基于计算机视觉的相机陷阱数据动物重识别：过去、现在与未来方法
计算机视觉与模式识别
2018-11-20 v1
摘要
研究者在再次遇到个体动物时能够对其进行重识别（re-ID）的能力，是解决生态系统功能、群落与种群动态以及行为生态学研究中的广泛问题的基础。在本综述中，我们描述了用于重识别的相机陷阱的简史，呈现了先前用于动物重识别的计算机视觉特征工程方法集合，介绍了与动物重识别相关的深度学习基本机制，强调了深度学习方法在人体重识别上的成功，描述了当前少数利用深度学习进行相机陷阱分析的生态学研究，并基于深度学习方法的快速发展给出了我们对近期方法的预测。通过利用用于目标检测和相似性比较的新型深度学习方法，生态学家可以从图像/视频数据中提取动物，并训练深度学习分类器来重识别动物个体，其能力超越人类观测者。该方法将使拥有相机/视频陷阱数据的生态学家能够重识别离开并重新进入相机视场的个体。我们期望这仅仅是重大趋势的开端，该趋势可能彻底变革相机陷阱数据的分析，并最终改变我们研究动物生态学的方法。
引用
@article{arxiv.1811.07749,
title = {Past, Present, and Future Approaches Using Computer Vision for Animal Re-Identification from Camera Trap Data},
author = {Stefan Schneider and Graham W. Taylor and Stefan S. Linquist and Stefan C. Kremer},
journal= {arXiv preprint arXiv:1811.07749},
year = {2018}
}
备注
25 pages, 1 picture