Automatic Individual Identification of Patterned Solitary Species Based on Unlabeled Video Data

要約

タイトル：ラベルなしビデオデータに基づくパターン化された単独種の自動個体識別

要約：

– カメラトラップからのビデオの手動処理と分析には、誤ってトリガーされた映像のフィルタリングから個体の識別や再識別まで、複数のステップが必要であり、時間がかかる。
– 本研究では、単独性を持つ毛皮の模様が特定できる動物種（例：ヒョウ）を対象に、手動干渉を必要としないビデオ解析パイプラインを開発した。
– 本パイプラインは、1つのトリガーされた動画シーケンス内で同じ個体を見たと仮定し、事前ラベリングなしで複数の映像を個体に割り当て、データベースを初期化することができる。
– 本パイプラインは、コンピュータビジョンとディープラーニングの確立されたコンポーネント、特に畳み込みニューラルネットワーク（CNN）とスケール不変特徴変換（SIFT）特徴に基づいて構築し、さらに人間の干渉が必要な場合には他のコンポーネントを実装して補完した。
– ビデオ素材のフレーム間の類似度に基づいて、個体を表すクラスタが形成され、未知の総個体数のオープンセット問題を回避した。
– 本パイプラインは、Pan African Programme：The Cultured Chimpanzee（PanAf）によって収集されたヒョウのビデオデータセットでテストされ、以前に未知の個体の正しい一致率が83％以上の成功率を達成した。
– ビデオトラップのデータに基づく将来の保全プロジェクトにとって貴重なツールとなり、ラベル付きデータが利用できない場合に個体識別の手動分析の作業を軽減することができると考えられる。

要約(オリジナル)

The manual processing and analysis of videos from camera traps is time-consuming and includes several steps, ranging from the filtering of falsely triggered footage to identifying and re-identifying individuals. In this study, we developed a pipeline to automatically analyze videos from camera traps to identify individuals without requiring manual interaction. This pipeline applies to animal species with uniquely identifiable fur patterns and solitary behavior, such as leopards (Panthera pardus). We assumed that the same individual was seen throughout one triggered video sequence. With this assumption, multiple images could be assigned to an individual for the initial database filling without pre-labeling. The pipeline was based on well-established components from computer vision and deep learning, particularly convolutional neural networks (CNNs) and scale-invariant feature transform (SIFT) features. We augmented this basis by implementing additional components to substitute otherwise required human interactions. Based on the similarity between frames from the video material, clusters were formed that represented individuals bypassing the open set problem of the unknown total population. The pipeline was tested on a dataset of leopard videos collected by the Pan African Programme: The Cultured Chimpanzee (PanAf) and achieved a success rate of over 83% for correct matches between previously unknown individuals. The proposed pipeline can become a valuable tool for future conservation projects based on camera trap data, reducing the work of manual analysis for individual identification, when labeled data is unavailable.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI