利用 AI 自动化视频关键帧提取进行 Kākā 重识别
计算机视觉与模式识别
2025-10-13 v1 人工智能
摘要
准确识别和重识别个体动物对于成功的野生动物种群监测至关重要。传统方法如鸟类脚环标记耗时且具有侵入性。人工智能领域的最新进展，特别是计算机视觉，为智能保护和高效自动化提供了令人鼓舞的解决方案。本研究提出了一种独特的流水线，用于从新西兰濒危森林鹦鹉 Kākā（Nestor meridionalis）的视频中提取高质量关键帧。关键帧提取在人物重识别中已有深入研究，然而其在野生动物领域的应用仍十分有限。利用在定制喂食器上拍摄的视频记录，我们提取关键帧并评估流水线的重识别性能。我们的无监督方法结合了使用 YOLO 和 Grounding DINO 的目标检测、光流模糊检测、使用 DINOv2 的图像编码以及聚类方法来识别代表性关键帧。结果表明，所提出的关键帧选择方法生成的图像集合在 Kākā 重识别中达到了高精度，为未来在更多样化和更具挑战性的环境中利用采集的媒体进行研究奠定了基础。通过使用人工智能和计算机视觉，我们的非侵入性高效方法为识别 Kākā 个体提供了一种有价值的传统物理标记替代方案，从而改善种群监测。本研究为野生动物监测贡献了新的方法，在生态学和保护生物学中具有应用价值。
引用
@article{arxiv.2510.08775,
title = {Re-Identifying K\={a}k\={a} with AI-Automated Video Key Frame Extraction},
author = {Paula Maddigan and Andrew Lensen and Rachael C. Shaw},
journal= {arXiv preprint arXiv:2510.08775},
year = {2025}
}