JP7169397B2 - 判定システム - Google Patents
判定システム Download PDFInfo
- Publication number
- JP7169397B2 JP7169397B2 JP2021069375A JP2021069375A JP7169397B2 JP 7169397 B2 JP7169397 B2 JP 7169397B2 JP 2021069375 A JP2021069375 A JP 2021069375A JP 2021069375 A JP2021069375 A JP 2021069375A JP 7169397 B2 JP7169397 B2 JP 7169397B2
- Authority
- JP
- Japan
- Prior art keywords
- animal
- individual
- face image
- images
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Collating Specific Patterns (AREA)
Description
本発明は、判定システム及び判定方法に関し、詳しくは、動物の顔の画像から、動物の個体を識別するシステム及び方法、動物の品種を判定するシステム及び方法、動物の毛色を判定するシステム及び方法、動物の性別を判定するシステム及び方法に関する。
犬や猫、ウサギを始めとする愛玩動物、牛や豚を始めとする家畜は、人間にとってかけがえのない存在である。近年、愛玩動物いわゆるペットが人間と同じように扱われることが増えており、ペットの個体識別へのニーズが高まっている。
例えば、ペット用のトリミングサロン、ペットが同伴できるペットカフェ、ドッグラン、ペットとともに宿泊できる宿泊施設など、ペットが利用できる店舗やサービスが身近になってきている。このようなペットが利用できる店舗やサービスを運営しようとする場合、ペットの個体ごとに料金を徴収したり、ペットの個体を登録し、過去のサービス提供履歴を参照しながらサービスを提供するというように、ペットの個体を識別し、判別することに対するニーズがある。
また、ペットが行方不明になった場合、ペット捜索サービスに依頼することがあるが、行方不明になったペットを探す場合、飼い主から提供されたペットの写真を元に、ペットの捜索が行われるのが一般的であり、当該写真に映った個体と、捜索対象の動物であると疑われている個体との同一性判断が問題となることから、ペットの写真からの個体識別が求められる。
また、ペット保険を提供する場合、保険がかけられているペットとそうではないペットとを識別する必要がある。例えば、ペット保険の保険証を契約者に提供し、契約者が当該保険証を動物病院の窓口で提示することで保険金の支払いを受けられるようにするためには、当該保険証に記載されているペットの個体が、実際に診療を受けたペットの個体と同一でなくてはならない。現状では、このようなペット保険を提供しようとする場合、ペット保険運営会社がペットの顔写真付きの保険証を契約者に発行し、契約者が、動物病院の受付において、当該保険証を提示し、動物病院が、保険証に掲載されているペットの写真と診察を受けたペットとを目視で比較し、個体の同一性を判断せざるを得ない。
そこで、簡易な方法で、ペットの個体を識別できる手段が求められている。
特許文献１には、ネットワークカメラと、そのカメラにより撮影した野生動物が、未だ捕獲設備の内部に現存するか否かを検知する現存検知センサーと、上記ネットワークカメラから受信した電子メールを閲覧できるスマートフォンやタブレット端末、パソコンなどのユーザー情報端末とを備え、捕獲設備の据付け現場から遠く離れた遠隔地に居る監視者が、上記ネットワークカメラから１回だけ又は１枚だけ受信した電子メールの静止画を閲覧しつつ、ネットワークカメラや捕獲設備を遠隔操作できる個体識別式の野生動物捕獲システムが開示されている。
また、特許文献２には、ユーザ端末が撮影の際に撮影対象が振り向く周波数の音を出す撮影手段を有し、動物識別情報登録手段が、撮影手段により撮影された写真の写真データをユーザ端末から受信して、受信した写真データを動物識別情報として管理ＤＢに登録し、通知手段が、写真の画像を比較して類似度を算出するマッチングにより特定された前記動物関連情報を前記ユーザ端末に通知する動物探索システムが開示されている。
しかしながら、特許文献１や２には、学習済みモデルを用いて、動物の写真から、品種、毛色、性別を判定する手段や、個体を識別する手段は開示されていない。
そこで、本発明は、簡易な方法で、動物の写真から、動物の品種、毛色や性別を判定することのできる判定システムや判定方法、又は、簡易な方法で、動物の写真を用いて個体を識別する手段を備える判定システムや判定方法を提供することを目的とする。
動物を対象とする健康保険、いわゆるペット保険を運営する保険会社には、膨大な数の動物の写真と、その動物の個体に関する情報が蓄積されており、本発明者らは、これらを用いて上記課題が解決できないかを検討してきた。その結果、動物の写真とその動物の品種、毛色、性別を教師データとして人工知能を学習させると、動物の写真からその動物の品種、毛色、性別を判定する学習済みモデルを生成できることを見いだし、本発明を完成するに至った。また、同一個体の動物の複数の顔画像を教師データとして用いることで、複数の動物の顔画像が同一の個体を撮影したものであるかを判定する学習済みモデルを生成できることを見いだし、本発明を完成するに至った。
すなわち、本発明は以下の［１］～［１２］である。
［１］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の品種を判定する判定手段と、を備える判定システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の品種とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の品種判定とする学習済みモデルであることを特徴とする判定システム。
［２］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の毛色を判定する判定手段と、を備える判定システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の毛色とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の毛色判定とする学習済みモデルであることを特徴とする判定システム。
［３］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の性別を判定する判定手段と、を備える判定システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の性別とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の性別判定とする学習済みモデルであることを特徴とする判定システム。
［４］前記教師データとして用いられる顔画像が、動物の眼及びその周囲を含み、耳、鼻及び口を含まない画像である［１］～［３］のいずれかの判定システム。
［５］前記教師データとして用いられる顔画像が、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像である［１］～［３］のいずれかの判定システム。
［６］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、
ヒトを除く動物の顔画像及び個体識別情報を記憶したデータベースと、
学習済みモデルを用いて、前記受付手段に入力された動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段と、を備える個体識別システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする個体識別システム。
［７］前記教師データとして用いられる顔画像が、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像である［６］の個体識別システム。
［８］入場又は退場しようとする動物の顔画像の入力を受け付ける受付手段と、
動物の顔画像と個体識別情報とを記憶するデータベースと、
前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、
前記判定手段による判定結果を出力する出力手段とを、
備える動物の入退場管理システムであって、
前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする入退場管理システム。
［９］動物病院において診察を受けようとする動物の顔画像の入力を受け付ける受付手段と、
動物の顔画像と個体識別情報とを記憶するデータベースと、
前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、
前記判定手段による判定結果を出力する出力手段とを、
備える動物の管理システムであって、
前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする動物の管理システム。
［１０］ペットサロンにおいてトリミング又はシャンプーを受けようとする動物の顔画像の入力を受け付ける受付手段と、
動物の顔画像と個体識別情報とを記憶するデータベースと、
前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、
前記判定手段による判定結果を出力する出力手段とを、
備える動物の管理システムであって、
前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする動物の管理システム。
［１１］捜索対象となっている動物の候補となる動物の顔画像の入力を受け付ける受付手段と、
動物の顔画像と個体識別情報とを記憶するデータベースと、
前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、
前記判定手段による判定結果を出力する出力手段とを、
備える動物の管理システムであって、
前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする動物の管理システム。
［１２］ヒトを除く動物の複数の顔画像が、同一の個体を撮影した画像か否かを判定する学習済みモデルの生成方法であって、教師データとして、ヒトを除く動物の画像であって、動物の眼及びその周囲を含み、耳、鼻及び口を含まない画像を人工知能を含むコンピュータに入力し、人工知能に学習させることを特徴とする学習済みモデルの生成方法。
［１］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の品種を判定する判定手段と、を備える判定システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の品種とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の品種判定とする学習済みモデルであることを特徴とする判定システム。
［２］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の毛色を判定する判定手段と、を備える判定システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の毛色とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の毛色判定とする学習済みモデルであることを特徴とする判定システム。
［３］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の性別を判定する判定手段と、を備える判定システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の性別とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の性別判定とする学習済みモデルであることを特徴とする判定システム。
［４］前記教師データとして用いられる顔画像が、動物の眼及びその周囲を含み、耳、鼻及び口を含まない画像である［１］～［３］のいずれかの判定システム。
［５］前記教師データとして用いられる顔画像が、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像である［１］～［３］のいずれかの判定システム。
［６］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、
ヒトを除く動物の顔画像及び個体識別情報を記憶したデータベースと、
学習済みモデルを用いて、前記受付手段に入力された動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段と、を備える個体識別システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする個体識別システム。
［７］前記教師データとして用いられる顔画像が、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像である［６］の個体識別システム。
［８］入場又は退場しようとする動物の顔画像の入力を受け付ける受付手段と、
動物の顔画像と個体識別情報とを記憶するデータベースと、
前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、
前記判定手段による判定結果を出力する出力手段とを、
備える動物の入退場管理システムであって、
前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする入退場管理システム。
［９］動物病院において診察を受けようとする動物の顔画像の入力を受け付ける受付手段と、
動物の顔画像と個体識別情報とを記憶するデータベースと、
前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、
前記判定手段による判定結果を出力する出力手段とを、
備える動物の管理システムであって、
前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする動物の管理システム。
［１０］ペットサロンにおいてトリミング又はシャンプーを受けようとする動物の顔画像の入力を受け付ける受付手段と、
動物の顔画像と個体識別情報とを記憶するデータベースと、
前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、
前記判定手段による判定結果を出力する出力手段とを、
備える動物の管理システムであって、
前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする動物の管理システム。
［１１］捜索対象となっている動物の候補となる動物の顔画像の入力を受け付ける受付手段と、
動物の顔画像と個体識別情報とを記憶するデータベースと、
前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、
前記判定手段による判定結果を出力する出力手段とを、
備える動物の管理システムであって、
前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、
前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とする動物の管理システム。
［１２］ヒトを除く動物の複数の顔画像が、同一の個体を撮影した画像か否かを判定する学習済みモデルの生成方法であって、教師データとして、ヒトを除く動物の画像であって、動物の眼及びその周囲を含み、耳、鼻及び口を含まない画像を人工知能を含むコンピュータに入力し、人工知能に学習させることを特徴とする学習済みモデルの生成方法。
本発明により、簡易な方法で、動物の写真から、動物の品種、毛色や性別を判定することのできる判定システムや判定方法や、簡易な方法で、動物の写真を用いて個体を識別する手段を備える判定システムや判定方法を提供することが可能となる。また、本発明の判定システムを利用して、動物の入退場管理システムや保険管理システム等を提供することも可能となる。
＜品種判定システム＞
本発明の判定システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の品種を判定し出力する判定手段と、を備える。
本発明の判定システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の品種を判定し出力する判定手段と、を備える。
［受付手段］
本発明の受付手段は、品種を判定したい動物の顔画像の入力を受け付ける手段である。動物としては、犬、猫、ウサギ、フェレット等の哺乳類、鳥類、爬虫類、愛玩動物が挙げられ、哺乳類が好ましく、犬及び猫がより好ましい。画像の受付方法は、スキャン、画像データの入力、送信、その場で撮影しての画像取り込みなどいずれの方法であってもよい。顔画像のフォーマットは特に限定されないが、顔画像は、動物の顔を正面から撮影した写真であることが好ましく、図１に表すような動物の顔が大きく写っている写真がより好ましい。そのような写真として、ヒトの運転免許証の写真のような写真が挙げられる。図２のように、動物の健康保険証に用いられる画像も好ましい。
本発明の受付手段は、品種を判定したい動物の顔画像の入力を受け付ける手段である。動物としては、犬、猫、ウサギ、フェレット等の哺乳類、鳥類、爬虫類、愛玩動物が挙げられ、哺乳類が好ましく、犬及び猫がより好ましい。画像の受付方法は、スキャン、画像データの入力、送信、その場で撮影しての画像取り込みなどいずれの方法であってもよい。顔画像のフォーマットは特に限定されないが、顔画像は、動物の顔を正面から撮影した写真であることが好ましく、図１に表すような動物の顔が大きく写っている写真がより好ましい。そのような写真として、ヒトの運転免許証の写真のような写真が挙げられる。図２のように、動物の健康保険証に用いられる画像も好ましい。
画像は、白黒、グレースケール、カラーのいずれであってもよい。動物の顔全体が写っていない画像、画像編集ソフトウェアで形状が編集された画像、複数の動物が写っている画像、目や耳が判別出来ないほど顔が小さく写っている画像あるいは不鮮明な画像は好ましくない。画像については、ノーマライゼーションが施され、解像度等が統一されたものが好ましい。
［判定手段］
本発明の判定手段は、ヒトを除く動物の顔画像とその動物の品種とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の品種の判定とする学習済みモデルを含む。品種とは、生物の種以下の生物集団の単位である。例えば、犬でいうと、犬の品種は犬種とも呼ばれ、具体的には、トイプードル、チワワ、ミニチュア・ダックスフント、柴犬、ポメラニアン、ヨークシャー・テリア、ミニチュア・シュナウザー、シー・ズー、フレンチ・ブルドッグ、パピヨン、マルチーズ、ラブラドール、ダルメシアン、チャウチャウ等が挙げられる。猫でいうと、猫の品種は猫種とも呼ばれ、スコティッシュ・フォールド、アメリカン・ショートヘア、ノルウェージャン・フォレストキャット、ロシアンブルー、ブリティッシュ・ショートヘア、ラグドール、メイン・クーン、ペルシャ等が挙げられる。ウサギでいうと、ネザーランドドワーフ、ホーランドロップ、ロップイヤー、ミニレッキス、ドワーフロップ、アメリカンファジーロップ等が挙げられる。
本発明の判定手段は、ヒトを除く動物の顔画像とその動物の品種とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の品種の判定とする学習済みモデルを含む。品種とは、生物の種以下の生物集団の単位である。例えば、犬でいうと、犬の品種は犬種とも呼ばれ、具体的には、トイプードル、チワワ、ミニチュア・ダックスフント、柴犬、ポメラニアン、ヨークシャー・テリア、ミニチュア・シュナウザー、シー・ズー、フレンチ・ブルドッグ、パピヨン、マルチーズ、ラブラドール、ダルメシアン、チャウチャウ等が挙げられる。猫でいうと、猫の品種は猫種とも呼ばれ、スコティッシュ・フォールド、アメリカン・ショートヘア、ノルウェージャン・フォレストキャット、ロシアンブルー、ブリティッシュ・ショートヘア、ラグドール、メイン・クーン、ペルシャ等が挙げられる。ウサギでいうと、ネザーランドドワーフ、ホーランドロップ、ロップイヤー、ミニレッキス、ドワーフロップ、アメリカンファジーロップ等が挙げられる。
前記学習済みモデルとしては、人工知能（ＡＩ）が好ましい。人工知能（ＡＩ）とは、人間の脳が行っている知的な作業をコンピュータで模倣したソフトウェアやシステムであり、具体的には、人間の使う自然言語を理解したり、論理的な推論を行ったり、経験から学習したりするコンピュータプログラムなどのことをいう。人工知能としては、汎用型、特化型のいずれであってもよく、ディープニューラルネットワーク、畳み込みニューラルネットワーク等のいずれであってもよく、公開されているソフトウェアを使用することができる。
学習済みモデルを生成するために、人工知能を教師データを用いて学習させる。学習としては、機械学習とディープラーニング（深層学習）のいずれであってもよいが、ディープラーニングが好ましい。ディープラーニングは、機械学習を発展させたものであり、特徴量を自動的に見つけ出す点に特徴がある。
学習済みモデルを生成するための学習方法としては、特に制限されず、公開されているソフトウェアを用いることができる。例えば、NVIDIAが公開しているDIGITS (the Deep Learning GPU Training System)を用いることができる。その他、例えば、「サポートベクターマシン入門」（共立出版）等において公開されている公知のサポートベクターマシン法（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ法）等によって学習させてもよい。
学習のための教師データは、動物の顔画像とその動物の品種である。教師データとしての動物の顔画像は、上記受付方法で説明した顔画像と同様であっても異なっていてもよい。当該動物の品種についての情報は、例えば、保険加入申請時に提供される情報として、動物病院あるいは保険をかけようとする当該動物の飼い主等から入手可能である。また、予め、画像を見て、当該画像に係る動物個体の品種が何かを人が目視で判断し、ラベル付けしてもよい。また、教師データとして用いる動物の顔画像としては、動物の眼及びその周囲を含み、耳、鼻及び口を含まない画像であることが好ましい。眼は両目が映っていても、片目のみ映っていてもよい。動物の顔画像として動物の眼及びその周囲を含み、耳、鼻及び口を含まない画像である場合、個体識別において、トリミングや体毛の汚れなどの影響が少なくなる。
また、教師データとして用いる動物の顔画像として、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像を用いることも好ましい。
また、教師データとして用いる動物の顔画像として、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像を用いることも好ましい。
［出力］
本発明の判定手段は、入力情報として、動物の顔画像を受け付けると、上記学習済みモデルによって、当該動物の品種の判定を行う。
出力の形式は特に限定されず、例えば、パソコンの画面上において、「トイプードル」、あるいは、「チワワ」、「パピヨン」といった表示をすることで予測判定を出力することができる。また、付随的な情報として、品種の判定の確実性を同時に出力してもよい。例えば、「トイプードル（信頼度：８０％）」といった具合である。
本発明の判定システムは、判定手段から判定結果を受信し、判定結果を出力する出力手段を別途有していてもよい。
本発明の判定手段は、入力情報として、動物の顔画像を受け付けると、上記学習済みモデルによって、当該動物の品種の判定を行う。
出力の形式は特に限定されず、例えば、パソコンの画面上において、「トイプードル」、あるいは、「チワワ」、「パピヨン」といった表示をすることで予測判定を出力することができる。また、付随的な情報として、品種の判定の確実性を同時に出力してもよい。例えば、「トイプードル（信頼度：８０％）」といった具合である。
本発明の判定システムは、判定手段から判定結果を受信し、判定結果を出力する出力手段を別途有していてもよい。
＜毛色判定システム＞
本発明の判定システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の毛色を判定し出力する判定手段と、を備える。
本発明の判定システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の毛色を判定し出力する判定手段と、を備える。
［受付手段］
本発明の受付手段は、上記品種判定システムと同様である。
本発明の受付手段は、上記品種判定システムと同様である。
［判定手段］
本発明の判定手段は、ヒトを除く動物の顔画像とその動物の撮影時の毛色とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の撮影時の毛色の判定とする学習済みモデルを含む。毛色とは、黒、黒＆シルバー、ブラウン、クリーム、白、チョコレート、イエローなどが挙げられるがこれらに限定されない。動物の種や品種毎に毛色の種類を設定することもできる。
本発明の判定手段は、ヒトを除く動物の顔画像とその動物の撮影時の毛色とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の撮影時の毛色の判定とする学習済みモデルを含む。毛色とは、黒、黒＆シルバー、ブラウン、クリーム、白、チョコレート、イエローなどが挙げられるがこれらに限定されない。動物の種や品種毎に毛色の種類を設定することもできる。
学習のための教師データは、動物の顔画像とその動物の撮影当時の毛色である。教師データとしての動物の顔画像は、上記受付方法で説明した顔画像と同様であっても異なっていてもよい。当該動物の毛色についての情報は、例えば、保険加入申請時に提供される情報として、動物病院あるいは保険をかけようとする当該動物の飼い主等から入手可能である。また、予め、動物の種や品種毎に毛色の分類を作成しておき、画像を見て、当該画像に係る動物個体の毛色が何色が人が目視で判断し、ラベル付けしてもよい。学習済みモデルのその他の点については上記品種判定システムと同様である。
［出力手段］
本発明の判定手段は、入力情報として、動物の顔画像を受け付けると、上記学習済みモデルによって、当該動物の顔画像撮影時の毛色の判定を行う。
出力の形式は特に限定されず、例えば、パソコンの画面上において、「黒」、あるいは、「ブラウン」、「クリーム」といった表示をすることで予測判定を出力することができる。また、付随的な情報として、毛色の判定の確実性を同時に出力してもよい。例えば、「ブラウン（信頼度：８０％）」といった具合である。
本発明の判定システムは、判定手段から判定結果を受信し、判定結果を出力する出力手段を別途有していてもよい。
本発明の判定手段は、入力情報として、動物の顔画像を受け付けると、上記学習済みモデルによって、当該動物の顔画像撮影時の毛色の判定を行う。
出力の形式は特に限定されず、例えば、パソコンの画面上において、「黒」、あるいは、「ブラウン」、「クリーム」といった表示をすることで予測判定を出力することができる。また、付随的な情報として、毛色の判定の確実性を同時に出力してもよい。例えば、「ブラウン（信頼度：８０％）」といった具合である。
本発明の判定システムは、判定手段から判定結果を受信し、判定結果を出力する出力手段を別途有していてもよい。
＜性別判定システム＞
本発明の判定システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の性別を判定し出力する判定手段と、を備える。
本発明の判定システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の性別を判定し出力する判定手段と、を備える。
［受付手段］
本発明の受付手段は、上記品種判定システムと同様である。
本発明の受付手段は、上記品種判定システムと同様である。
［判定手段］
本発明の判定手段は、ヒトを除く動物の顔画像とその動物の性別とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の性別の判定とする学習済みモデルを含む。
本発明の判定手段は、ヒトを除く動物の顔画像とその動物の性別とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の性別の判定とする学習済みモデルを含む。
学習のための教師データは、動物の顔画像とその動物の性別である。教師データとしての動物の顔画像は、上記受付方法で説明した顔画像と同様であっても異なっていてもよい。当該動物の性別についての情報は、例えば、保険加入申請時に提供される情報として、動物病院あるいは保険をかけようとする当該動物の飼い主等から入手可能である。学習済みモデルのその他の点については上記品種判定システムと同様である。
＜個体識別システム＞
本発明の個体識別システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、ヒトを除く動物の顔画像及び個体識別情報を記憶したデータベースと、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段と、を備える。
本発明の個体識別システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、ヒトを除く動物の顔画像及び個体識別情報を記憶したデータベースと、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段と、を備える。
［受付手段］
本発明の受付手段は、上記品種判定システムと同様である。
本発明の受付手段は、上記品種判定システムと同様である。
［データベース］
本発明のデータベースは、動物の顔画像と当該顔画像に係る動物の個体の個体識別情報を紐付けて記憶、格納する。個体識別情報としては、例えば、当該動物の種、品種、性別、年齢、体重、体長が挙げられる。その他、各動物ごとにＩＤナンバーを付してもよい。さらに、当該動物の通院歴、手術歴、薬の投与歴といった健康に関する情報や、トリミング履歴、シャンプー履歴、爪切り履歴といったペットサロンの利用履歴に関する情報などを個体識別情報に付してもよい。データベースは、データベースサーバーの形で管理してもよく、クラウドサーバー上で管理してもよく、分散データベースとしてもよい。
本発明のデータベースは、動物の顔画像と当該顔画像に係る動物の個体の個体識別情報を紐付けて記憶、格納する。個体識別情報としては、例えば、当該動物の種、品種、性別、年齢、体重、体長が挙げられる。その他、各動物ごとにＩＤナンバーを付してもよい。さらに、当該動物の通院歴、手術歴、薬の投与歴といった健康に関する情報や、トリミング履歴、シャンプー履歴、爪切り履歴といったペットサロンの利用履歴に関する情報などを個体識別情報に付してもよい。データベースは、データベースサーバーの形で管理してもよく、クラウドサーバー上で管理してもよく、分散データベースとしてもよい。
［判定手段］
本発明の判定手段は、学習済みモデルを含む。
本発明の判定手段は、学習済みモデルを含む。
学習のための教師データは、動物の顔画像である。教師データとしての動物の顔画像は、上記受付方法で説明した顔画像と同様であっても異なっていてもよい。
学習方法としては、例えば、各個体ごとに同一日に撮影した複数枚の顔画像と、他の個体を撮影した顔画像を用意し、各顔画像に個体識別ＩＤを付与し、写真に対する答えをＩＤとして学習させる方法が挙げられる。
また、３枚の画像を１セットにし、その中の一つの画像（Ｑｕｅｒｙ）と似ている方をＰｏｓｉｔｉｖｅ、似ていない方をＮｅｇａｔｉｖｅという風に３枚ごとにラベル付けを行ういわゆるｔｒｉｐｌｅｔ ｔｒａｉｎｉｎｇでもよい。
教師データとして用いる動物の顔画像としては、動物の眼及びその周囲を含み、耳、鼻及び口を含まない画像、或いは、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像が好ましい。
学習方法としては、例えば、各個体ごとに同一日に撮影した複数枚の顔画像と、他の個体を撮影した顔画像を用意し、各顔画像に個体識別ＩＤを付与し、写真に対する答えをＩＤとして学習させる方法が挙げられる。
また、３枚の画像を１セットにし、その中の一つの画像（Ｑｕｅｒｙ）と似ている方をＰｏｓｉｔｉｖｅ、似ていない方をＮｅｇａｔｉｖｅという風に３枚ごとにラベル付けを行ういわゆるｔｒｉｐｌｅｔ ｔｒａｉｎｉｎｇでもよい。
教師データとして用いる動物の顔画像としては、動物の眼及びその周囲を含み、耳、鼻及び口を含まない画像、或いは、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像が好ましい。
判定手段は、例えば、データベースに記憶されている動物の顔画像を読み出し、受付手段から入力された動物の顔画像との比較を行う。そして、データベースに記憶されている画像と、受付手段から入力された画像が、同一の個体を撮影したものであるか否かの判定を行う。この判定は、繰り返し行うことができ、データベースに記憶されている同一種の動物の画像全てに対して行ってもよいし、一部の画像についてのみ行ってもよい。
［出力］
出力の形式は特に限定されず、例えば、パソコンの画面上において、「同一個体」、あるいは、「同一個体ではない」といった表示をすることで判定を出力することができる。また、受付手段から入力された動物の顔画像が、データベースに記憶されている特定の個体と同一の個体であるという判定がなされた場合には、当該特定の個体の個体識別情報を合わせて出力してもよい。また、受付手段から入力された動物と同一の個体である可能性が高いものから順に、データベースに記憶されている動物の画像を複数枚提示してもよい。
出力の形式は特に限定されず、例えば、パソコンの画面上において、「同一個体」、あるいは、「同一個体ではない」といった表示をすることで判定を出力することができる。また、受付手段から入力された動物の顔画像が、データベースに記憶されている特定の個体と同一の個体であるという判定がなされた場合には、当該特定の個体の個体識別情報を合わせて出力してもよい。また、受付手段から入力された動物と同一の個体である可能性が高いものから順に、データベースに記憶されている動物の画像を複数枚提示してもよい。
また、本発明の個体識別システムを利用して、動物の片眼の画像を受付手段に入力し、その片眼にかかる個体を識別したり、あるいは、もう一方の片眼の画像の持ち主を判定するシステムに応用することができる。
また、本発明の個体識別システムを利用して、動物の片眼の画像を受付手段に入力し、左右どちらの眼であるのかを判定するシステムに応用することができる。
＜入退場管理システム＞
本発明の入退場管理システムは、入場又は退場しようとする動物の顔画像の入力を受け付ける受付手段と、動物の顔画像と個体識別情報とを記憶するデータベースと、前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、前記判定手段による判定結果を出力する出力手段とを、備える動物の入退場管理システムであって、前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とするものである。
本発明の入退場管理システムは、入場又は退場しようとする動物の顔画像の入力を受け付ける受付手段と、動物の顔画像と個体識別情報とを記憶するデータベースと、前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、前記判定手段による判定結果を出力する出力手段とを、備える動物の入退場管理システムであって、前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とするものである。
本発明の入退場管理システムは、例えば、ペットホテル、ドッグラン、ペットカフェなど、特定の領域や部屋への動物の入退場を把握、管理したい場合に使用することができる。
受付手段は、限定されず、例えば、室内に固定された監視カメラ、ネットワークカメラ、スマートフォンに備え付けのカメラ等の撮影手段によって撮影された画像をネットワークを通じて受け付けることができる。
データベース、判定手段、出力手段については上記と同様である。
本発明の入退場管理システムの実施形態の一例を図３によってペットホテルの事例で説明する。
まず、ペットホテルの利用者は、端末１３を通じてペットホテルのウェブサイト上で会員登録を行い、ペットホテルに宿泊させたいペットの種、品種、名前、生年月日、体重、性別、予防接種の有無等の個体識別情報とともに、ペットの顔画像を登録する。登録されたペットの個体識別情報は、ペットホテルが管理するデータベース１２に格納される。
次に、利用者は、端末１３を通じてウェブサイト上でペットホテルの予約を行い、予約された日時にペットを連れてペットホテルを訪れる。
ペットホテルの従業員が、ペットホテルに備え付けられたカメラ等の撮影手段１６によって、ペットを撮影する。そうすると、撮影された画像がネットワークを通じて受付手段１５に入力される。
処理演算部１７は、データベース１２を参照し、データベース１２に記憶されているペットの顔画像と当該受け付けられた画像について、判定手段１１を用いて、同一の個体であるか否かを判定する。データベース１２に記憶されているペットの顔画像それぞれについて、判定を繰り返し、同一の個体であると判定された場合には、当該ペットの顔画像とともに、当該ペットの個体識別情報を出力手段１４（パソコンの画面）により出力する。
このとき、ペットホテルの従業員は、出力された判定結果とペットの個体識別情報を利用して、ペットホテルを利用しようとするペットが、会員登録されたペットと同一の個体であることを判断し、当該ペットを入場させることができる。
まず、ペットホテルの利用者は、端末１３を通じてペットホテルのウェブサイト上で会員登録を行い、ペットホテルに宿泊させたいペットの種、品種、名前、生年月日、体重、性別、予防接種の有無等の個体識別情報とともに、ペットの顔画像を登録する。登録されたペットの個体識別情報は、ペットホテルが管理するデータベース１２に格納される。
次に、利用者は、端末１３を通じてウェブサイト上でペットホテルの予約を行い、予約された日時にペットを連れてペットホテルを訪れる。
ペットホテルの従業員が、ペットホテルに備え付けられたカメラ等の撮影手段１６によって、ペットを撮影する。そうすると、撮影された画像がネットワークを通じて受付手段１５に入力される。
処理演算部１７は、データベース１２を参照し、データベース１２に記憶されているペットの顔画像と当該受け付けられた画像について、判定手段１１を用いて、同一の個体であるか否かを判定する。データベース１２に記憶されているペットの顔画像それぞれについて、判定を繰り返し、同一の個体であると判定された場合には、当該ペットの顔画像とともに、当該ペットの個体識別情報を出力手段１４（パソコンの画面）により出力する。
このとき、ペットホテルの従業員は、出力された判定結果とペットの個体識別情報を利用して、ペットホテルを利用しようとするペットが、会員登録されたペットと同一の個体であることを判断し、当該ペットを入場させることができる。
図３中、端末１３は、利用者（ユーザ）が利用する端末である。端末１３は、例えばパーソナルコンピュータやタブレット端末などが挙げられる。端末１３は、ＣＰＵなどの処理部、ハードディスク、ＲＯＭあるいはＲＡＭなどの記憶部、液晶パネルなどの表示部、マウス、キーボード、タッチパネルなどの入力部、ネットワークアダプタなどの通信部などを含んで構成される。
利用者は、申込み時や会員登録時に、その場でスマートフォンのカメラを使って対象となる動物の顔写真を撮影し、それを入力、送信するという態様であってもよい。例えば、ユーザは、端末１３の画面上に表示される指示に従って保険対象となる動物の顔写真を撮影し、適切な写真が撮れたらそれをデータベース１２に送信する。このとき、サーバが、別途、画像判定プログラムからなる写真撮影補助手段を備え、写真撮影補助手段が、動物の顔全体が撮像されていること、動物の顔の正面からの写真であるといった、個体の同一性判定に好適な写真であるかどうかを判定し、その判定結果をインターフェースや端末を通じてユーザに伝達するという構成を備えていてもよい。
本実施形態においては、サーバはコンピュータによって構成されるが、本発明にかかる機能を有する限りにおいて、どのような装置であってもよい。サーバは、クラウド上にあるサーバであってもよい。
記憶部１０は、例えばＲＯＭ、ＲＡＭあるいはハードディスクなどから構成される。記憶部１０には、サーバの各部を動作させるための情報処理プログラムが記憶され、特に、判定手段（学習済みモデル）１１が記憶される。
判定手段（学習済みモデル）１１は、上記のように、ペットホテルが入力した動物の顔画像を入力とし、当該画像に含まれる動物が、データベースに記憶されている動物の顔写真と同一の個体であるか否かの判定を出力するものである。本実施形態における判定手段（学習済みモデル）１１は、例えばディープニューラルネットワーク又は畳み込みニューラルネットワークを含んで構成される。
処理演算部１７は、記憶部に記憶された判定手段（学習済みモデル）１１を用いて、同一性判定を実行する。
インターフェース部（通信部）は、受付手段１５と出力手段１４を備え、例えば撮影手段から、動物の顔画像を受け付け、端末に対して、同一性の判定結果や、撮影された個体と同一の個体に関する個体識別情報を出力する。
本実施形態の入退場管理システムにより、ペットホテルは、簡易な方法で、利用者が連れてきたペットが会員登録されたペットと同一の個体であることを判断することができ、ペットホテルの受付をスムーズに行うことができる。
本発明の入退場管理システムの実施態様に基づく個体識別のフローチャートを図４に示す。ペットホテルの従業員が撮影手段を用いて、利用者が連れてきたペットの顔写真を撮影し、それを端末を用いて、サーバの受付手段に入力する（ステップＳ１）。サーバの処理演算部は、判定手段（学習済みモデル）を用いて、アップロードされた顔画像と、予めデータベースに登録された動物の顔画像との比較を行い、同一の個体であるか否かを判定する（ステップＳ２）。出力手段は、判定結果を端末画面に表示するなどして出力し、ペットホテルの従業員に提示する（ステップＳ３）。
＜管理システム＞
本発明の動物の管理システムは、動物病院において診察を受けようとする動物の顔画像の入力を受け付ける受付手段と動物の顔画像と個体識別情報とを記憶するデータベースと、前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、前記判定手段による判定結果を出力する出力手段とを、備える動物の管理システムであって、前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とするものである。
本発明の動物の管理システムは、動物病院において診察を受けようとする動物の顔画像の入力を受け付ける受付手段と動物の顔画像と個体識別情報とを記憶するデータベースと、前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、前記判定手段による判定結果を出力する出力手段とを、備える動物の管理システムであって、前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とするものである。
本発明の動物の管理システムは、例えば、ペット保険の提供者が、ペット保険の対象となっているペットが診察を受けたかどうかを把握したい場合に使用することができる。
＜管理システム＞
本発明の管理システムは、ペットサロンにおいてトリミング又はシャンプーを受けようとする動物の顔画像の入力を受け付ける受付手段と動物の顔画像と個体識別情報とを記憶するデータベースと、前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、前記判定手段による判定結果を出力する出力手段とを、備える動物の管理システムであって、前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とするものである。
本発明の管理システムは、ペットサロンにおいてトリミング又はシャンプーを受けようとする動物の顔画像の入力を受け付ける受付手段と動物の顔画像と個体識別情報とを記憶するデータベースと、前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、前記判定手段による判定結果を出力する出力手段とを、備える動物の管理システムであって、前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とするものである。
本発明の動物の管理システムは、例えば、ペットサロンが、サービスの対象となるペットが会員登録されているペットかどうかや、過去のサービス提供履歴を把握したい場合に使用することができる。
＜管理システム＞
本発明の管理システムは、捜索対象となっている動物の候補となる動物の顔画像の入力を受け付ける受付手段と動物の顔画像と個体識別情報とを記憶するデータベースと、前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、前記判定手段による判定結果を出力する出力手段とを、備える動物の管理システムであって、前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とするものである。
本発明の管理システムは、捜索対象となっている動物の候補となる動物の顔画像の入力を受け付ける受付手段と動物の顔画像と個体識別情報とを記憶するデータベースと、前記受付手段により受け付けられた動物の顔画像に映った個体が、データベースに記憶された個体と同一の個体であるか否かを判定する判定手段と、前記判定手段による判定結果を出力する出力手段とを、備える動物の管理システムであって、前記判定手段が、学習済みモデルを用いて、前記受付手段により受け付けられた動物の顔画像が、データベースに記憶された動物個体と同一の個体の画像であるか否かを判定する判定手段であり、前記学習済みモデルが、ヒトを除く動物の顔画像を教師データとして用いて学習を行い、各顔画像には個体ごとのＩＤ情報を付与し、入力をある個体の動物の顔画像又は別の個体の動物の顔画像とし、出力を、各顔画像が、ある個体の顔画像であるか別の個体の顔画像であるかの判定とする学習済みモデルであることを特徴とするものである。
本発明の動物の管理システムは、例えば、迷子になったペットを捜索する際に、見つかった動物が捜索対象となっているペットかどうかを確認したい場合に使用することができる。
＜年齢帯判定システム＞
本発明の年齢帯判定システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢帯を判定し出力する判定手段と、を備える。
本発明の年齢帯判定システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢帯を判定し出力する判定手段と、を備える。
年齢帯とは、その動物の大まかな年齢である。例えば、幼年、若年、壮年、老年といった分類でもよい。
受付手段及び判定手段については、上記品種判定システムと同様である。
［実施例１］
トイプードル、チワワ、ミニチュア・ダックスフント、柴犬、ポメラニアン、ヨークシャー・テリア、ミニチュアシュナウザー、シーズー、フレンチブルドッグ、パピヨン、マルチーズの１１犬種それぞれについて１００枚の顔画像（眼とその周囲のみが映った画像。一例として、図５～図８の写真（用いたのはカラー写真）。２５６×２５６ピクセルに統一した。）と、各画像に係る犬種情報（図９に示すように各犬種に番号を振った）を教師データとして用いて、ディープラーニングを行い、学習済みモデルを生成した。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用いてディープラーニングを行った。
生成された学習モデルを用いて、テストとして、上記学習済みモデルの生成に用いた画像とは別の画像（眼とその周囲のみが映った画像）を各犬種毎に４０頭分ずつ用意し、判定を行った。
その結果を図１０に示す。犬種を正確に回答した正答率は、全体として、７１．６％であった。
トイプードル、チワワ、ミニチュア・ダックスフント、柴犬、ポメラニアン、ヨークシャー・テリア、ミニチュアシュナウザー、シーズー、フレンチブルドッグ、パピヨン、マルチーズの１１犬種それぞれについて１００枚の顔画像（眼とその周囲のみが映った画像。一例として、図５～図８の写真（用いたのはカラー写真）。２５６×２５６ピクセルに統一した。）と、各画像に係る犬種情報（図９に示すように各犬種に番号を振った）を教師データとして用いて、ディープラーニングを行い、学習済みモデルを生成した。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用いてディープラーニングを行った。
生成された学習モデルを用いて、テストとして、上記学習済みモデルの生成に用いた画像とは別の画像（眼とその周囲のみが映った画像）を各犬種毎に４０頭分ずつ用意し、判定を行った。
その結果を図１０に示す。犬種を正確に回答した正答率は、全体として、７１．６％であった。
［実施例２］
毛色が異なるトイプードルの顔写真を各色ごとに４０枚ずつ用いてディープラーニングを行い、学習済みモデルを生成した。使用した顔写真は、眼とその周囲のみが映った画像であり、黒＆シルバーの毛色の画像が４０枚、ブラウンの毛色の画像が４０枚、クリームの毛色の画像が４０枚、白の毛色の画像が４０枚であった。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを、図１１に示すように、黒＆シルバー、ブラウン、クリーム及び白のそれぞれの毛色に対応する番号でラベル付けをしてディープラーニングを行った。
生成された学習モデルを用いて、テストとして、上記学習済みモデルの評価に用いた顔写真とは別の顔写真（眼とその周囲のみの画像）を用いてテストを行った。テストに使用した顔写真は、眼とその周囲のみが映った画像であり、黒＆シルバーの毛色の画像が４０枚、ブラウンの毛色の画像が４０枚、クリームの毛色の画像が４０枚、白の毛色の画像が４０枚であった。
その結果を図１２に示す。毛色を正確に回答した正答率は、全体として、８５．０％であった。
毛色が異なるトイプードルの顔写真を各色ごとに４０枚ずつ用いてディープラーニングを行い、学習済みモデルを生成した。使用した顔写真は、眼とその周囲のみが映った画像であり、黒＆シルバーの毛色の画像が４０枚、ブラウンの毛色の画像が４０枚、クリームの毛色の画像が４０枚、白の毛色の画像が４０枚であった。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを、図１１に示すように、黒＆シルバー、ブラウン、クリーム及び白のそれぞれの毛色に対応する番号でラベル付けをしてディープラーニングを行った。
生成された学習モデルを用いて、テストとして、上記学習済みモデルの評価に用いた顔写真とは別の顔写真（眼とその周囲のみの画像）を用いてテストを行った。テストに使用した顔写真は、眼とその周囲のみが映った画像であり、黒＆シルバーの毛色の画像が４０枚、ブラウンの毛色の画像が４０枚、クリームの毛色の画像が４０枚、白の毛色の画像が４０枚であった。
その結果を図１２に示す。毛色を正確に回答した正答率は、全体として、８５．０％であった。
［実施例３］
毛色が異なるラブラドールの顔写真を各色ごとに４０枚ずつ用いてディープラーニングを行い、学習済みモデルを生成した。使用した顔写真は、眼とその周囲のみが映った画像であり、黒の毛色の画像が４０枚、チョコレートの毛色の画像が４０枚、イエローの毛色の画像が４０枚であった。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを、図１３に示すように、黒、チョコレート、イエローのそれぞれの毛色に対応する番号でラベル付けをしてディープラーニングを行った。
生成された学習モデルを用いて、テストとして、上記学習済みモデルの評価に用いた顔写真とは別の顔写真を用いてテストを行った。テストに使用した顔写真は、眼とその周囲のみが映った画像であり、黒の毛色の画像が４０枚、チョコレートの毛色の画像が４０枚、イエローの毛色の画像が４０枚であった。
その結果を図１４に示す。毛色を正確に回答した正答率は、全体として、８６．７％であった。
毛色が異なるラブラドールの顔写真を各色ごとに４０枚ずつ用いてディープラーニングを行い、学習済みモデルを生成した。使用した顔写真は、眼とその周囲のみが映った画像であり、黒の毛色の画像が４０枚、チョコレートの毛色の画像が４０枚、イエローの毛色の画像が４０枚であった。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを、図１３に示すように、黒、チョコレート、イエローのそれぞれの毛色に対応する番号でラベル付けをしてディープラーニングを行った。
生成された学習モデルを用いて、テストとして、上記学習済みモデルの評価に用いた顔写真とは別の顔写真を用いてテストを行った。テストに使用した顔写真は、眼とその周囲のみが映った画像であり、黒の毛色の画像が４０枚、チョコレートの毛色の画像が４０枚、イエローの毛色の画像が４０枚であった。
その結果を図１４に示す。毛色を正確に回答した正答率は、全体として、８６．７％であった。
［実施例４］
５匹のトイプードルそれぞれについて４０枚ずつ顔画像を用意した。各顔画像は、眼、鼻、及び口を含み、耳や顔の輪郭は含まないものであった。
５匹のトイプードルそれぞれ２４枚の画像を使ってディープラーニングを行い、学習済みモデルを生成した。５匹のトイプードルの画像には、それぞれ、図１５（ａ）～（ｅ）に示すように、「個体Ａ」、「個体Ｂ」、「個体Ｃ」、「個体Ｄ」、「個体Ｅ」に応じてＩＤ（ラベル）を付した。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを、図１５（ｆ）に示すように、「個体Ａ」、「個体Ｂ」、「個体Ｃ」、「個体Ｄ」、「個体Ｅ」のそれぞれの個体に対応する番号でラベル付けをしてディープラーニングを行った。
生成された学習モデルを用いて、テストとして、上記学習済みモデルの評価に用いた顔写真とは別の顔写真（眼と鼻と口が映っている画像）を用いてテストを行った。テストに使用した顔写真は、各個体ごとに８枚ずつであった。
その結果を図１６に示す。毛色を正確に回答した正答率は、全体として、９５％であった。
５匹のトイプードルそれぞれについて４０枚ずつ顔画像を用意した。各顔画像は、眼、鼻、及び口を含み、耳や顔の輪郭は含まないものであった。
５匹のトイプードルそれぞれ２４枚の画像を使ってディープラーニングを行い、学習済みモデルを生成した。５匹のトイプードルの画像には、それぞれ、図１５（ａ）～（ｅ）に示すように、「個体Ａ」、「個体Ｂ」、「個体Ｃ」、「個体Ｄ」、「個体Ｅ」に応じてＩＤ（ラベル）を付した。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを、図１５（ｆ）に示すように、「個体Ａ」、「個体Ｂ」、「個体Ｃ」、「個体Ｄ」、「個体Ｅ」のそれぞれの個体に対応する番号でラベル付けをしてディープラーニングを行った。
生成された学習モデルを用いて、テストとして、上記学習済みモデルの評価に用いた顔写真とは別の顔写真（眼と鼻と口が映っている画像）を用いてテストを行った。テストに使用した顔写真は、各個体ごとに８枚ずつであった。
その結果を図１６に示す。毛色を正確に回答した正答率は、全体として、９５％であった。
Claims (2)
- ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の品種を判定する判定手段と、を備える判定システムであって、
前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の品種とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の品種判定とする学習済みモデルであることを特徴とし、前記教師データとして用いられる顔画像が、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像であり、前記動物が犬又は猫である判定システム。 - ヒトを除く動物の複数の顔画像が、同一の個体を撮影した画像か否かを判定する学習済みモデルの生成方法であって、教師データとして、ヒトを除く動物の画像であって、動物の眼、鼻及び口を含み、耳及び顔の輪郭を含まない画像を人工知能を含むコンピュータに入力し、人工知能に学習させることを特徴とし、前記動物が犬又は猫である学習済みモデルの生成方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021069375A JP7169397B2 (ja) | 2021-04-15 | 2021-04-15 | 判定システム |
| JP2022061251A JP7360496B2 (ja) | 2021-04-15 | 2022-03-31 | 判定システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021069375A JP7169397B2 (ja) | 2021-04-15 | 2021-04-15 | 判定システム |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022061251A Division JP7360496B2 (ja) | 2021-04-15 | 2022-03-31 | 判定システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022164098A JP2022164098A (ja) | 2022-10-27 |
| JP7169397B2 true JP7169397B2 (ja) | 2022-11-10 |
Family
ID=83743142
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021069375A Active JP7169397B2 (ja) | 2021-04-15 | 2021-04-15 | 判定システム |
| JP2022061251A Active JP7360496B2 (ja) | 2021-04-15 | 2022-03-31 | 判定システム |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022061251A Active JP7360496B2 (ja) | 2021-04-15 | 2022-03-31 | 判定システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP7169397B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7360489B2 (ja) * | 2022-02-28 | 2023-10-12 | アニコム ホールディングス株式会社 | 個体識別システム及び個体識別方法 |
| KR102871512B1 (ko) * | 2023-03-23 | 2025-10-14 | 에스케이 주식회사 | 이미지 태깅 기반의 반려동물 사진 분류 방법 및 시스템 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009110421A (ja) * | 2007-10-31 | 2009-05-21 | Ahb International Kk | 情報提供システム |
| JP5423186B2 (ja) * | 2009-07-07 | 2014-02-19 | 株式会社リコー | 撮像装置、領域検知方法、及びプログラム |
| JP6928369B2 (ja) * | 2017-06-29 | 2021-09-01 | 株式会社Ｐｅｃｏ | 情報処理システム及びプログラム |
| JP6392475B1 (ja) * | 2017-08-29 | 2018-09-19 | 株式会社ペットボードヘルスケア | 猫用トイレ使用状況管理システム及び猫用トイレ |
| JP7054121B2 (ja) * | 2020-10-21 | 2022-04-13 | シャープ株式会社 | 生体情報処理装置およびプログラム |
-
2021
- 2021-04-15 JP JP2021069375A patent/JP7169397B2/ja active Active
-
2022
- 2022-03-31 JP JP2022061251A patent/JP7360496B2/ja active Active
Non-Patent Citations (1)
| Title |
|---|
| 渡部宏樹，DNNを用いたペット顔検出・品種識別，2021年03月01日，https://www.ams.giti.waseda.ac.jp/data/pdf-files/2018_watabe_mt.pdf，（掲載日については、http://web.archive.org/web/20210301194102/https://www.ams.giti.waseda.ac.jp/publication/により、遅くとも2021年3月1日には掲載されていたことが把握できる。） |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022164589A (ja) | 2022-10-27 |
| JP7360496B2 (ja) | 2023-10-12 |
| JP2022164098A (ja) | 2022-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12193414B2 (en) | Animal visual identification, tracking, monitoring and assessment systems and methods thereof | |
| Feighelstein et al. | Automated recognition of pain in cats | |
| US20220391757A1 (en) | Disease prediction system, insurance fee calculation system, and disease prediction method | |
| JP7360496B2 (ja) | 判定システム | |
| WO2019184139A1 (zh) | 牲畜保险理赔方法、装置、计算机设备和存储介质 | |
| KR102207242B1 (ko) | 빅데이터 기반 반려동물 위기관리 통합 시스템, 서버 및 방법 | |
| US20200090821A1 (en) | Veterinary Services Inquiry System | |
| US20200092354A1 (en) | Livestock Management System with Audio Support | |
| US12417655B2 (en) | Emotion determination system and method for determining emotion | |
| US20250342942A1 (en) | Method and system for diagnosing oral disease of companion animal | |
| Alon et al. | Machine vision-based automatic lamb identification and drinking activity in a commercial farm | |
| WO2023008571A1 (ja) | 個体識別システム及び個体識別方法 | |
| WO2022045214A1 (ja) | 保険料算出システム及び保険料算出方法 | |
| JP7503041B2 (ja) | 保険料算出システム及び保険料算出方法 | |
| JP7360489B2 (ja) | 個体識別システム及び個体識別方法 | |
| JP2023056040A (ja) | 活動検証のためのシステム及び方法 | |
| KR102303862B1 (ko) | 인공지능 기반 온라인 가축 경매 장치 및 방법 | |
| JP7204859B1 (ja) | 性格判定システム及び性格判定方法 | |
| KR102790919B1 (ko) | Ai기반 반려동물 원격 치과 진료 및 처방 플랫폼 | |
| JP2025177351A (ja) | 動物の母子観察装置及び動物の母子観察システム | |
| KR20250086096A (ko) | 반려동물 질환 진단 및 보험 서비스 제공 장치 및 그 방법 | |
| JP7726675B2 (ja) | 画像判定システム及び画像判定方法 | |
| KR20250173198A (ko) | 비대면 반려동물 관리시스템 및 관리방법 | |
| CN114998575B (zh) | 训练和使用目标检测模型的方法及装置 | |
| JP2024062859A (ja) | 愛玩動物の相性判定システム及び相性判定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220125 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220125 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220329 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220530 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220621 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220920 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20220920 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221004 |
|
| C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221011 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221025 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221028 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7169397 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |