PawPrint：这些是谁的脚印？通过脚印识别动物个体
计算机视觉与模式识别
2025-05-26 v1
摘要
截至 2023 年，美国 66% 的家庭拥有宠物，且该比例逐年上升。这一趋势凸显了对有效宠物识别与监测方法的迫切需求，尤其是每年约有 1000 万只猫和狗被盗或走失。然而，传统寻找走失动物的方法如 GPS 标签或身份照片存在局限性——它们可能被移除、面临信号问题，且依赖有人发现并报告宠物。为解决这些限制，我们推出了 PawPrint 和 PawPrint+，这是首批专注于狗和猫个体级脚印识别的公开数据集。通过对现代深度神经网络（如 CNN、Transformer）和经典局部特征进行全面基准测试，我们观察到在基底复杂度和数据可用性不同时，各方法具有各自的优势与不足。这些结果表明未来可将学习到的全局表征与局部描述符相结合，以提升在多样化真实场景下的可靠性。由于该方法提供了一种非侵入式的传统身份标签替代方案，我们预期其在伦理宠物管理和野生动物保护方面具有广阔应用前景。
引用
@article{arxiv.2505.17445,
title = {PawPrint: Whose Footprints Are These? Identifying Animal Individuals by Their Footprints},
author = {Inpyo Song and Hyemin Hwang and Jangwon Lee},
journal= {arXiv preprint arXiv:2505.17445},
year = {2025}
}
备注
Accepted to ICIP 2025