JP7360489B2 - 個体識別システム及び個体識別方法 - Google Patents
個体識別システム及び個体識別方法 Download PDFInfo
- Publication number
- JP7360489B2 JP7360489B2 JP2022030217A JP2022030217A JP7360489B2 JP 7360489 B2 JP7360489 B2 JP 7360489B2 JP 2022030217 A JP2022030217 A JP 2022030217A JP 2022030217 A JP2022030217 A JP 2022030217A JP 7360489 B2 JP7360489 B2 JP 7360489B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- age
- animal
- images
- individual
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Image Analysis (AREA)
Description
[1]動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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。
[2]前記年齢の影響を受けやすい特徴量に対して、それ以外の特徴量の重みを増すようにして重みを調整することによって、年齢の影響を受けやすい特徴量の重み付けを小さくする[1]の個体識別システム。
[3]前記年齢の影響を受けやすい特徴量が、画像から抽出される各特徴量の中で年齢の影響の受けやすさ順で上位10%以内に含まれる特徴量である[1]又は[2]の個体識別システム。
[4]前記年齢の影響を受けやすい特徴量が、画像から抽出される各特徴量の中で年齢の影響の受けやすさ順で上位5%以内に含まれる特徴量である[1]~[3]のいずれかの個体識別システム。
[5]前記年齢の影響の受けやすさが、動物の年齢を分類するために重要な特徴量を出力することのできる重要度判定用学習済みモデルによって出力されたものである[3]又は[4]の個体識別システム。
[6]前記学習済みモデルが、ニューラルネットワークである[1]~[5]のいずれかの個体識別システム。
[7]前記学習済みモデルが、畳み込みニューラルネットワークである[6]の個体識別システム。
[8]前記特徴量抽出手段に含まれる学習済みモデルが、前記データベースに記憶される特徴量を抽出するのに用いられる学習済みモデルと同一の学習済みモデルである[1]~[7]のいずれかの個体識別システム。
[9]前記データベースが記憶する特徴量が、同一個体を撮影した複数の画像から抽出された特徴量を平均化して得られる特徴量である[1]~[8]のいずれかの個体識別システム。
[10]前記特徴量抽出手段が、同一個体を撮影した複数の画像から特徴量を抽出し、前記判定手段においてデータベースに記憶されている特徴量との比較に用いられる特徴量が、同一個体を撮影した複数の画像から抽出した特徴量を平均化して得られる特徴量である[1]~[9]のいずれかの個体識別システム。
[11]動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、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、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、を備える入退場管理システム。
[12]前記データベースは、個体識別情報として、吠え傾向、攻撃性、活発性及び社交性からなる群から選ばれる一つ以上の性向を記憶する[11]の入退場管理システム。
[13]入場又は退場しようとする動物が、所定の性向を有することがデータベースに記憶されている個体と同一の個体であると判定手段が判定した場合、アラートをするアラート手段をさらに有する[12]の入退場管理システム。
[14]動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、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、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、を備える診察管理システム。
[15]動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、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、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、を備える受付管理システム。
[16]動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、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、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、を備える捜索管理システム。
[17]動物の顔画像の入力を受け付けるステップと、学習済みモデルを用いて、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出ステップと、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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ステップと、を備える個体識別方法。
本発明の個体識別システムは、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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。
本発明のデータベースは、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶するものである。好ましくは、動物の顔画像から抽出された特徴量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。また、個体識別情報として、吠え傾向、攻撃性、活発性及び社交性からなる群から選ばれる一つ以上の性向を記憶することもできる。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。
本発明の受付手段は、ヒトを除く動物の顔画像の入力を受け付ける手段である。画像としては静止画であっても、動画であってもよい。本明細書において「画像」といった場合、静止画と動画の双方を含む。動画の場合、顔画像とは、顔が写っている動画である。動画の中に顔が写っている場面が含まれていればよい。動画は連続した静止画の集合であり、静止画と同様の処理が可能である。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、リアルタイムで撮影された動画のアップロード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。また、入退場を管理したい区画の入り口に設置したカメラが、動物を撮影し、得られた静止画又は動画をサーバーにアップロードすることによりサーバの受付手段が画像を受け付けるという構成であれば、動物の入退場の際の個体識別が可能となる。
本発明の特徴量抽出手段は、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する手段である。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。
本発明の判定手段は、データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を比較することにより、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個体識別情報に係る動物個体と同一の個体の画像であるか否かを判定するものである。そして、比較の際に、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較を行う。判定手段は、例えば、特徴量同士のコサイン類似度を計算し、その値が所定値以上になった場合に、同一の個体であるとの判定を行うソフトウェアを含む。コサイン類似度を計算する際には、データベースに登録されている特徴量の重心である重心特徴量を求め、各特徴量から重心特徴量を除したものを用いることもできる。また、正規化した特徴量をコサイン類似度の計算に用いることもできる。さらに、特徴量抽出手段が抽出した特徴量とのコサイン類似度が高い個体をデータベースの中から検索し、同一個体の候補を選択するというソフトウェアを含むものであってもよい。加えて、同一個体の判定手法として、コサイン類似度の代わりにユークリッド距離を用いることもできる。
本発明のシステムは、さらに、品種判定手段を備えることが好ましい。品種判定手段は、品種判定用の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画像からその動物の品種を判定する手段である。品種を判定し、その品種に応じた学習済みモデルを使用することで、個体識別の精度を上げることが可能となる。なお、品種判定手段を備えない場合は、別途利用者の端末等から品種情報を入力する構成とすることもできる。
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、当該動物の個体識別の判定を行う。
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、入力手段に入力された画像にかかる個体と同一の個体を、画像と個体識別情報とを表示をすることで個体識別結果を出力することができる。特徴量の一致率が近い個体がデータベース内に複数存在する場合は、同一個体の候補を複数提示してもよい。また、付随的な情報として、個体識別結果の確実性を同時に出力してもよい。例えば、「この子は○○ちゃん(信頼度:80%)」といった具合である。
本発明の個体識別システムは、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。
データベース12には、予め、複数の個体の動物について、顔画像、学習済みモデルを用いて顔画像から抽出された特徴量、及び、個体識別情報が記憶されている。
動物の入退場を管理したい区域の入り口などに設置されているカメラ等の撮影手段16によって、動物の顔を含む画像が撮影される。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、特徴量抽出手段(学習済みモデル)18を用いて、受付手段15に入力された画像から特徴量を抽出する。その後、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に記憶されている動物の顔画像に係る特徴量と当該受け付けられた画像から得られた特徴量について、判定手段11を用いて一致率を計算し、同一の個体であるか否かを判定する。一致率を計算する際に、年齢の影響を受けやすい特徴量については重み付けを小さくして計算を行う。データベース12に記憶されている動物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、当該動物の顔画像とともに、当該動物の個体識別情報を出力手段14により、端末13の画面上に出力する。
本発明の入退場管理システムは、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、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、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、を備えるものである。
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。また、学習済みモデルを用いて登録された顔画像から特徴量が抽出され、個体識別情報と紐付けられてデータベースに記憶される。
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、特徴量抽出手段(学習済みモデル)18を用いて、受付手段15に入力された画像から特徴量を抽出する。その後、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に係る特徴量と当該受け付けられた画像から得られた特徴量について、判定手段11を用いて一致率を計算し、同一の個体であるか否かを判定する。一致率を計算する際に、年齢の影響を受けやすい特徴量については重み付けを小さくして計算を行う。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により、ホテルの端末の画面上に出力する。ペットホテルの利用者の所有する端末13にも判定結果を出力してもよい。
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。
本発明の診察管理システムは、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、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、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、を備えるものである。
本発明の受付管理システムは、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、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、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、を備える受付管理システム。
本発明の管理システムは、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、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、学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、を備えるものである。
本発明の個体識別方法は、動物の顔画像の入力を受け付けるステップと、学習済みモデルを用いて、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出ステップと、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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ステップと、を備えるものである。
特徴量抽出ステップは、学習済みモデルを用いて、前記受付手段に入力された顔画像から特徴量を抽出するステップである。学習済みモデルは、上記の個体識別システムにおいて説明した学習済みモデルと同様である。
判定ステップは、動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を比較することにより、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個体識別情報に係る動物個体と同一の個体の画像であるか否かを判定するステップである。例えば、上記の判定手段を用いて、特徴量の一致率を計算し、同一個体であるかどうか判定するステップである。
9頭のミニチュア・ダックスフントそれぞれの顔画像(眼とその周囲のみが映った画像。一例として、図6(A)~(C)のカラー写真。500×500ピクセルに統一した。)を用意した。
各画像を、学習済みモデルに入力し、特徴量を抽出した。
EfficientNetB7にImageNetのウェイトを持つモデルを学習済みモデルとして用いた。
次に、個体識別を行いたいミニチュア・ダックスフントの顔画像A(識別対象個体。図7)を用意し、上記学習済みモデルを用いて特徴量を抽出した。上記9頭の中には、識別対象個体と同一の個体が含まれている。
その結果、9頭のうち、顔画像一致率が93%と一番高かった個体が、識別対象個体と同一の個体の画像であることが分かった。
参考例1と同じような顔画像を9個体(ミニチュア・ダックスフントA~I)のそれぞれについて、複数枚用意した。これらの画像を「データベース画像」とする。
参考例1と同じ学習済みモデルを用いて、各顔画像から特徴量を抽出した。9個体それぞれについて、複数枚の顔画像の特徴量について平均化(相加平均)を行った。平均化に用いた顔画像の枚数を表1に記載されているように、2枚、4枚、8枚、16枚、32枚、64枚、128枚というように変更して平均化を行った。表1中、平均化に用いた枚数が「1」となっているのは、1枚の画像を用いており、平均化を行っていない例である。9個体それぞれについて得られた特徴量を、「平均化特徴量」とする。
次に、識別対象用のミニチュア・ダックスフントの顔画像をミニチュア・ダックスフントA~Iのそれぞれについて10枚ずつ用意し、上記参考例1と同じ学習済みモデルを用いて特徴量を抽出した。これらの特徴量を「識別対象特徴量」とする。
9個体それぞれについて、識別対象特徴量と、平均化特徴量との間で、コサイン類似度を計算し、コサイン類似度が高いものを同一の個体と判定した。
判定結果として、実際に同一の個体を同一と判定できた場合を「正解」と定義した。例えば、ミニチュア・ダックスフントAの識別対象用の画像を、データベース画像の中からミニチュア・ダックスフントAの画像と同じ個体の画像であると判定できた場合が「正解」である。9個体×10枚の画像の合計90枚のうち、正解できた割合を「正解率」とした。
平均化に用いた枚数と正解率との関係を表1に示す。
表1から明らかなように、特徴量の平均化を行うことで正解率を上げることが可能となった。
チワワについて、年齢を0歳、3~5歳、8歳以上の3つのクラスに分けて、それぞれのクラスについて530枚の画像(静止画。顔が写っているもの)を用意した。
EfficientNetB7をファインチューニングしたモデルを学習済みモデルとして、各画像から特徴量(ベクトル)を抽出した。
次に、TabNetを用いて、各画像について、特徴量と年齢のクラスに関する情報からなる学習データセットを用いて学習を行い、年齢クラスを分けるために重要な特徴量とその重要度を出力した。学習データセットの一例を下記表に示す。ファイル名が、各動物の画像のファイル名であり、画像に写っている犬の年齢クラスが、0歳以下、3~5歳、又は8歳以上であることを示すものである。「vector1」、「vector2」等が、各特徴であり、その下の数値が、各特徴に係る特徴量(ベクトル)である。
個体識別用に、データベースに0歳、又は3~5歳のチワワの画像22頭分から抽出した特徴量を登録しておき、検証データとして、データベースに含まれる個体と同一個体8頭分の画像を合計で51枚用意し、特徴量を抽出した。
下記計算式に従い、コサイン類似度によって、データベースに登録された各個体の特徴量と検証データに係る画像の特徴量の一致率を計算した。重み(weights 本実施例では1又は2)は下記計算式の分子にかけた。
Claims (17)
- 動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、
動物の顔画像の入力を受け付ける受付手段と、
学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、
前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、
前記動物が、ヒトを除く哺乳類であり、
前記年齢の影響を受けやすい特徴量が、皺、毛色又は肌つやを含む、年齢の影響が現れやすい特徴に関する特徴量を含む個体識別システム。 - 動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、
動物の顔画像の入力を受け付ける受付手段と、
学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、
前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、
前記動物が、ヒトを除く哺乳類であり、
前記年齢の影響を受けやすい特徴量が、
年齢ごとに画像を複数用意し、画像から抽出された特徴量と、年齢との関連付けを行い、年齢との相関が強いことが確認された特徴量、
年齢又は年齢クラスごとに画像を用意し、画像から抽出した特徴量を用いて学習を行い、年齢又は年齢クラスを分けるために重要であることが確認された特徴量、或いは、
年齢を分類するために重要な特徴量を出力することのできる重要度判定用学習済みモデルによって出力された特徴量、
を含む個体識別システム。 - 前記年齢の影響を受けやすい特徴量に対して、それ以外の特徴量の重みを増すようにして重みを調整することによって、年齢の影響を受けやすい特徴量の重み付けを小さくする請求項1又は2記載の個体識別システム。
- 前記年齢の影響を受けやすい特徴量が、画像から抽出される各特徴量の中で年齢の影響の受けやすさ順で上位10%以内に含まれる特徴量である請求項1又は2記載の個体識別システム。
- 前記年齢の影響を受けやすい特徴量が、画像から抽出される各特徴量の中で年齢の影響の受けやすさ順で上位5%以内に含まれる特徴量である請求項1又は2記載の個体識別システム。
- 前記学習済みモデルが、ニューラルネットワークである請求項1~5のいずれか一項記載の個体識別システム。
- 前記学習済みモデルが、畳み込みニューラルネットワークである請求項6記載の個体識別システム。
- 前記特徴量抽出手段に含まれる学習済みモデルが、前記データベースに記憶される特徴量を抽出するのに用いられる学習済みモデルと同一の学習済みモデルである請求項1~7のいずれか一項記載の個体識別システム。
- 前記データベースが記憶する特徴量が、同一個体を撮影した複数の画像から抽出された特徴量を平均化して得られる特徴量である請求項1~8のいずれか一項記載の個体識別システム。
- 前記特徴量抽出手段が、同一個体を撮影した複数の画像から特徴量を抽出し、前記判定手段においてデータベースに記憶されている特徴量との比較に用いられる特徴量が、同一個体を撮影した複数の画像から抽出した特徴量を平均化して得られる特徴量である請求項1~9のいずれか一項記載の個体識別システム。
- 動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、
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、
学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、
前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、
を備える入退場管理システムであって、
前記動物が、ヒトを除く哺乳類であり、
前記年齢の影響を受けやすい特徴量が、
皺、毛色又は肌つやを含む、年齢の影響が現れやすい特徴に関する特徴量、
年齢ごとに画像を複数用意し、画像から抽出された特徴量と、年齢との関連付けを行い、年齢との相関が強いことが確認された特徴量、
年齢又は年齢クラスごとに画像を用意し、画像から抽出した特徴量を用いて学習を行い、年齢又は年齢クラスを分けるために重要であることが確認された特徴量、或いは、
年齢を分類するために重要な特徴量を出力することのできる重要度判定用学習済みモデルによって出力された特徴量、
を含む入退場管理システム。 - 前記データベースは、個体識別情報として、吠え傾向、攻撃性、活発性及び社交性からなる群から選ばれる一つ以上の性向を記憶する請求項11記載の入退場管理システム。
- 入場又は退場しようとする動物が、所定の性向を有することがデータベースに記憶されている個体と同一の個体であると判定手段が判定した場合、アラートをするアラート手段をさらに有する請求項12記載の入退場管理システム。
- 動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、
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、
学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、
前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、
を備える診察管理システムであって、
前記動物が、ヒトを除く哺乳類であり、
前記年齢の影響を受けやすい特徴量が、
皺、毛色又は肌つやを含む、年齢の影響が現れやすい特徴に関する特徴量、
年齢ごとに画像を複数用意し、画像から抽出された特徴量と、年齢との関連付けを行い、年齢との相関が強いことが確認された特徴量、
年齢又は年齢クラスごとに画像を用意し、画像から抽出した特徴量を用いて学習を行い、年齢又は年齢クラスを分けるために重要であることが確認された特徴量、或いは、
年齢を分類するために重要な特徴量を出力することのできる重要度判定用学習済みモデルによって出力された特徴量、
を含む診療管理システム。 - 動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、
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、
学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、
前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、
を備える受付管理システムであって、
前記動物が、ヒトを除く哺乳類であり、
前記年齢の影響を受けやすい特徴量が、
皺、毛色又は肌つやを含む、年齢の影響が現れやすい特徴に関する特徴量、
年齢ごとに画像を複数用意し、画像から抽出された特徴量と、年齢との関連付けを行い、年齢との相関が強いことが確認された特徴量、
年齢又は年齢クラスごとに画像を用意し、画像から抽出した特徴量を用いて学習を行い、年齢又は年齢クラスを分けるために重要であることが確認された特徴量、或いは、
年齢を分類するために重要な特徴量を出力することのできる重要度判定用学習済みモデルによって出力された特徴量、
を含む受付管理システム。 - 動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースと、
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、
学習済みモデルを含み、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段と、
前記データベースに記憶されている特徴量と、前記特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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、
を備える捜索管理システムであって、
前記動物が、ヒトを除く哺乳類であり、
前記年齢の影響を受けやすい特徴量が、
皺、毛色又は肌つやを含む、年齢の影響が現れやすい特徴に関する特徴量、
年齢ごとに画像を複数用意し、画像から抽出された特徴量と、年齢との関連付けを行い、年齢との相関が強いことが確認された特徴量、
年齢又は年齢クラスごとに画像を用意し、画像から抽出した特徴量を用いて学習を行い、年齢又は年齢クラスを分けるために重要であることが確認された特徴量、或いは、
年齢を分類するために重要な特徴量を出力することのできる重要度判定用学習済みモデルによって出力された特徴量、
を含む捜索管理システム。 - 動物の顔画像の入力を受け付けるステップと、
学習済みモデルを用いて、動物の顔画像の入力を受け付ける受付手段に入力された顔画像から特徴量を抽出する特徴量抽出ステップと、
動物の顔画像から学習済みモデルを用いて抽出された特徴量及び動物の個体識別情報を記憶したデータベースに記憶されている特徴量と、前記受付手段に入力された顔画像から特徴量を抽出する特徴量抽出手段が抽出した特徴量を、年齢の影響を受けやすい特徴量の重み付けを小さくしたうえで比較することにより、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個体識別情報に係る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ステップと、
を備える個体識別方法であって、
前記動物が、ヒトを除く哺乳類であり、
前記年齢の影響を受けやすい特徴量が、
皺、毛色又は肌つやを含む、年齢の影響が現れやすい特徴に関する特徴量、
年齢ごとに画像を複数用意し、画像から抽出された特徴量と、年齢との関連付けを行い、年齢との相関が強いことが確認された特徴量、
年齢又は年齢クラスごとに画像を用意し、画像から抽出した特徴量を用いて学習を行い、年齢又は年齢クラスを分けるために重要であることが確認された特徴量、或いは、
年齢を分類するために重要な特徴量を出力することのできる重要度判定用学習済みモデルによって出力された特徴量、
を含む個体識別方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022030217A JP7360489B2 (ja) | 2022-02-28 | 2022-02-28 | 個体識別システム及び個体識別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022030217A JP7360489B2 (ja) | 2022-02-28 | 2022-02-28 | 個体識別システム及び個体識別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023125869A JP2023125869A (ja) | 2023-09-07 |
JP7360489B2 true JP7360489B2 (ja) | 2023-10-12 |
Family
ID=87887516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022030217A Active JP7360489B2 (ja) | 2022-02-28 | 2022-02-28 | 個体識別システム及び個体識別方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7360489B2 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022164098A (ja) | 2021-04-15 | 2022-10-27 | アニコム ホールディングス株式会社 | 判定システム |
-
2022
- 2022-02-28 JP JP2022030217A patent/JP7360489B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022164098A (ja) | 2021-04-15 | 2022-10-27 | アニコム ホールディングス株式会社 | 判定システム |
Also Published As
Publication number | Publication date |
---|---|
JP2023125869A (ja) | 2023-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Achour et al. | Image analysis for individual identification and feeding behaviour monitoring of dairy cows based on Convolutional Neural Networks (CNN) | |
US11900647B2 (en) | Image classification method, apparatus, and device, storage medium, and medical electronic device | |
EP4053762A1 (en) | Disease prediction system, insurance fee calculation system, and disease prediction method | |
US10600179B2 (en) | Image analysis for determining characteristics of groups of individuals | |
WO2015156833A1 (en) | Livestock identification system and method | |
US11910784B2 (en) | Animal visual identification, tracking, monitoring and assessment systems and methods thereof | |
US11295113B2 (en) | 3D biometric identification system for identifying animals | |
CN111753697A (zh) | 智能宠物管理系统及其管理方法 | |
JP7360496B2 (ja) | 判定システム | |
JP2019010004A (ja) | 情報処理システム及びプログラム | |
JP7360489B2 (ja) | 個体識別システム及び個体識別方法 | |
WO2023008571A1 (ja) | 個体識別システム及び個体識別方法 | |
KR102303862B1 (ko) | 인공지능 기반 온라인 가축 경매 장치 및 방법 | |
Himel et al. | Vision Intelligence for Smart Sheep Farming: Applying Ensemble Learning to Detect Sheep Breeds | |
JP7204859B1 (ja) | 性格判定システム及び性格判定方法 | |
JP7466972B1 (ja) | 豚の活動量測定方法、豚の活動量測定プログラムが記憶された非一時的コンピュータ可読記憶媒体、および豚の活動量測定システム | |
KR102452932B1 (ko) | 지도 기반 유기동물 관리 플랫폼 서비스 제공 시스템 | |
JP7082647B2 (ja) | 保険料算出システム及び保険料算出方法 | |
GB2618780A (en) | Health tracking method and system | |
JP2024062859A (ja) | 愛玩動物の相性判定システム及び相性判定方法 | |
CN117672501A (zh) | 一种基于人工智能的宠物健康初筛系统 | |
JP2023081168A (ja) | 保険料算出システム及び保険料算出方法 | |
JP2022184223A (ja) | ペット販売価格判定システム及びペット販売価格判定方法 | |
JP2022184224A (ja) | 画像判定システム及び画像判定方法 | |
KR20240060919A (ko) | 반려동물 안면인식 기술을 이용한 개체식별 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221207 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230214 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230412 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230525 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230814 |
|
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: 20230912 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230929 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7360489 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |