Adakah pengecaman muka untuk haiwan peliharaan telah dilaksanakan?

Penterjemah |. Berdasarkan senario aplikasi di atas, mikrocip adalah kaedah pengenalan haiwan peliharaan yang paling popular. Walau bagaimanapun, menanam cip memerlukan pembedahan invasif, peralatan khusus untuk membaca cip dan risiko pencuri mengeluarkan mikrocip tersebut. Kaedah lain ialah analisis DNA, yang walaupun tepat, juga sangat mahal dan memakan masa. Hari ini saya ingin memperkenalkan kepada anda cara mengenal pasti haiwan melalui pengecaman muka.

1 Gunakan perisian penglihatan komputer untuk pengecaman muka haiwan kesayangan

<.>Pengecaman muka haiwan peliharaan oleh penyelesaian penglihatan komputer boleh digunakan sebagai alternatif kepada penyelesaian di atas. Walaupun kekurangannya, teknologi ini boleh menunjukkan tahap ketepatan yang tinggi dalam situasi tertentu.

Jadi, bagaimanakah pengecaman muka haiwan peliharaan berfungsi? Apakah cabaran yang menghalang kemajuan teknologi? Bagaimanakah pengecaman muka haiwan peliharaan berfungsi?

Secara umumnya, penyelesaian pengecaman muka haiwan kesayangan terbahagi terutamanya kepada tiga langkah:

(1) Tangkapan imej: Foto haiwan diambil oleh kamera resolusi tinggi. Sesetengah algoritma hanya berfungsi dengan pose yang dipratentukan, jadi anda perlu memilih imej yang memenuhi kriteria ini.

(2) Pengekstrakan ciri: Nilaikan kesesuaian data biometrik haiwan dan lakukan prapemprosesan jika perlu. Algoritma kemudian mengekstrak set ciri yang diperlukan untuk pengecaman.

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

Terdapat beberapa cara untuk melakukan padanan. Satu kaedah ialah menggunakan algoritma seperti KNN dan DBSCAN untuk pengelompokan, yang akan menghasilkan satu set imej yang sangat hampir dengan imej sasaran kami, dan pengguna boleh memilih imej yang paling sesuai secara manual.

Selain itu, kaedah probabilistik boleh digunakan untuk menyatakan keputusan akhir sebagai tahap keyakinan. Sebagai contoh, jika sasaran pengecaman ialah kucing, dan algoritma menentukan bahawa imej yang ditangkap ialah kucing, tahap keyakinannya ialah 90% jika ia ditentukan sebagai anjing, tahap keyakinannya ialah 10%.

Pengecaman muka haiwan kesayangan

2. Contoh pengecaman muka haiwan kesayangan

Berikut ialah contoh cara menggunakan pengecaman muka haiwan peliharaan dalam kehidupan sebenar. Sesetengah sistem ini adalah penyelesaian yang berjaya, popular, atau malah komersial, dan sesetengahnya adalah percubaan akademik untuk menguji hipotesis.

Mencari Haiwan yang Hilang​

Kehilangan haiwan kesayangannya menyayat hati pemiliknya. Menurut statistik, kejadian seperti itu lebih biasa daripada yang orang fikirkan. Di Amerika Syarikat, 80% daripada semua haiwan peliharaan (anjing/kucing) yang dimiliki oleh satu pertiga isi rumah tidak pernah ditemui. Terdapat beberapa program pengecaman muka haiwan peliharaan yang boleh membantu pemilik mencari rakan mereka yang hilang.

ForPaws

ForPaws ialah produk APP yang menggunakan pengecaman haiwan peliharaan untuk mengenal pasti hujung hidung dan kulit anjing warna dan jenis bulu untuk mengenal pasti mereka. Pemilik mesti memuat naik sekurang-kurangnya tiga foto untuk membuat profil haiwan kesayangan. Pada masa ini, penyelesaian itu boleh mengenal pasti 130 baka anjing dengan ketepatan 90%.

PIP

Syarikat pengenalan haiwan peliharaan ini telah membangunkan aplikasi yang membolehkan pemilik haiwan peliharaan mendaftar dan memuat naik foto haiwan mereka. Sistem menganalisis ciri muka haiwan kesayangan anda. PiP mendakwa ia akan dapat mengenal pasti setiap kucing dan anjing yang hilang jika pemilik boleh memberikan maklumat tambahan, seperti jantina, saiz dan berat.

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

Love Lost

Love Lost by Petco ialah apl untuk pemilik haiwan peliharaan dan tempat perlindungan haiwan. Pengguna boleh membuat profil haiwan supaya apabila haiwan peliharaan hilang, perisian itu boleh mula memadankan maklumat biometrik haiwan kesayangan itu kepada pendatang baharu ke tempat perlindungan dan haiwan calon lain.

Mengenal pasti haiwan peliharaan tertentu​

Algoritma latihan boleh digunakan untuk mengenal pasti haiwan peliharaan tertentu. Contohnya, pemilik haiwan peliharaan boleh mengenal pasti haiwan kesayangan mereka dengan tepat dan mengambil tindakan seterusnya, seperti menghantar penggera atau membuka pintu untuk membenarkan haiwan peliharaan mereka masuk.

Jurutera hadapan Aakaitz Garro membangunkan penyelesaian muka haiwan kesayangan

Arkaitz Garro, seorang jurutera bahagian hadapan di WeTransfer, telah membangunkan penyelesaian pengecaman muka haiwan kesayangan yang boleh mengenal pasti kucing jiran dan menghantar amaran kepada Garro (atau orang yang ditetapkan) apabila lelaki kecil itu muncul di pintu. Untuk menangkap gambar kucing, Garro menggunakan kamera kecil dan Raspberry Pi dengan perisian pengesanan gerakan. Apabila haiwan menghampiri kamera, foto diambil dan dihantar ke platform Pengecaman AWS, yang membandingkannya dengan imej kucing lain yang dimuat naik oleh Garro. Jika perlawanan berjaya, jurutera dimaklumkan.

Peranti Microsoft IoT untuk pengenalan haiwan kesayangan

Begitu juga, Microsoft telah membangunkan peranti IoT yang boleh dipasang oleh pengguna di Tempat haiwan peliharaan memasuki rumah. Apabila haiwan peliharaan dikenali, peranti akan membuka kunci untuk membenarkan haiwan itu masuk.

Membantu penyelidikan saintifik - pengecaman muka ikan lumba-lumba

Selain mengenal pasti haiwan peliharaan isi rumah, algoritma pengecaman muka boleh digunakan untuk mengesan spesies lain. Satu kajian yang diterbitkan dalam Journal of Marine Mammal Science menyiasat 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 itu mengenal pasti wajah ikan lumba-lumba dan sirip punggung sepanjang kitaran hayat mereka dan menilai kebolehlaksanaan pendekatan ini.

Menggunakan 150 subjek ini, ia menghasilkan hanya 31 ekor ikan lumba-lumba dengan garis besar penuh (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 ini menunjukkan bahawa ciri-ciri wajah ikan lumba-lumba kekal konsisten dari semasa ke semasa dan boleh digunakan untuk tujuan pengenalan. Teknologi ini boleh mengenal pasti ikan lumba-lumba dewasa dan memudahkan pengesanan pertumbuhan ikan lumba-lumba, yang telah menggalakkan penyelidikan ikan lumba-lumba.

Ciri-ciri ikan lumba-lumba yang sama pada peringkat yang berbeza

Membantu petani memantau ternakan

Mengenal pasti haiwan ternakan boleh mencabar. Zhao Jinshi, pengasas Beijing Yourui Technology, telah terlibat dalam pembangunan perisian dalam bidang pertanian selama bertahun-tahun. Beliau mempunyai pandangannya sendiri tentang mengenal pasti haiwan ternakan: "Bagi babi, ia akan menjadi lebih sukar untuk dikenal pasti. Kerana babi semua kelihatan. sama, tetapi lembu akan Ia agak mudah Kerana mereka jelas istimewa, corak pada badan mereka adalah hitam dan putih, dan bentuknya berbeza. di mana untuk memasang kamera. Lembu adalah haiwan yang ingin tahu, dan walaupun sedikit perubahan dalam persekitaran mereka akan menarik perhatian mereka. Apabila mereka menemui kamera, mereka "berinteraksi" dengannya dengan menjilatnya. Tetapi mengetepikan cabaran, mempunyai sistem yang boleh mengenal pasti lembu individu akan sangat membantu penternak. Penyelesaiannya memadankan corak kesihatan, minuman dan pemakanan haiwan dengan identiti haiwan tersebut. Dengan bantuan kecerdasan buatan, adalah mungkin untuk mengesan tanda-tanda penyakit dan tingkah laku yang tidak normal pada haiwan dan memberitahu penternak dalam kecemasan.

3. Cabaran pengecaman muka

Jika anda mahu Terdapat tiga cabaran utama yang perlu dipertimbangkan semasa melaksanakan penyelesaian pengecaman muka untuk haiwan peliharaan:

Menentukan set ciri optimum

Para saintis telah menentukan ciri yang boleh digunakan pada manusia Vektor ciri untuk pengecaman muka. Walau bagaimanapun, pendekatan yang sama tidak berfungsi untuk haiwan peliharaan kerana kami tidak tahu ciri yang perlu digunakan dan cara mentafsirnya. Contohnya, apabila bekerja dengan orang ramai, saintis boleh menggunakan seni bina autoencoders variasi (VAE) untuk mengekstrak ciri daripada wajah. Dalam pendekatan ini, foto orang dimampatkan menjadi vektor yang mengandungi ciri yang diingini, seperti ton kulit dan ekspresi muka. Tetapi dari segi pengecaman muka haiwan kesayangan, pada masa ini tiada vektor ciri yang boleh dipercayai.

Eigenvectors Dipercayai

Menyelesaikan untuk eigenvectors yang boleh dipercayai akan memajukan bidang dengan ketara. Contoh sumber terbuka DogFaceNet ialah pelaksanaan pengecaman anjing berdasarkan pembelajaran mendalam. Ia menggunakan mata dan hidung anjing sebagai set ciri. Penyelesaian ini berfungsi dengan baik jika matlamat keseluruhannya adalah untuk membezakan antara baka anjing, tetapi prestasinya agak lemah apabila membezakan antara kembar.

Pose Haiwan​

Contoh lain ialah menggunakan algoritma Local Binary Pattern Histogram (LBPH), yang menukar imej kepada piksel dan beroperasi dengan membandingkan nilai piksel imej yang berbeza. Kaedah ini bergantung pada postur haiwan, yang menjadikannya sensitif terhadap perubahan postur. Perlu diingat bahawa pendekatan ini sudah lapuk. Pada masa ini, jurutera cenderung menggunakan ciri yang lebih maju.

Ajak haiwan bergambar untuk kamera

Bagi manusia, mudah untuk membuat pose tertentu dan duduk diam. Walau bagaimanapun, ia tidak begitu mudah apabila kita cuba mendapatkan kucing atau anjing untuk mengambil gambar dalam pose tertentu. Ini memerlukan penggunaan algoritma pengecaman muka "pose-sensitif", seperti algoritma yang bergantung pada persamaan piksel.

Sediakan set data latihan yang komprehensif

Untuk latihan menjadi berkesan, data mestilah pelbagai dan meliputi semua tugasan yang dijangka dilakukan oleh algoritma. Sebagai contoh, jika algoritma mengenali baka anjing yang berbeza, maka set data harus mengandungi sumber maklumat yang ditangkap dari sudut yang berbeza dan dilabel dengan betul. Pelbagai perkara boleh berlaku di sini, sebagai contoh: seseorang mungkin menyerahkan imej baka campuran, seseorang mungkin tersilap menandai imej dan menetapkan 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.

4 Kesimpulan

Bidang pengecaman muka haiwan Kemajuan. telah dihalang oleh fakta bahawa penyelidik masih tidak dapat menentukan gabungan ciri terbaik yang boleh digunakan untuk mengenal pasti haiwan dengan tepat pada skala besar. Walau bagaimanapun, terdapat beberapa aplikasi yang berjaya bekerja pada data terhad, seperti mengenal pasti haiwan tertentu atau sekumpulan kecil haiwan domestik/liar. Jika anda sedang membina sistem pengecaman muka haiwan kesayangan anda sendiri, ingat bahawa haiwan adalah pengguna teknologi biometrik yang tidak bekerjasama. Sesetengah akan berkeras untuk menjilat kamera, yang lain akan menolak untuk bergambar. Untuk menghapuskan masalah yang tidak perlu, algoritma postur dan ekspresi neutral boleh direka bentuk. Isu lain yang perlu dipertimbangkan ialah peraturan privasi. Jika anda ingin membina apl untuk mencari haiwan peliharaan yang hilang, adakah anda memerlukan pemilik untuk mendedahkan lokasi mereka? Malah foto haiwan peliharaan di rumah pemilik mungkin mendedahkan maklumat peribadi tentang pemiliknya.

Pautan asal: https://readwrite.com/pet-face-recognition-are-we-there-yet/

Terjemahan Pengenalan pengarang

Cui Hao, editor komuniti 51CTO dan arkitek kanan, mempunyai 18 tahun pengalaman pembangunan perisian dan seni bina serta 10 tahun pengalaman seni bina yang diedarkan. Dahulu pakar teknikal di HP. Beliau bersedia berkongsi dan telah menulis banyak artikel teknikal popular dengan lebih daripada 600,000 bacaan. Pengarang "Prinsip dan Amalan Seni Bina Teragih".

Atas ialah kandungan terperinci Adakah pengecaman muka untuk haiwan peliharaan telah dilaksanakan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!