利用深度信息用于野生动物监测
计算机视觉与模式识别
2021-02-11 v1
摘要
相机陷阱是生物学尤其是生物多样性研究中已被证实的工具。然而，尽管包含深度估计的相机陷阱能提供关于场景的宝贵上下文并推动先前繁重的手动生态学方法的自动化，其并未被广泛部署。在本研究中，我们提出一种基于相机陷阱的自动化方法，利用深度估计来检测与识别动物。为检测并识别个体动物，我们提出一种名为 D-Mask R-CNN 的新方法用于所谓的实例分割，这是一种基于深度学习的技术，用于检测并勾画出图像或视频片段中出现的每个感兴趣独立对象。实验评估显示了相较于仅依赖图像信息的标准方法，额外深度估计在动物检测平均精度得分提升方面的益处。该新方法还在使用 RGB-D 相机陷阱的动物园场景概念验证中进行了评估。
引用
@article{arxiv.2102.05607,
title = {Exploiting Depth Information for Wildlife Monitoring},
author = {Timm Haucke and Volker Steinhage},
journal= {arXiv preprint arXiv:2102.05607},
year = {2021}
}