能够准确识别动物的技术可以帮助失散动物的主人重新团聚，帮助农民监控牲畜，帮助研究人员研究野生动物。从历史上看，微芯片一直是这方面最流行的动物识别方法。然而，植入芯片需要侵入性手术。没有专门的设备就无法读取它们，小偷可以提取微芯片。另一种方法是DNA分析，这种方法非常精确，但也非常昂贵且耗时。计算机视觉解决方案支持的动物面部识别（有时不限于面部）可以成为上述方法的可行替代方案。尽管存在缺点，但该技术可以在特定情况下展示出高水平的准确性。那么，动物面部识别是如何工作的呢？挑战会在哪些方面阻碍这项技术的进步？动物面部识别的工作原理一般来说，动物面部识别解决方案主要分为三个步骤：图像捕捉：相机拍摄动物照片。一些算法仅适用于预定义的姿势，因此必须选择满足这些标准的图像。特征提取：评估动物生物特征数据的适用性，并根据需要进行预处理。然后算法提取识别所需的特征集。匹配：提取特征的数学表示并与其他图像匹配。例如，如果我们要在丢失的宠物数据库中寻找一只狗，我们会将这只狗的独特特征与该数据库中的所有动物进行匹配。有几种方法可以执行匹配。一种方法是使用KNN、DBSCAN等算法进行聚类，得到一组与我们的目标图像高度相似的图像，用户可以手动选择最合适的图像。此外，可以使用概率方法，将最终结果表示为置信度。寻找丢失的宠物丢失宠物对主人来说可能是一件令人心碎的事情。根据统计数据，它比人们想象的要普遍得多。在美国，三分之一的家庭有猫狗在他们生命中的某个时刻失踪，其中80%的人从未找到。有几种基于宠物面部识别的工具可以帮助主人找到丢失的朋友。ForPaws：这种动物面部识别解决方案根据狗的鼻尖、肤色和皮毛类型来识别狗。动物主人被要求上传至少三张照片，以创建动物的“个人资料”。目前，该程序可以识别130个犬种，准确率达90%。PiP：这家动物识别公司开发了一款应用程序，允许动物主人注册和上传他们动物的照片。系统分析他们独特的面部特征。PiP声称，如果主人提供额外信息（例如性别、体型和体重），它可以识别每只流浪猫狗。任何找到丢失宠物的人也可以使用该应用程序寻找失主。PiP的解决方案还不断扫描社交媒体上的宠物帖子，并向相关社区的居民发送丢失宠物警报。LoveLost：Petco的LoveLost是另一款帮助宠物主人和宠物收容所的应用程序。建议主人为他们的宠物创建档案，这样当宠物失踪时，软件可以开始将动物的生物识别信息与收容所的新成员和其他候选宠物进行匹配。识别特定动物有时训练算法识别特定动物是有意义的。例如，动物主人可以从一个系统中受益，该系统可以准确识别他们的动物并采取适当的行动，例如发送警报或打开门让动物进来。WeTransfer的前端工程师ArkaitzGarro开发了一种动物面部识别解决方案，可以识别邻居家的猫，并在猫出现在门口时向Garro发送警报。为了拍摄这只猫的照片，Garro使用了一个小型相机和一个带有运动检测软件的RaspberryPi。当一只动物接近摄像头时，系统会拍下照片并将其发送到AWS识别平台，与Garro上传的其他猫的照片进行比较。如果匹配，工程师将收到通知。微软还开发了可以连接到宠物门户的动物识别物联网(IoT)设备。一旦识别出这是您自己的宠物，该设备就会打开门让它进来。辅助科学研究——海豚的面部识别面部识别算法可用于识别家养动物以外的其他物种。《海洋哺乳动物科学杂志》发表的一项研究着眼于识别海豚所需的一组特征。研究人员在12年的时间里追踪并拍摄了150只宽吻海豚。研究小组想要评估使用海豚的脸和背鳍在其一生中进行身份识别的想法。在150个测试对象中，只有31只海豚具有完整的轮廓（即面部和背鳍左右两侧的清晰照片）。该研究依靠人类专家的意见和统计方法来检测同一只海豚的不同图像之间的相似性。实验结果表明，海豚的面部特征随着时间的推移保持一致，可用于识别目的。认出成年幼崽的能力极大地促进了对海豚的研究。帮助农民监控牲畜和识别农场动物是一个具有挑战性的过程。对于猪来说，就更难了，因为所有的猪看起来都一样。但是牛有点特别，有黑有白，形状各异。当涉及到奶牛时，另一个挑战出现了——在哪里安装摄像头。奶牛是好奇的动物，即使是周围最细微的变化也会注意到。他们经常试图舔或以其他方式与相机互动。但是拥有一个可以识别奶牛个体的系统将极大地帮助农民。该解决方案可以将动物的健康状况和进食方式与动物的身份相匹配。人工智能增强后，它将能够检测任何疾病迹象和异常行为，并在紧急情况下通知农民。北京象创科技的核心算法平台实现了猪、牛、羊、驴等牲畜的数据采集和人脸识别，积累了超过千万条牲畜面部数据。不仅帮助养殖户进行精细化养殖管理，还协助银行、保险等金融机构建立养殖业风险评估和预警系统。动物面部识别技术实施面临的挑战动物面部识别技术远远落后于目前相当先进的人类面部识别技术。大约四年前，研究人员开始试验动物面部识别，但通用技术的准确性仍然相当低。另一方面，具有特定目的的解决方案（例如识别特定动物）可能是准确的。想要实施动物面部识别解决方案的公司需要考虑三个主要挑战：确定最佳特征集科学家们指定了一个可用于独特面部识别的特征向量。然而，同样的方法在动物身上并不适用，因为我们不知道我们需要使用哪些功能以及如何解释它们。例如，在与人打交道时，科学家可以使用变分自动编码器(VAE)架构从人脸中提取特征。在这种方法中，人的照片被压缩成包含所需特征的向量，例如肤色和面部表情。在动物面部识别方面，目前还没有可靠的特征向量。解决可靠特征向量的挑战将大大推进该领域的研究。一个开源示例是DogFaceNet，它是一种基于深度学习的狗识别实现。它使用狗的眼睛和鼻子作为特征集。如果总体目标是区分狗的品种，则此解决方案效果相当好，但在区分个体动物时表现相当差。另一个依赖于动物姿势的例子是使用局部二进制模式直方图（LBPH）算法，该算法将图像转换为像素并通过比较来自不同图像的像素值来进行操作。这种方法取决于动物的姿势，这使得它对姿势变化很敏感。对于人类来说，很容易摆出某种姿势并静静地坐着。然而，当我们试图让猫或狗保持特定姿势时，事情会变得更加复杂。提供全面的训练数据集为了使训练有效，数据必须多样化并涵盖算法预期执行的所有任务。例如，如果算法应该识别不同的狗品种，那么数据集应该充分涵盖从不同角度捕获的所有品种，并进行适当的标记。这里有几件事情可能会出错。例如，有人可能会提交混合品种的图像，而有人可能会错误地标记他们的图像并分配错误的品种名称。为了避免此类问题，专家必须一张一张地审查数据集中的所有照片，以验证图像的合法性和标签的准确性。动物面部识别领域的进展一直受到阻碍，因为研究人员仍然无法确定可用于大规模准确识别动物的最佳特征组合。尽管如此，仍有一些基于有限数据的成功应用，例如识别特定动物或一小群家养或野生动物。如果您要为动物构建自己的面部识别系统，请记住动物是不合作的生物识别用户。有些人会坚持舔相机，有些人会拒绝站起来拍照。
