利用非视觉标记实现动物的持续识别
计算机视觉与模式识别
2023-07-20 v8 组合数学
摘要
我们的目标是在杂乱的家养笼环境中随时间定位并为每只小鼠提供唯一标识符，作为生物研究中自动行为识别的前置工作。这是一个极具挑战性的问题，原因在于：(i) 每只小鼠缺乏可区分的视觉特征；(ii) 场景空间狭小且存在持续遮挡，使得标准视觉跟踪方法无法使用。然而，通过独特的 RFID 植入物可获得每只小鼠位置的粗略估计，因此有可能将（弱）跟踪信息与身份粗略信息最优结合。为实现我们的目标，我们做出了以下关键贡献：(a) 将目标识别问题表述为一个分配问题（使用整数线性规划求解）；(b) 一种轨迹段与 RFID 数据之间亲和力的新颖概率模型。后者是模型的关键部分，因为它在给定粗略定位的情况下对目标检测提供了原则性的概率处理。我们的方法在该动物识别问题上达到了 77% 的准确率，并能在动物隐藏时拒绝虚假检测。
引用
@article{arxiv.2112.06809,
title = {Persistent Animal Identification Leveraging Non-Visual Markers},
author = {Michael P. J. Camilleri and Li Zhang and Rasneer S. Bains and Andrew Zisserman and Christopher K. I. Williams},
journal= {arXiv preprint arXiv:2112.06809},
year = {2023}
}