野生动物相机陷阱的自动距离估计
计算机视觉与模式识别
2022-11-21 v2 人工智能
摘要
持续的生物多样性危机要求准确估计动物密度与丰度，以识别生物多样性下降的源头及保护干预的有效性。相机陷阱结合丰度估计方法常被用于此目的。相机与观测动物之间的必要距离传统上通过繁琐的完全手动或半自动过程获得。两种方法均需参考图像素材，这类素材既难以获取，对现有数据集亦不可得。我们提出一种称为自动距离估计（AUDIT）的全自动方法，用于估计相机到动物的距离。我们利用现有的最先进相对单目深度估计，并将其与一种新颖的对齐流程相结合，以估计度量距离。AUDIT 完全自动化，既不需要将相机陷阱图像中的观测与参考图像比较，也完全不需要拍摄参考图像素材。因此，AUDIT 将生物学家与生态学家从大量工作负担中解放出来。我们在训练时未见的动物园场景数据集上评估 AUDIT，在所有动物实例上取得了仅 0.9864 米的平均绝对距离估计误差和 0.113 的平均相对误差（REL）。代码与使用说明见 https://github.com/PJ-cs/DistanceEstimationTracking。
引用
@article{arxiv.2202.04613,
title = {Automated Distance Estimation for Wildlife Camera Trapping},
author = {Peter Johanns and Timm Haucke and Volker Steinhage},
journal= {arXiv preprint arXiv:2202.04613},
year = {2022}
}