金丝猴|科学家基于深度神经网络模型进行猴脸识别


金丝猴|科学家基于深度神经网络模型进行猴脸识别
文章图片

利用深度学习技术自动识别灵长类个体
人脸识别技术正在飞速发展 。 西北大学却不走寻常路 , 利用人工智能(AI)技术为秦岭地区数千只川金丝猴进行猴脸识别 。
如何能够准确、快速的对野生动物进行个体识别 , 实现连续的“焦点动物取样”和个体全覆盖的“全事件取样” , 从而科学地认识并据此开展动物保护工作 , 一直是全世界动物学家向往但又无法突破的难题 。
西北大学西北大学生命科学学院教授郭松涛针对这一前沿问题 , 与计算机科学领域的专家深度交叉融合 , 建立动物AI研究团队 。 该团队基于金丝猴研究团队长期对该物种特征的研究结果 , 提出具有关注机制的深度神经网络模型 , 首次开发出基于Tri-AI技术的金丝猴个体识别系统 。
“系统颠覆了依靠动物斑纹、颜色、伤疤等个体特征或者等人为标记特征的传统方法 , 实现了对野生个体的准确身份识别和连续跟踪采样的功能 。 更重要的是 , 该系统为在理想条件下实现‘无观察者干扰效应’的动物学研究提供了可能 。 ”郭松涛在接受《中国科学报》采访时说 。
相较于人脸识别 , 猴脸识别技术难度在于金丝猴的脸部皮肤区域带毛区域多 , 且毛发区域相对更明显 , 纹理特征更复杂 , 对识别系统的深度学习能力提出了更高的要求 。
“我们需要数量更多、质量更高的个体图像样本 , 来提高识别率 。 ”研究团队负责人李保国解释道 , “野外环境很复杂 , 金丝猴不会主动配合 , 拍到好的图片和视频比较难 。 我们的目标是拍摄到每一只秦岭金丝猴的图像样本 , 对秦岭金丝猴都能通过猴脸识别技术完成识别 。 ”
目前 , 猴脸识别技术处于实验推广阶段 , 可识别约200只秦岭金丝猴 。 “该系统已经在灵长类的41个代表性物种和4种食肉动物群体进行了适用性验证 , 平均识别精度达94.1% 。 ”西北大学信息科学与技术学院副教授许鹏飞说 。
现在 , Tri-AI系统不仅可以应用于多个类群的不同物种 , 还可实现夜间连续无碍观测 。 该技术极大的提高了个体数据分析效率 , 为动物学研究提供新的技术方案 , 也为实现野生动物保护和智能管理提供可靠的技术支撑 。
该研究发表于iScience上 。
目前 , 该项工作已经进入到应用推广的阶段 。 一方面 , 已初步完成“动物个体识别”系统(V1.0)的开发 , 并在多处秦岭金丝猴分布地用于多个种群、上千只个体的识别和记录 , 开始启动建立秦岭金丝猴个体信息库的工作;另一方面 , 该项工作进一步扩展应用行业和范围 , 结合野外和圈养条件下识别动物的不同应用场景与需求 , 进行个性化识别功能的研发 , 并将在基于动物精准识别的基础上实现动物保护、饲养、繁育和研究的精细化管理 。 (袁一雪)
相关论文信息:https://doi.org/10.1016/j.isci.2020.101412
【金丝猴|科学家基于深度神经网络模型进行猴脸识别】[责任编辑: 赵清建 ]

    推荐阅读