科学家基于深度神经网络模型进行猴脸识别

  人脸识别技术正在飞速发展。西北大学却不走寻常路,利用人工智能(AI)技术为秦岭地区数千只川金丝猴进行猴脸识别。

  如何能够准确、快速的对野生动物进行个体识别,实现连续的“焦点动物取样”和个体全覆盖的“全事件取样”,从而科学地认识并据此开展动物保护工作,一直是全世界动物学家向往但又无法突破的难题。

  西北大学西北大学生命科学学院教授郭松涛针对这一前沿问题,与计算机科学领域的专家深度交叉融合,建立动物AI研究团队。该团队基于金丝猴研究团队长期对该物种特征的研究结果,提出具有关注机制的深度神经网络模型,首次开发出基于Tri-AI技术的金丝猴个体识别系统。

  “系统颠覆了依靠动物斑纹、颜色、伤疤等个体特征或者等人为标记特征的传统方法,实现了对野生个体的准确身份识别和连续跟踪采样的功能。更重要的是,该系统为在理想条件下实现‘无观察者干扰效应’的动物学研究提供了可能。”郭松涛在接受《中国科学报》采访时说。

  相较于人脸识别,猴脸识别技术难度在于金丝猴的脸部皮肤区域带毛区域多,且毛发区域相对更明显,纹理特征更复杂,对识别系统的深度学习能力提出了更高的要求。

  “我们需要数量更多、质量更高的个体图像样本,来提高识别率。”研究团队负责人李保国解释道,“野外环境很复杂,金丝猴不会主动配合,拍到好的图片和视频比较难。我们的目标是拍摄到每一只秦岭金丝猴的图像样本,对秦岭金丝猴都能通过猴脸识别技术完成识别。”

  目前,猴脸识别技术处于实验推广阶段,可识别约200只秦岭金丝猴。“该系统已经在灵长类的41个代表性物种和4种食肉动物群体进行了适用性验证,平均识别精度达94.1%。”西北大学信息科学与技术学院副教授许鹏飞说。

  现在,Tri-AI系统不仅可以应用于多个类群的不同物种,还可实现夜间连续无碍观测。该技术极大的提高了个体数据分析效率,为动物学研究提供新的技术方案,也为实现野生动物保护和智能管理提供可靠的技术支撑。

  该研究发表于iScience上。

  目前,该项工作已经进入到应用推广的阶段。一方面,已初步完成“动物个体识别”系统(V1.0)的开发,并在多处秦岭金丝猴分布地用于多个种群、上千只个体的识别和记录,开始启动建立秦岭金丝猴个体信息库的工作;另一方面,该项工作进一步扩展应用行业和范围,结合野外和圈养条件下识别动物的不同应用场景与需求,进行个性化识别功能的研发,并将在基于动物精准识别的基础上实现动物保护、饲养、繁育和研究的精细化管理。

  相关论文信息:https://doi.org/10.1016/j.isci.2020.101412

本文由程序自动从互联网上获取,其版权均归原作者所有,文章内容系原作者个人观点,不代表本站对观点赞同或支持。如有侵权,请联系删除。