能夠準確識別動物的技術可以幫助主人與走失的動物團聚，幫助農民監控牲畜，幫助研究人員研究野生動物。以往在這方面，微芯片是最受歡迎的動物識別方法。然而，植入芯片需要進行侵入性手術。如果沒有專門的設備，它們就無法讀取，而且小偷可以提取微芯片。另一種方法是DNA分析，它是精確的，但也非常昂貴和耗時。

由計算機視覺解決方案支持的動物面部識別（有時不僅僅限于面部）可以作為上述方法的一個可行的替代方案。盡管它有其缺點，但該技術可以在特定情況下顯示出高水平的準確性。那么，動物面部識別是如何操作的呢?阻礙這項技術進步的挑戰會在哪里?

動物面部識別是如何工作的

一般情況下，動物面部識別解決方案主要有三個步驟：

圖像捕捉：用高分辨率相機拍攝動物的照片。有些算法只對預定義的姿態起作用，所以必須選擇符合這些條件的圖像。

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。然后該算法提取出識別所需的特征集。

匹配：將提取的特征進行數學表示，并與其他圖像進行匹配。例如，如果我們正在丟失的寵物數據庫中尋找一只狗，我們將狗的獨特特征與該數據庫中所有的動物進行匹配。

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，得到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。此外，還可以采用概率方法，將最終結果表示為置信水平。

尋找丟失的寵物

失去寵物對主人來說是令人心碎的。而且根據統計數據，這種情況比人們想象的要普遍得多。在美國，三分之一的家庭養的狗和貓曾在一生中的某個時刻失蹤，其中80%從未被找回來。有幾種基于寵物面部識別的工具可以幫助主人找到他們丟失的朋友。

ForPaws：這種動物面部識別解決方案根據它們的鼻尖、皮膚顏色和皮毛類型來識別狗。動物主人被要求上傳至少三張照片來創建動物的“個人檔案“。目前，該方案可識別130個犬種，準確率達90%。

PiP：這家動物識別公司開發了一款應用程序，允許動物主人注冊并上傳他們動物的照片。系統分析他們獨特的面部特征。PiP聲稱，如果主人能提供更多的信息，比如性別、大小和體重，它就能認出每一只走失的貓和狗。

任何撿到走失寵物的人也可以使用該應用程序尋找主人。PiP的解決方案還會不斷掃描社交媒體上的寵物帖子，并向相關社區的居民發送寵物失蹤警報。

Love Lost：Petco的Love Lost是另一款幫助寵物主人和寵物收容所的應用程序。主人們被建議創建他們寵物的檔案，這樣當寵物失蹤時，軟件就可以開始將動物的生物特征信息與收容所的新成員和其他候選寵物進行匹配。

識別特定的動物

有時，訓練一個算法來識別特定的動物是有意義的。例如，動物主人可以從一個系統中受益，該系統可以準確識別他們的動物，并執行相應的操作，例如發送警報或打開門讓動物進來。WeTransfer公司的前端工程師Arkaitz Garro開發了一種動物面部識別解決方案，可以識別鄰居的貓，并在貓出現在門口時向Garro發送警報。

為了捕捉這只貓的照片，Garro使用了一個小型相機和一個帶有運動檢測軟件的樹莓派。當一只動物接近相機時，系統會拍下一張照片，并將其發送到AWS識別平臺，與Garro上傳的這只貓的其他照片進行比較。如果匹配，工程師將收到通知。

微軟也開發了可以進行動物識別的物聯網（IOT）設備，可以連接到寵物入口。一旦識別出這是你自己的寵物，該設備就會打開門，讓它進去。

協助科學研究——海豚的面部識別

人臉識別算法除了可以識別家庭動物，還可以用于識別其他物種。《海洋哺乳動物科學雜志》上發表了一項研究，研究了識別海豚所需的一組特征。研究人員在12年的時間里跟蹤和拍攝了150只寬吻海豚。研究小組想要評估在海豚的一生中使用海豚的臉和背鰭來進行識別的想法。

在150個實驗對象中，只有31只海豚擁有完整的側臉(也就是臉部左右兩側和背鰭的清晰照片)。這項研究依靠人類專家意見和統計方法來檢測同一只海豚的不同圖像之間的相似性。

實驗結果表明，海豚的面部特征隨著時間的推移保持一致，可以用于識別目的。甚至可以在幼崽成年后依然能夠識別它，這大大促進了對海豚的研究。

幫助農民監測牲畜

識別農場動物是一個具有挑戰性的過程。拿豬來說，難度更大，因為所有的豬看起來都一樣。但奶牛有點特殊，它們是黑白相間的，形狀也不一樣。然而，當涉及到奶牛時，另一個挑戰就出現了——在哪里安裝攝像頭。牛是一種好奇的動物，會注意到周圍環境中哪怕是最微小的變化。它們經常試圖舔相機或用其他方式與相機互動。

但是建立一個能夠識別單個奶牛的系統將會極大地幫助農民。這種解決方案可以將動物的健康狀況和飲食模式與動物的身份相匹配。通過人工智能的增強，它將能夠檢測任何疾病跡象和異常行為，并在緊急情況下通知農民。

北京翔創科技核心算法平臺已實現對豬、牛、羊、驢等牲畜的數據采集、面部識別，積累了千萬以上的牲畜面部數據。不僅幫助農民進行精細化養殖管理，還可以協助銀行、保險等金融機構針對養殖業開展業務時建立風險評估和預警系統。

實施動物面部識別技術的挑戰

動物的面部識別技術遠遠落后于目前相當先進的人臉識別技術。研究人員大約四年前開始對動物面部識別進行實驗，但通用技術的準確性仍然相當低。另一方面，具有特定目的的解決方案，例如識別一種特定的動物，可以是準確的。

想要實現動物面部識別解決方案的公司需要考慮三個主要挑戰:

確定最優特征集

科學家們已經指定了一種特征向量，可以用于獨特的人臉識別。然而，同樣的方法并不適用于動物，因為我們不知道我們需要使用哪些功能以及如何解釋它們。例如，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，一個人的照片被壓縮到包含所需特征的向量，如膚色和面部表情。

說到動物面部識別，目前還沒有可靠的特征向量。解決一個可靠的特征向量的挑戰將大大推進該領域的研究。

在這方面的一個開源例子是DogFaceNet，它是一個基于深度學習的狗識別實現。它使用狗的眼睛和鼻子作為特征集。如果整體目標是區分狗的品種，這個解決方案工作得相當好，但當涉及到區分動物個體時，它的表現相當差。

取決于一個動物的姿勢

另一個例子是使用局部二值模式直方圖(LBPH)算法，它將圖像轉換成像素，通過比較不同圖像的像素值進行運算。這種方法取決于動物的姿態，這使得它對姿態變化很敏感。

對于人類來說，很容易擺出一個特定的姿勢并坐著不動。然而，當我們試圖讓貓或狗以特定的姿勢保持不動時，事情就變得更加復雜了。

提供全面的訓練數據集

為了使訓練有效，數據必須是多樣化的，并覆蓋算法預期執行的所有任務。例如，如果該算法應該識別不同的狗品種，那么數據集應該充分覆蓋從不同角度捕獲的所有的品種，并進行適當的標記。這里有幾個可能出錯的地方。例如，有人可能會提交混合品種的圖片，有人可能會給他們的圖片貼上錯誤的標簽，并指定錯誤的品種名稱。為了避免此類問題，專家必須逐一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。

動物面部識別領域的進展受到了阻礙，因為研究人員仍然無法指出能夠用于大規模準確識別動物的最優特征組合。盡管如此，還是有一些成功的應用程序可以對有限的數據進行操作，例如識別一種特定的動物或一小群家養或野生動物。

如果你正在構建自己的動物面部識別系統，請記住，動物是不合作的生物識別用戶。有些會堅持舔相機，有些會拒絕站起來拍照。