基于无标签视频数据的斑纹型独居物种个体自动识别
计算机视觉与模式识别
2023-04-20 v1
摘要
相机陷阱视频的手动处理与分析耗时费力，包含从过滤误触发片段到个体识别与再识别等多个步骤。在本研究中，我们开发了一种自动分析相机陷阱视频以识别个体而无需人工干预的流程。该流程适用于具有独特可辨识毛皮图案且独居行为的动物物种，例如豹（Panthera pardus）。我们假设在一次触发的视频序列中观察到的是同一个体。基于该假设，可在无需预标注的情况下将多帧图像分配给一个个体的初始数据库填充。该流程基于计算机视觉与深度学习中成熟的组件，特别是卷积神经网络（CNNs）与尺度不变特征变换（SIFT）特征。我们通过实现额外组件来替代原本所需的人工交互，对此基础进行了扩展。基于视频素材中各帧之间的相似性，我们构建了代表个体的聚类，从而规避了未知总种群数量的开放集问题。该流程在由泛非计划：圈养黑猩猩（PanAf）收集的豹视频数据集上进行了测试，对先前未知个体间正确匹配的成功率超过83%。所提出的流程可成为未来基于相机陷阱数据的保护项目的宝贵工具，在缺乏标注数据时减少个体识别的手动分析工作。
引用
@article{arxiv.2304.09657,
title = {Automatic Individual Identification of Patterned Solitary Species Based on Unlabeled Video Data},
author = {Vanessa Suessle and Mimi Arandjelovic and Ammie K. Kalan and Anthony Agbor and Christophe Boesch and Gregory Brazzola and Tobias Deschner and Paula Dieguez and Anne-Céline Granjon and Hjalmar Kuehl and Anja Landsmann and Juan Lapuente and Nuria Maldonado and Amelia Meier and Zuzana Rockaiova and Erin G. Wessling and Roman M. Wittig and Colleen T. Downs and Andreas Weinmann and Elke Hergenroether},
journal= {arXiv preprint arXiv:2304.09657},
year = {2023}
}