의 정확도로 130종의 개 품종을 식별할 수 있습니다.
PiP: 이 동물 식별 회사는 동물 소유자가 동물 사진을 등록하고 업로드할 수 있는 앱을 개발했습니다. 시스템은 그들의 독특한 얼굴 특징을 분석합니다. PiP는 소유자가 성별, 크기, 체중과 같은 추가 정보를 제공하면 잃어버린 고양이와 개를 모두 식별할 수 있다고 주장합니다.
잃어버린 애완동물을 찾은 사람은 누구나 앱을 사용하여 주인을 찾을 수도 있습니다. PiP의 솔루션은 또한 소셜 미디어에서 애완동물 게시물을 지속적으로 검색하고 관련 커뮤니티의 주민들에게 애완동물 누락 알림을 보냅니다.
Love Lost: Love Lost by Petco는 애완동물 주인과 애완동물 보호소를 돕는 또 다른 앱입니다. 소유자는 애완동물이 실종되었을 때 소프트웨어가 동물의 생체 인식 정보를 새로운 보호소 구성원 및 기타 후보 애완동물과 일치시킬 수 있도록 애완동물의 프로필을 생성하는 것이 좋습니다.
때로는 특정 동물을 인식하도록 알고리즘을 훈련시키는 것이 합리적입니다. 예를 들어, 동물 소유자는 자신의 동물을 정확하게 식별하고 경보를 보내거나 동물을 들여보내기 위해 문을 여는 등 적절한 조치를 취하는 시스템의 이점을 누릴 수 있습니다. WeTransfer의 프런트 엔드 엔지니어인 Arkaitz Garro는 이웃의 고양이를 식별하고 고양이가 문 앞에 나타나면 Garro에게 경고를 보낼 수 있는 동물 얼굴 인식 솔루션을 개발했습니다.
고양이 사진을 찍기 위해 Garro는 작은 카메라와 동작 감지 소프트웨어가 탑재된 Raspberry Pi를 사용했습니다. 동물이 카메라에 접근하면 사진이 촬영되어 Garro가 업로드한 다른 고양이 사진과 비교하기 위해 AWS 인식 플랫폼으로 전송됩니다. 일치하는 항목이 있으면 엔지니어에게 알림이 전송됩니다.
마이크로소프트는 동물을 인식하고 애완동물 포털에 연결할 수 있는 사물인터넷(IOT) 장치도 개발했습니다. 애완동물임을 인식하면 장치가 문을 열고 애완동물을 들여보냅니다.
가정 동물을 식별하는 것 외에도 얼굴 인식 알고리즘을 사용하여 다른 종을 식별할 수도 있습니다. 해양 포유류 과학 저널(Journal of Marine Mammal Science)에 발표된 연구에서는 돌고래를 식별하는 데 필요한 일련의 특성을 조사했습니다. 연구자들은 12년에 걸쳐 병코돌고래 150마리를 추적하고 사진을 찍었습니다. 연구팀은 돌고래의 얼굴과 등지느러미를 평생 동안 식별을 위해 사용하는 아이디어를 평가하고 싶었습니다.
150마리의 실험 대상 중 오직 31마리의 돌고래만이 완전한 프로필(즉, 얼굴의 좌우 측면과 등지느러미가 선명한 사진)을 가지고 있었습니다. 이 연구는 동일한 돌고래의 서로 다른 이미지 간의 유사점을 탐지하기 위해 인간 전문가의 의견과 통계적 방법에 의존했습니다.
실험 결과에 따르면 돌고래의 얼굴 특징은 시간이 지나도 일관되게 유지되며 식별 목적으로 사용될 수 있습니다. 새끼가 성체가 되어도 식별할 수 있는 능력은 돌고래 연구를 크게 촉진했습니다.
농장 동물을 식별하는 것은 어려운 과정입니다. 돼지의 경우 모든 돼지가 똑같아 보이기 때문에 더 어렵습니다. 그런데 소는 좀 특별해요. 흑백이고 모양도 달라요. 그러나 소의 경우 카메라를 어디에 설치할 것인지에 대한 또 다른 문제가 발생합니다. 소는 호기심이 많은 동물이므로 주변 환경의 작은 변화도 알아차릴 것입니다. 그들은 종종 카메라를 핥거나 다른 방식으로 상호 작용하려고 합니다.
하지만 소 한 마리를 식별할 수 있는 시스템을 구축하면 농가에 큰 도움이 될 것입니다. 이 솔루션은 동물의 건강과 식이 패턴을 동물의 정체성에 맞춰줍니다. 인공지능으로 강화돼 질병 징후와 비정상적인 행동을 감지해 긴급 상황이 발생하면 농부들에게 알릴 수 있게 된다.
Beijing Xiangchuang Technology의 핵심 알고리즘 플랫폼은 돼지, 소, 양, 당나귀 및 기타 가축의 데이터 수집 및 얼굴 인식을 실현했으며 수천만 개 이상의 가축 얼굴 데이터를 축적했습니다. 이는 농부들이 세련된 육종 관리를 수행할 수 있도록 지원할 뿐만 아니라 은행, 보험 및 기타 금융 기관이 육종 업계에서 사업을 수행할 때 위험 평가 및 조기 경고 시스템을 구축하도록 지원합니다.
동물의 얼굴 인식 기술은 현재 상당히 발전된 인간의 얼굴 인식 기술에 비해 훨씬 뒤떨어져 있습니다. 연구자들은 약 4년 전부터 동물 얼굴 인식 실험을 시작했지만 일반적인 기술의 정확도는 여전히 매우 낮습니다. 반면, 특정 동물을 식별하는 등 특정 목적을 가진 솔루션은 정확할 수 있습니다.
동물 얼굴 인식 솔루션을 구현하려는 회사는 세 가지 주요 과제를 고려해야 합니다.
과학자들은 고유한 얼굴 인식에 사용할 수 있는 특징 벡터를 지정했습니다. 그러나 어떤 기능을 사용해야 하는지, 어떻게 해석해야 하는지 모르기 때문에 동일한 접근 방식이 동물에는 적용되지 않습니다. 예를 들어 과학자들은 사람을 대상으로 작업할 때 VAE(변형 자동 인코더) 아키텍처를 사용하여 얼굴에서 특징을 추출할 수 있습니다. 이 방법에서는 사람의 사진을 피부색, 표정 등 원하는 특징이 포함된 벡터로 압축합니다.
동물 얼굴 인식과 관련하여 현재 신뢰할 수 있는 특징 벡터가 없습니다. 신뢰할 수 있는 특징 벡터의 문제를 해결하면 이 분야의 연구가 크게 발전할 것입니다.
이와 관련된 오픈 소스 예로는 딥 러닝 기반 개 인식 구현인 DogFaceNet이 있습니다. 강아지의 눈과 코를 기능 세트로 사용합니다. 이 솔루션은 전반적인 목표가 개 품종을 구별하는 것이라면 합리적으로 잘 작동하지만 개별 동물을 구별하는 경우 성능이 다소 떨어집니다.
또 다른 예는 서로 다른 이미지의 픽셀 값을 비교하여 이미지를 픽셀로 변환하는 LBPH(Local Binary Pattern Histogram) 알고리즘을 사용하는 것입니다. 이 방법은 동물의 자세에 따라 달라지므로 자세 변화에 민감합니다.
사람의 경우 특정한 자세를 취하고 가만히 앉아 있기가 쉽습니다. 그러나 고양이나 개를 특정한 자세로 가만히 있으려고 하면 상황은 더욱 복잡해집니다.
교육이 효과적이려면 데이터가 다양해야 하며 알고리즘이 수행할 것으로 예상되는 모든 작업을 포괄해야 합니다. 예를 들어, 알고리즘이 다양한 개 품종을 식별해야 한다면 데이터 세트는 다양한 각도에서 캡처한 모든 품종을 적절하게 포괄하고 적절하게 레이블을 지정해야 합니다. 여기에는 여러 가지 문제가 발생할 수 있습니다. 예를 들어, 누군가가 혼합 품종 사진을 제출할 수 있고, 누군가는 자신의 사진에 잘못된 라벨을 붙이고 잘못된 품종 이름을 지정할 수 있습니다. 이러한 문제를 방지하려면 전문가는 데이터세트의 모든 사진을 하나씩 검토하여 이미지의 적법성과 라벨의 정확성을 확인해야 합니다.
동물 얼굴 인식 분야의 발전은 연구자들이 여전히 규모에 맞게 동물을 정확하게 식별하는 데 사용할 수 있는 최적의 특징 조합을 찾아낼 수 없기 때문에 방해를 받았습니다. 그럼에도 불구하고 특정 동물이나 소규모 가축 또는 야생 동물 그룹을 식별하는 등 제한된 데이터를 사용하여 작동하는 성공적인 애플리케이션이 있습니다.
자신만의 동물 얼굴 인식 시스템을 구축하는 경우 동물은 비협조적인 생체 인식 사용자라는 점을 기억하세요. 일부는 카메라를 핥아야 한다고 고집할 것이고, 일부는 일어서서 사진을 찍는 것을 거부할 것입니다.
위 내용은 동물 얼굴인식 기술은 어떤 용도로 사용되나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
