能夠準確識別動物的技術將幫助主人與丟失的寵物團聚，農民監控飼養的牲畜，研究人員研究野生動物。基于以上的應用場景，微芯片是最流行的寵物識別方法。然則，植入芯片需要進行侵入性手術，同時需要專門的設備讀取芯片，還要防范小偷提取微芯片的風險。還有一種方法就是DNA分析，它雖說很精確，但也非常昂貴和耗時。今天要給大家介紹的是通過臉部識別的方式來識別動物。

1.使用計算機視覺軟件進行寵物臉部識別

由計算機視覺解決方案進行寵物的臉部識別可以作為上述方案的替代品。縱然它存在缺點，但該技術可以在特定情況下展示出高度的準確性。

那么，寵物人臉識別是如何運作的呢？妨礙技術進步的挑戰是什么？寵物人臉識別如何工作？

一般來說，寵物臉部識別解決方案主要分為三個步驟：

（1）圖像捕捉：動物的照片由高分辨率相機拍攝。一些算法只適用于預定義的姿勢，因此有必要選擇符合這些標準的圖像。

（2）特征提取：評估動物的生物特征數據的適用性，并在需要時進行預處理。然后算法提取識別所需的特征集。

（3）特征匹配：提取的特征以數學方式表示并與其他圖像匹配。比如，如果我們在丟失的寵物數據庫中尋找一只狗，我們會將狗的獨特特征與該數據庫中的所有動物進行匹配。

有幾種方法可以執行匹配。一種方法是使用KNN和DBSCAN等算法進行聚類，這將產生一組與我們的目標圖像高度接近的圖像，用戶可以手動選擇最合適的圖像。

另外，可以部署概率方法以將最終結果表示為置信水平。比如，識別目標是貓，同時算法確定捕獲的圖像是貓，其置信度為90%；如果確定是狗，其置信度為10%。

寵物的臉部識別

2.寵物臉部識別示例

以下是如何在現實生活中使用寵物臉部識別的示例。其中一些系統是成功的、流行的，甚至是商業解決方案，還有一些是檢驗假設的學術嘗試。

尋找丟失的動物?

失去他們的寵物對主人來說是令人心碎的。根據統計數據，此類事件比人們想象的要普遍。在美國，三分之一家庭飼養的所有寵物（狗/貓）一旦失蹤，有80% 都再也沒有找到。有幾個寵物臉部識別的計劃可以幫助主人找到他們失去的朋友。

ForPaws

ForPaws是一款APP產品，它通過寵物識別的方式根據狗的鼻尖、膚色和毛皮類型來識別它們。主人必須上傳至少三張照片才能創建寵物的個人資料。目前，該解決方案可以識別130個犬種，準確率達到90%。

PIP

這家寵物識別公司開發了一款應用程序，允許寵物主人注冊和上傳動物的照片。該系統分析寵物的面部特征。如果主人可以提供額外的信息，比如性別、大小和重量，PiP聲稱它將能夠識別每只丟失的貓和狗。

任何發現丟失寵物的人都可以使用該應用程序尋找寵物的主人。PiP的解決方案還不斷掃描社交媒體上的動物帖子，并向相關社區的居民發送丟失的寵物警報。

Love Lost

Petco的Love Lost是一個面向寵物主人和動物收容所的應用程序。使用者可以創建動物檔案，以便當寵物失蹤時，軟件可以開始將寵物的生物特征信息與收容所的新來者以及其他候選動物進行匹配。

識別特定的寵物?

訓練算法可以用來識別一只特定的寵物。比如，寵物主人可以在準確識別寵物的前提下進行后續操作，譬如發送警報或打開門讓寵物進入。

Aakaitz Garro前端工程師開發了寵物面部解決方案?

WeTransfer的前端工程師Arkaitz Garro開發了一種寵物臉部識別解決方案，該解決方案可以識別鄰居的貓，當這個小家伙出現在門口時向Garro（也可以是指定的人） 發送警報。為了捕捉貓的照片，Garro使用了小型相機和帶有運動檢測軟件的Raspberry Pi。當動物接近相機時，系統會拍攝照片并將其發送到AWS Recognition平臺，該平臺將其與Garro上傳的這只貓的其他圖像進行比較。如果匹配成功，工程師會收到通知。

微軟用于寵物識別的物聯網設備

同樣，微軟開發了一種物聯網設備，用戶可以將其安裝在家里寵物進門的地方。當識別到寵物后，設備會解鎖讓動物進門。

協助科學研究——海豚的臉部識別

除了識別家庭寵物外，臉部識別算法還可用于檢測其他物種。《海洋哺乳動物科學雜志》上發表了一項研究，調查了識別海豚所需的一組特征。研究人員在12年內追蹤和拍攝150只寬吻（bottlenose）海豚。該團隊在海豚的生命周期中對其面部和背鰭進行識別，并且評估這種方法的可行性。

使用這150名受試者，它歸結為只有31只具有全面輪廓（即面部左右兩側和背鰭的清晰照片）的海豚。這項研究依靠人類專家意見和統計方法來檢測同一海豚的不同圖像之間的相似性。

該實驗的結果表明，海豚的面部特征伴隨時間的推移保持一致，可用于識別目的。這種技術可以識別成年后的小海豚，方便追蹤海豚成長的過程，這極大地促進了海豚研究。

同一只海豚在不同階段的特征

幫助農民監控牲畜?

識別農場動物是具有挑戰性的。北京優瑞科技創始人趙金石，他多年從事農業領域的軟件開發，對于識別農場動物他有自己的看法：“對于豬來說，識別起來會比較困難。因為豬看起來都一樣，但奶牛會相對容易一些。因為它們有明顯的特別，它們身上的花紋是黑白的，形狀不同。”

奶牛和他們的“互動”

然則，當涉及到奶牛識別時，挑戰出現了——即確定安裝攝像頭的位置。奶牛是好奇心比較重的動物，即使是最輕微的環境變化也會引起它們的注意。當發現攝像頭時，它們會通過舔舐的方式與之“互動”。但拋開挑戰不談，建立可以識別個體奶牛的系統將極大地幫助飼養者。該解決方案可以將動物的健康狀況、飲水、進食模式與動物的身份相匹配。借助AI，能夠檢測動物的疾病跡象和異常行為，在緊急情況下通知飼養者。

3.臉部識別的挑戰

如果要實施寵物臉部識別解決方案需要主要考慮三個挑戰：

確定最優特征集

科學家們已經指定了可用于人臉識別的特征向量。然則，同樣的方法不適用于寵物，因為我們不知道需要使用哪些功能以及如何解釋它們。比如，在與人打交道時，科學家可以使用變分自動編碼器 (VAE) 架構從人臉中提取特征。在這種方法中，人的照片被壓縮為包含所需特征的向量，比如膚色和面部表情。但在寵物臉部識別方面，目前還沒有可靠的特征向量。

可靠的特征向量

解決可靠的特征向量將顯著推動該領域的發展。開源示例DogFaceNet是一種基于深度學習對狗進行識別的實現。它使用狗的眼睛和鼻子作為特征集。如果總體目標是區分犬種，則此解決方案效果相當好，但在區分雙胞胎動物時其性能相當差。

動物姿勢?

另一個例子是使用局部二值模式直方圖 (LBPH) 算法，該算法將圖像轉換為像素，并通過比較不同圖像的像素值來進行操作。這種方法取決于動物的姿勢，這使得它對姿勢變化很敏感。值得一提的是，這種方法已經過時了。目前，工程師更傾向于使用更多的高級功能。

讓動物對著鏡頭擺姿勢

對于人類來說，很容易采取特定的姿勢并靜坐不動。然則，當我們試圖讓貓或狗以特定姿勢拍照就不那么容易了。這需要應用到“姿勢敏感”的臉部識別算法，比如依賴于像素相似度的算法。

提供全面的訓練數據集

為了使訓練有效，數據必須多樣化并涵蓋算法預期執行的所有任務。比如，如果算法識別不同的狗品種，那么數據集應該包含不同角度捕獲并正確標記的信息源。這里會出現多種狀況，比如：有人可能會提交混合品種的圖像，有人可能會錯誤地標記圖像并分配錯誤的品種名稱。為了避免此類問題，專家必須一張一張地審查數據集中的所有照片，以驗證圖像的合法性和標簽的準確性。

4.結論

寵物人臉識別領域的進展受到以下事實的妨礙：研究人員仍然無法指出可用于大規模準確識別動物的最佳特征組合。縱然如此，還是有一些成功的應用程序基于受限數據工作，比如識別特定的動物或一小群家養/野生動物。如果您正在構建自己的寵物臉部識別系統，請記住動物是生物識別技術的非合作用戶。有些會堅持舔相機，有些會拒絕為照片擺姿勢。為了消除不必要的麻煩，可以設計姿勢和表情中立的算法。另一個需要考慮的問題是隱私法規。如果你想構建一個尋找丟失寵物的應用程序，是否需要主人顯示他們的位置？即使是主人家中寵物的照片，也可能暴露與主人相關的隱私信息。