为静态传感器适配重识别挑战

2016 年和 2018 年，GREVY 斑马种群的高危保护人群普查得益于 Great Grevy's Rally (GGR)，这是一项由专家和算法对志愿者捕获的图像进行精选的人工智能活动，从而产生种群估计。另一种可扩展、持久的GREVY 种群监控方法涉及部署相机陷阱网络。然而，在这两种情况下，大多数斑马图像因图像条件不佳而无法用于个体识别；相机陷阱图像尤其存在高遮挡率和高时空相似性。我们提出的过滤管道包括动物检测、种类识别、视角估计、质量评估和时间抽样，以获取适合重识别的个体裁剪图像，这些图像随后由 LCA 决策管理算法进行精选。我们的方法处理了GGR-16 和 GGR-18 在肯尼亚梅鲁县拍摄的图像，生成 4142 条高度可比的注释，仅需 120 次对比式人工决策即可得出接近真实人口计数的4.6%误差的人口估计。我们的方法还有效率地处理了来自肯尼亚拉伊比亚县马帕拉研究中心的 890 万张未标记的相机陷阱图像（来自 70 个摄像机，持续两年），生成 685 场 173 名个体的遭遇事件，仅需 331 次对比式人工决策。