优化个体动物的自动识别,以支持人口监测
Tijmen A de Lorm1, Catharine Horswill2,3,4, Daniella Rabaiotti2,3
1Department of Life Sciences Imperial College London Silwood Park UK.
Ecology and evolution
|July 5, 2023
概括
自动图像分析通过更快,更准确地识别非洲野狗 (Lycaon pictus) 来帮助保护. 这项技术改善了种群监测,这对于危物种管理至关重要.
科学领域:
- 保护生物学 保护生物学
- 野生动物监测 野生动物监测
- 计算机视觉在生态学中的应用
背景情况:
- 准确的人口估计对于保护危物种至关重要.
- 基于个人的人口统计率需要广泛的,往往昂贵的长期数据.
- 摄影数据为监测具有独特标记的物种提供了一个非侵入性的,具有成本效益的替代方案.
研究的目的:
- 开发一个自动化框架来选择适合个人识别的图像.
- 为了比较三个著名的自动化个人识别软件包的性能:Hotspotter,I3S-Pattern和WildID.
- 评估非洲野狗 (Lycaon pictus) 在不同种群中自动识别的有效性.
主要方法:
- 利用卷积神经网络进行自动化图像预处理:单独裁剪,适合性过,侧翼分离和背景删除.
- 使用肯尼亚和津巴布韦非洲野生狗种群的摄影数据,比较了Hotspotter,I3S-Pattern和WildID的准确性.
- 基于不同种群之间的不同外套颜色模式,评估软件性能的种类内变化.
主要成果:
- 自动图像选择框架成功处理了用于个人识别的图像.
- 热点在两个人群中都展示了最高的图像匹配精度.
- 与肯尼亚人口 (62%) 相比,津巴布韦人 (88%) 的识别准确度明显高.
结论:
- 自动化图像预处理提高了依赖图像匹配的监控程序的可扩展性和效率.
- 特定人口的检测率可能会有所不同,这会影响衍生的人口统计数据的确定性.
- 自动化个人识别为具有挑战性和昂贵的保护监测工作提供了重大进展,特别是对于像非洲野狗这样的物种.
