论文阅读笔记——模式物种中个体的自动检测和识别

论文简介

标题

• 英文：《Automatic Detection and Recognition of Individuals in Patterned Species》
• 翻译：《模式物种中个体的自动检测和识别》

期刊情况

• 期刊：《Conference on Computer Vision and Pattern Recognition》

---

论文内容

摘要

视觉动物生物识别技术正在迅速普及，因为它为野生动物监测应用提供了一种非侵入性且经济高效的方法。相机陷阱的广泛使用导致了大量收集的图像，使得视觉内容的手动处理难以管理。在这项工作中，我们开发了一个框架，用于自动检测和识别不同模式物种中的个体，如老虎、斑马和美洲虎。大多数现有系统主要依靠人工输入来定位动物，这不能很好地扩展到大数据集。为了使检测过程自动化，同时保持对模糊、部分遮挡、光照和姿态变化的鲁棒性，我们使用最近提出的快速RCNN目标检测框架来有效地检测图像中的动物。我们进一步从动物侧面的AlexNet中提取特征，并训练逻辑回归(或线性SVM)分类器来识别个体。我们主要在相机捕捉老虎图像数据集上测试和评估我们的框架，该数据集包含在整体图像质量、动物姿势、比例和光照方面有所不同的图像。我们还在斑马和美洲豹图像上评估了我们的识别系统，以显示对其他模式物种的概括。与最先进的识别技术相比，我们的框架在相机捕捉的老虎图像中提供了完美的检测结果，以及类似或更好的个人识别性能。

---

介绍

• 在过去的二十年里，视觉模式识别的进步已经导致了许多有效的视觉生物识别系统，用于通过各种形式识别人类个体，如*虹膜图像，面部图像和指纹 。由于识别过程依赖于视觉模式匹配，因此它方便且侵入性最小，这反过来又使得它适合用于非合作对象。因此，视觉生物识别技术已经应用于野生动物，其中非侵入性技术在成本、安全性和便利性 *方面提供了巨大优势。除了确认和识别个体，视觉模式匹配也用于对物种进行分类，检测行为和形态特征的发生或变化。
• 从历史上看，自1900年代中期以来，生态学家和进化研究人员一直使用草图收藏和照片记录来研究、记录和索引动物外貌。这是因为许多动物物种都有独特的皮毛图案，比如斑马身上的条纹和美洲豹身上的斑点。尽管早期的研究提供了形式化独特动物外貌的方法，但人工识别个体是乏味的，需要具有特定技能的人类专家，使得识别过程容易产生主观偏见。此外，随着图像量的增加，手动处理变得极其昂贵。
• 随着计算机视觉技术的进步，如目标检测和定位，姿态估计和面部表情识别，生态学家和研究人员有机会系统地应用视觉模式匹配技术来自动化野生动物监测。与传统方法(如野外人工监控、无线电搜寻和全球定位系统跟踪)相反，这些方法最大限度地减少了主观偏差，可重复，成本效益高，对人类和动物都更安全，压力更小。然而，与人类的情况不同，在野生动物的数据采集过程中，对环境因素几乎没有控制。具体来说，在陆地动物的情况下，大部分图像数据是使用固定在感兴趣的动物可能所在的位置的照相机捕捉器来收集的。由于这些原因，识别系统必须足够健壮，以处理由于植被造成的剧烈光照变化、模糊和遮挡的图像。例如，我们的老虎数据集中的一些具有挑战性的图像可以在图1中看到。
  
  • 近年来，像WWF-India这样的组织和Snapshot Serengeti项目这样的项目已经通过跨越大地理区域的数百个相机陷阱站点收集和编目了数百万幅图像。随着摄像机捕捉图像数量的空前增加，需要能够在短时间内根据所需类别(物种/个体水平)自动分类和组织图像的视觉监控系统。此外，许多动物物种濒临灭绝，需要持续监测，特别是在它们容易受到偷猎、食肉动物和数量已经较少的地区。