稠密人群中赫斯汀-弗里斯坦牛的自动重识别
计算机视觉与模式识别
2026-02-19 v1
摘要
赫斯汀-弗里斯坦牛的檢測與重識別 (Re-ID) 方法在目標在空間上分離時表現良好。然而，現有方法，包括基於 YOLO 的物種檢測，會在牛隻緊密聚集時失效。這在具有破壞輪廓的毛色圖案的物種上尤為突出。為提升此情境下的檢測效果與可轉移性，我們提出一種新的檢測-分段-識別管道，利用 Open-Vocabulary Weight-free Localisation 與 Segment Anything 模型作為預處理階段，協助 Re-ID 網路。為評估我們的方法，發布了收錄九天農場監控錄像數據。我們的方法克服了稠密動物聚集中的檢測瓶頸，達到 98.93% 的準確率。此結果顯著優於現有的以有向綁框驅動的檢測方法與 SAM 物種檢測基線，分別提升了 47.52% 和 27.13%。我們展示了無監督對比學習可在此基礎上進一步構建，於測試數據上達到 94.82% 的 Re-ID 準確率。我們的工作證明了在密集情境下的重識別不僅在實用性上可行，而且在無人工干預的農場環境中可靠。
引用
@article{arxiv.2602.15962,
title = {Automated Re-Identification of Holstein-Friesian Cattle in Dense Crowds},
author = {Phoenix Yu and Tilo Burghardt and Andrew W Dowsey and Neill W Campbell},
journal= {arXiv preprint arXiv:2602.15962},
year = {2026}
}
备注
32 pages, 13 figures, 5 tables