TWI687834B

TWI687834B - 以鼻紋提升辨識率之動物身份辨識系統及其方法

Info

Publication number: TWI687834B
Application number: TW108121087A
Authority: TW
Inventors: 陳慶瀚
Original assignee: 行政院農業委員會
Priority date: 2019-06-18
Filing date: 2019-06-18
Publication date: 2020-03-11
Also published as: TW202101260A

Abstract

本發明係關於一種以鼻紋提升辨識率之動物身份辨識系統及其方法，由於動物的鼻紋如同人類指紋一般具有獨特性，因此，本發明利用這項特性，再結合身體特徵、臉部特徵作為比對基礎來進行動物辨識，相較於傳統晶片植入式之動物辨識手段，本發明利用非植入式之手段，不僅可提升飼主主動登錄寵物身分資料庫之意願外，同時當用於流浪動物(如流浪犬、流浪貓)之管理時，所需經費低且具有相當優秀之辨識度。

Description

以鼻紋提升辨識率之動物身份辨識系統及其方法

本發明係關於一種辨識系統及其方法，尤指一種以鼻紋提升辨識率之動物身份辨識系統及其方法。

在這忙碌社會，為了和緩工作帶來的壓力以及生活上的孤寂，越來越多人會透過飼養寵物作為陪伴，心理學相關研究也證實寵物的確有療癒人心的功能，尤其是狗天生忠實、善於解讀人類情緒之特性，在人們心情低落時，更可以達到療癒的效果。

然而，許多人並不懂得飼養動物，尤其各種犬類有著不同個性、飼養方式等，且寵物的醫療費、伙食費也是一筆不小開銷，當飼養上出問題時，棄養成為一種選擇，導致台灣流浪犬越來越多，尤其這些流浪犬之間又生下幼犬後，流浪犬的問題有越來越嚴重的趨勢。

雖然政府大力提倡寵物晶片來解決流浪犬的問題，但，寵物晶片大多係針對有飼主的狗進行晶片植入，容易囿限於飼主的意願造成效果不彰，且，目前政府對於晶片的規格尚未統一，造成管理上衍生眾多困難，進一步影響寵物晶片的成效；並且，寵物晶片屬於植入體內式，對於目前流浪在外的流浪狗而言，除了執行面有相當難處外，經費不足也是政府頭痛的項目之一。此外，不僅流浪狗有上述問題，其他如流浪貓等常見家中寵物均存在有同樣問題。

爰此，本發明創作者認為應找出一種非植入式管理之手段，才可以有效管理、預防流浪動物，為此，本創作者本於影像辨識相關領域之專長，開始思考如何用影像辨識作為非植入式管理之手段，透過有效辨別動物身分，以達有效管理之目的。

有鑑於先前技術所述不足之處，本發明創作者提出一種解決之手段，該手段係關於一種以鼻紋提升辨識率之動物身份辨識系統，包括：

一輸入端：該輸入端可供輸入一動物比對影像資料。

一動物身分資料庫：該動物身分資料庫具有複數動物身分資料，各動物身分資料內包括一鼻紋資料、一身體資料、一臉部資料、及一身分資料。

一辨識單元：該辨識單元分別資訊連接該輸入端、該動物身分資料庫、及一輸出端，該辨識單元內且有一辨識程式，該辨識程式可供該辨識單元執行：分析該動物比對影像資料而分析出一鼻紋比對資料、一身體比對資料、及一臉部比對資料，根據該鼻紋比對資料、該身體比對資料、及該臉部比對資料分別與各動物身分資料之該鼻紋資料、該身體資料、該臉部資料進行比對，最後根據比對結果判斷出一與該動物比對影像資料相匹配之動物身分資料，最後將與該動物比對影像資料相匹配之動物身分資料之該身分資料透過該輸出端輸出。

對於動物(如貓、狗、兔子，以下茲以犬類為例進行說明)而言，鼻紋具有獨特性，難以從不同狗身上找到相同鼻紋，即使是同胞犬之間，鼻紋也不盡相同。爰此，本發明利用此種特性，將鼻紋特徵結合臉部特徵及身體特徵做為比對基礎，透過非植入式之手段來取代寵物晶片作為動物身分辨識之手段，經實驗研究有非常高的辨識率。爰此，本發明不僅可以用於有飼主之寵物，對於流浪在外的流浪犬而言，也可透過本發明進行身分辨識、管理，使得本發明進一步兼具廣泛之用途。

有鑑於專利法對於廣義同一發明之相關規定，本說明書依法同時提出一種以鼻紋提升辨識率之動物身份辨識方法，包括下列步驟： (A)輸入一動物比對影像資料； (B)分析該動物比對影像資料而分析出一鼻紋比對資料、一身體比對資料、及一臉部比對資料； (C)自一動物身分資料庫內依序取一動物身分資料，將各動物身分資料內之一鼻紋資料、一身體資料、一臉部資料分別與該鼻紋比對資料、該身體比對資料、及該臉部比對資料依序進行比對，最後根據比對結果判斷出一與該動物比對影像資料相匹配之動物身分資料； (D)將與該動物比對影像資料相匹配之動物身分資料之該身分資料透過一輸出端輸出。

以下係透過各圖式之輔助，來進一步說明本發明創作之各優點、特色、要件、及其具體實施態樣。

請參閱第一圖所示，本創作係關於一種以鼻紋提升辨識率之動物身份辨識系統，包括：

一輸入端1：請參閱第一圖所示，該輸入端1係可供輸入一動物比對影像資料，例如：影片、相片等，為令本發明之資料建檔、及資料分析得以更為準確，該動物比對影像資料較佳係包括動物各側面影像資料，例如一動物前視影像資料、一動物後視影像資料、一動物左側視影像資料、一動物右視影像資料、及一動物俯視影像資料。除此之外，為令整個辨識結果得以提高準確度，該輸入端1再進一步可以實施為：該輸入端1包括一3D影像掃描單元，該3D影像掃描單元可供對動物進行掃描，而得到該動物比對影像資料。透過3D影像掃描之特性，所得到該動物比對影像資料更適合用於本發明之比對。

一動物身分資料庫2：請參閱第一圖所示，該動物身分資料庫2具有複數動物身分資料，且不限於家中飼養寵物的資料，也包括各流浪動物的資料。各動物身分資料內包括一鼻紋資料、一身體資料、一臉部資料、及一身分資料。該身分資料可以是動物的姓名、性別、棲息地、健康狀況、飼主資料等，舉凡有助於動物辨識、管理者，均可作為該身分資料。

一辨識單元3：請參閱第一圖所示，該辨識單元3分別資訊連接該輸入端1、該動物身分資料庫2、及一輸出端4，該辨識單元3內且有一辨識程式31，該辨識程式31可供該辨識單元3執行：分析該動物比對影像資料而分析出一鼻紋比對資料、一身體比對資料、及一臉部比對資料，根據該鼻紋比對資料、該身體比對資料、及該臉部比對資料分別與各動物身分資料之該鼻紋資料、該身體資料、該臉部資料進行比對，最後根據比對結果判斷出一與該動物比對影像資料相匹配之動物身分資料，最後將與該動物比對影像資料相匹配之動物身分資料之該身分資料透過該輸出端4輸出。

請參閱第一圖配合第二圖及第三圖所示，圖式中主要根據MIAT設計方法論以IDEF0設計階層式系統架構分割，來輔助說明本發明之辨識流程，且圖式中以犬只只抽取完成為例來說明本創作之辨識流程：當該輸入端1輸入犬隻比對影像資料作為該動物比對影像資料後，由於該動物比對影像資料內同時包括動物之鼻紋、身體輪廓、及臉部等部位，為有效針對鼻紋、身體輪廓、及臉部進行比對，該辨識程式31在進行辨識之前會先進行分類。爰此，該辨識程式31進一步可以實施為：該辨識程式31包括一分類程式32、及一分析程式33，該分類程式32可供該辨識單元3進行影像集前處理而執行：將該動物比對影像資料轉換成灰階影像資料，例如將該動物比對影像資料從RGB轉成灰階影像，再根據該灰階影像資料中區分出一鼻紋分類資料、一身體分類資料、及一臉部分類資料；該分析程式33可供該辨識單元3執行：根據該鼻紋分類資料、該身體分類資料、該臉部分類資料分析出該鼻紋比對資料、該身體比對資料、該臉部比對資料。

請參閱第一圖配合第二圖、第四圖、及第五圖所示，接著該辨識單元3會進行抽取特徵，而分別針對動物之臉、身體、鼻紋進行特徵抽取以做為比對基礎。首先，先介紹輪廓特徵之抽取，其實施方式較佳為：該分析程式33包括一身體分析子程式331，該身體分析子程式331可供該辨識單元3執行：將該身體分類資料先進行BLOB分析後，再進行傅立葉形狀描述符分析，較佳係取出身體之輪廓特徵，且總共有10個特徵值，最後得到該身體比對資料。

請參閱第一圖配合第二圖、及第六圖所示，接著介紹臉部特徵之抽取，其實施方式較佳為：該分析程式33包括一臉部分析子程式332，該臉部分析子程式332可供該辨識單元3執行：將該臉部分類資料先進行BLOB分析後，再依序進行水平投影分析、垂直投影分析，最後得到該臉部比對資料。該臉部分類資料透過水平投影分析、垂直投影分析，可得到平投影特徵，及垂直投影特徵，各特徵分別取出64個特徵值進行統整。如此一來，透過將該臉部分類資料之水平或垂直方向的相素進行加總，可增強可辨識的特徵，同時又可以大幅度降低資料量。

請參閱第一圖配合第二圖、及第七圖所示，再來介紹最重要的紋理特徵之抽取，其實施方式較佳為：該分析程式33包括鼻紋分析子程式333，該鼻紋分析子程式333可供該辨識單元3執行：將該鼻紋分類資料先進行BLOT分析找出鼻子的區塊後，再對該區塊進行灰階共生矩陣分析，該灰階共生矩陣分析會抽取出10種特徵，分別為：抽取的特徵種類有能量(Energy)、對比性(Contrast)、熵(Entropy)、不均勻性(Dissimilarity)、反向差距(Homogeneity)、紋理規則性(Mean)、變異量(Variance)與最大值(Max)，而每種特徵有24個特徵值，然後進行灰階共生梯度共生矩陣分析，該灰階共生梯度共生矩陣分析會取出15種特徵，分別是：小梯度優勢、大梯度優勢、灰度分布的不均勻性、梯度分布的不均勻性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相關、灰度熵、梯度熵、混合熵、慣性與逆差矩，每種特徵只有一個特徵值。接著進行Tamura紋理分析，該Tamura紋理分析有3種特徵，分別是粗糙度(Coarseness)、方向度(Directionality)和對比度(Contrast)，各特徵分別具有一特徵值，最後進行局部二值型態分析，該局部二值型態分析做了二種特徵，分別是對周圍8個相素與16個相素做局部二值型態分析，每種特徵分別具有24個特徵值，最後得到該鼻紋比對資料。

當前述各部分進行特徵抽取後，接著開始進行比對，以判斷動物之身分。請參閱第一圖配合第二圖及第八圖所示，本發明較佳係透過自組織映射圖分類(SOM)、機率神經網絡分析(PNN)、多層前饋式網絡分析(MFNN)來進行動物身分隻判斷，其較佳實施方式為：該辨識程式31更包括一比對程式34，該比對程式34可供執行：根據該鼻紋比對資料與各動物身分資料之該鼻紋資料先進行自組織映射圖分類(SOM)而得到一第一聚類結果，再根據該第一聚類結果進行機率神經網絡分析(PNN)而得到一第一機率分析結果；根據該身體比對資料與各動物身分資料之該身體資料先進行自組織映射圖分類(SOM)而得到一第二聚類結果，再根據該第二聚類結果進行機率神經網絡分析(PNN)而得到一第二機率分析結果；根據該臉部比對資料與各動物身分資料之該臉部資料先進行自組織映射圖分類(SOM)而得到一第三聚類結果，再根據該第三聚類結果進行機率神經網絡分析(PNN)而得到一第三機率分析結果；最後再根據該第一至第三機率分析結果進行多層前饋式網絡分析(MFNN)，得到與該動物比對影像資料相匹配之動物身分資料。

此外，由於本發明比對最核心部分是鼻紋之比對分析，也因此，當該第一機率分析結果低於一預設值時，該辨識單元3將判斷該動物尚未進行身分登錄，所以會控制該輸出端4輸出一未登錄訊息。

另，本發明經實驗結果發現，上述動物辨識之方法已有相當不錯之動物識別結果，倘若再加上品種辨識後，其動物識別正確率又可以向上增加，爰此，請參閱第一圖配合第二圖所示，本發明再進一步可以實施為：各動物身分資料內更包括一品種資料；該辨識程式31進一步可供該辨識單元3執行：分析該動物比對影像資料而得到一品種比對資料，根據該鼻紋比對資料、該身體比對資料、該臉部比對資料、及該品種比對資料分別與各動物身分資料庫之該鼻紋資料、該身體資料、該臉部資料、及該品種資料進行比對，最後根據比對結果判斷出與該動物比對影像資料相匹配之該動物身分資料。此外，上述品種辨識之方法主要係利用Google的Inception V3卷積神經網路分析(CNN)。

以下請參閱第九至第十一圖所示，由於本創作可應用之範圍相當廣泛，舉凡流浪在外的動物、家中飼養的寵物、或者野生動物等，只要具有鼻紋之動物均可透過本創作得到相當準確之辨識結果，為驗證本發明之辨識效果，我們以家中最常見的動物－狗為主進行測試。首先，取30隻狗進行辨識測試，每隻狗拍攝40張相片作為該動物比對影像資料，共有1200張相片，其中一半作為訓練辨識系統用，另一半作為測試用。請先參閱第九圖所示為利用卷積神經網路分析(CNN)進行分析之結果，由該結果可知錯誤率約在23.77%，會有這樣結果是因為長相過於近似之故，造成分類上容易出錯，尤其是對同胞犬進行辨識時，錯誤機率將大幅提升，所以可以得到一個結論：CNN用於犬隻辨識時，分辨同胞犬的能力較低。

接著，請參閱第十圖所示，為本發明利用鼻紋、臉部、身體等三大特徵進行犬隻辨識之實驗結果，實驗條件如前述，由實驗結果可知，本發明之辨識錯誤率為13.45%，與CNN相比，本發明將錯誤率大幅降低10.32%。其主要原因在於本發明利用鼻紋具有獨特性之優點，用於犬隻辨識時將有不錯辨識效果，尤其是針對同胞犬而言，雖然彼此長相近似但由於鼻紋之獨特性，使得本發明對於同胞犬的辨識具有不錯效果。

最後，請參閱第十一圖所示，為本發明最佳實施例之實驗結果，本發明最佳實施例除了前述利用鼻紋、臉部、身體等三大特徵進行犬隻辨識外，更加上犬種分類作為比對基礎之一，其辨識結果可由圖式得知，整個辨識錯誤率又大幅往下降至4.65%。由此可知，本發明透過非植入式之方式，取代傳統寵物晶片作為政府管理犬隻之手段，除了家用犬以外更可廣泛應用於流浪犬。

此外，基於專利法對於廣義同一發明之相關規定，本說明書同時提出一種動物辨識方法，其實施方式如下，由於下述實施方式於前述已作相當詳盡之介紹，故下述實施方式之細節容不贅述：

一種動物辨識方法，包括下列步驟： (A)輸入一動物比對影像資料； (B)分析該動物比對影像資料而分析出一鼻紋比對資料、一身體比對資料、及一臉部比對資料； (C)自一動物身分資料庫內依序取一動物身分資料，將各動物身分資料內之一鼻紋資料、一身體資料、一臉部資料分別與該鼻紋比對資料、該身體比對資料、及該臉部比對資料依序進行比對，最後根據比對結果判斷出一與該動物比對影像資料相匹配之動物身分資料； (D)將與該動物比對影像資料相匹配之動物身分資料之該身分資料透過一輸出端輸出。

為有效分析該動物比對影像資料，本創作進一步可以實施為：其中步驟(B)將該動物比對影像資料轉換成灰階影像資料，再根據該灰階影像資料中區分出一鼻紋分類資料、一身體分類資料、及一臉部分類資料；再根據該鼻紋分類資料、該身體分類資料、該臉部分類資料分析出該鼻紋比對資料、該身體比對資料、該臉部比對資料。

承上實施例，為取得較佳比對資料，以提升本創作之辨識率，本創作再進一步可以實施為：其中步驟(B)：將該身體分類資料先進行BLOB分析後，再進行傅立葉形狀描述符分析，最後得到該身體比對資料；將該臉部分類資料先進行BLOB分析後，再依序進行水平投影分析、垂直投影分析，最後得到該臉部比對資料；將該鼻紋分類資料先進行BLOT分析後，再依序進行灰階共生矩陣分析、灰階共生梯度共生矩陣分析、Tamura紋理分析、及局部二值型態分析，最後得到該鼻紋比對資料。

承上實施例，為提升本創作之辨識率，本創作又進一步可以實施為：其中步驟(C)根據該鼻紋比對資料與各動物身分資料之該鼻紋資料先進行自組織映射圖分類(SOM)而得到一第一聚類結果，再根據該第一聚類結果進行機率神經網絡分析(PNN)而得到一第一機率分析結果；根據該身體比對資料與各動物身分資料之該身體資料先進行自組織映射圖分類(SOM)而得到一第二聚類結果，再根據該第二聚類結果進行機率神經網絡分析(PNN)而得到一第二機率分析結果；根據該臉部比對資料與各動物身分資料之該臉部資料先進行自組織映射圖分類(SOM)而得到一第三聚類結果，再根據該第三聚類結果進行機率神經網絡分析(PNN)而得到一第三機率分析結果；最後再根據該第一至第三機率分析結果進行多層前饋式網絡分析(MFNN)，得到與該動物比對影像資料相匹配之動物身分資料。

根據實驗結果，當本創作配合品種分析、比對時，可令整體辨識率具有最佳效果，為此，本創作可實施為：其中步驟(B)分析該動物比對影像資料而得到一品種比對資料；步驟(C)各動物身分資料內更包括一品種資料；根據該鼻紋比對資料、該身體比對資料、該臉部比對資料、及該品種比對資料分別與各動物身分資料庫之該鼻紋資料、該身體資料、該臉部資料、及該品種資料進行比對，最後根據比對結果判斷出與該動物比對影像資料相匹配之該動物身分資料。

綜上所述，本案符合專利法所定之要件，爰依法提出專利申請，而上述說明僅列舉本發明創作之較佳實施例，本案之權利範圍仍以請求項所列為主。

1:輸入端 2:動物身分資料庫 3:辨識單元 31:辨識程式 32:分類程式 33:分析程式 331:身體分析子程式 332:臉部分析子程式 333:鼻紋分析子程式 34:比對程式

第一圖係本發明之各元件連結示意圖第二圖係本發明之作動流程圖第三圖係本發明之影像集前處理流程圖第四圖係本發明之取出各比對資料之處理流程圖第五圖係本發明之取出身體比對資料之處理流程圖第六圖係本發明之取出臉部比對資料之處理流程圖第七圖係本發明之取出鼻紋比對資料之處理流程圖第八圖係本發明之資料比對處理流程圖第九圖係習用技術之利用卷積神經網路分析(CNN)進行動物辨識之結果第十圖為本發明利用鼻紋特徵、臉部特徵、身體特徵，進行動物辨識之實驗結果第十一圖為本發明利用鼻紋特徵、臉部特徵、身體特徵、品種分類，進行動物辨識之實驗結果

Claims

一種以鼻紋提升辨識率之動物身份辨識系統，包括：一輸入端：可供輸入一動物比對影像資料；一動物身分資料庫：具有複數動物身分資料，各動物身分資料內包括一鼻紋資料、一身體資料、一臉部資料、及一身分資料；一辨識單元：分別資訊連接該輸入端、該動物身分資料庫、及一輸出端，該辨識單元內且有一辨識程式，該辨識程式可供該辨識單元執行：分析該動物比對影像資料而分析出一鼻紋比對資料、一身體比對資料、及一臉部比對資料，根據該鼻紋比對資料、該身體比對資料、及該臉部比對資料分別與各動物身分資料之該鼻紋資料、該身體資料、該臉部資料進行比對，最後根據比對結果判斷出一與該動物比對影像資料相匹配之動物身分資料，最後將與該動物比對影像資料相匹配之動物身分資料之該身分資料透過該輸出端輸出。
如申請專利範圍第1項所述之以鼻紋提升辨識率之動物身份辨識系統，其中該辨識程式包括一分類程式、及一分析程式，該分類程式可供該辨識單元執行：將該動物比對影像資料轉換成灰階影像資料，在根據該灰階影像資料中區分出一鼻紋分類資料、一身體分類資料、及一臉部分類資料；該分析程式可供該辨識單元執行：根據該鼻紋分類資料、該身體分類資料、該臉部分類資料分析出該鼻紋比對資料、該身體比對資料、該臉部比對資料。
如申請專利範圍第2項所述之以鼻紋提升辨識率之動物身份辨識系統，其中該分析程式包括一身體分析子程式，該身體分析子程式可供該辨識單元執行：將該身體分類資料先進行BLOB分析後，再進行傅立葉形狀描述符分析，最後得到該身體比對資料；該分析程式更包括一臉部分析子程式，該臉部分析子程式可供該辨識單元執行：將該臉部分類資料先進行BLOB分析後，再依序進行水平投影分析、垂直投影分析，最後得到該臉部比對資料；該分析程式更包括鼻紋分析子程式，該鼻紋分析子程式可供該辨識單元執行：將該鼻紋分類資料先進行BLOT分析後，再依序進行灰階共生矩陣分析、灰階共生梯度共生矩陣分析、Tamura紋理分析、及局部二值型態分析，最後得到該鼻紋比對資料。
如申請專利範圍第3項所述之以鼻紋提升辨識率之動物身份辨識系統，其中該辨識程式更包括一比對程式，該比對程式可供執行：根據該鼻紋比對資料與各動物身分資料之該鼻紋資料先進行自組織映射圖分類(SOM)而得到一第一聚類結果，再根據該第一聚類結果進行機率神經網絡分析(PNN)而得到一第一機率分析結果；根據該身體比對資料與各動物身分資料之該身體資料先進行自組織映射圖分類(SOM)而得到一第二聚類結果，再根據該第二聚類結果進行機率神經網絡分析(PNN)而得到一第二機率分析結果；根據該臉部比對資料與各動物身分資料之該臉部資料先進行自組織映射圖分類(SOM)而得到一第三聚類結果，再根據該第三聚類結果進行機率神經網絡分析(PNN)而得到一第三機率分析結果；最後再根據該第一至第三機率分析結果進行多層前饋式網絡分析(MFNN)，得到與該動物比對影像資料相匹配之動物身分資料。
如申請專利範圍第4項所述之以鼻紋提升辨識率之動物身份辨識系統，其中各動物身分資料內更包括一品種資料；該辨識程式進一步可供該辨識單元執行：分析該動物比對影像資料而得到一品種比對資料，根據該鼻紋比對資料、該身體比對資料、該臉部比對資料、及該品種比對資料分別與各動物身分資料庫之該鼻紋資料、該身體資料、該臉部資料、及該品種資料進行比對，最後根據比對結果判斷出與該動物比對影像資料相匹配之該動物身分資料。
一種以鼻紋提升辨識率之動物身份辨識方法，包括下列步驟： (A)輸入一動物比對影像資料； (B)分析該動物比對影像資料而分析出一鼻紋比對資料、一身體比對資料、及一臉部比對資料； (C)自一動物身分資料庫內依序取一動物身分資料，將各動物身分資料內之一鼻紋資料、一身體資料、一臉部資料分別與該鼻紋比對資料、該身體比對資料、及該臉部比對資料依序進行比對，最後根據比對結果判斷出一與該動物比對影像資料相匹配之動物身分資料； (D)將與該動物比對影像資料相匹配之動物身分資料之該身分資料透過一輸出端輸出。
如申請專利範圍第6項所述之以鼻紋提升辨識率之動物身份辨識方法，其中步驟(B)將該動物比對影像資料轉換成灰階影像資料，再根據該灰階影像資料中區分出一鼻紋分類資料、一身體分類資料、及一臉部分類資料；再根據該鼻紋分類資料、該身體分類資料、該臉部分類資料分析出該鼻紋比對資料、該身體比對資料、該臉部比對資料。
如申請專利範圍第7項所述以鼻紋提升辨識率之動物身份辨識方法，其中步驟(B)：將該身體分類資料先進行BLOB分析後，再進行傅立葉形狀描述符分析，最後得到該身體比對資料；將該臉部分類資料先進行BLOB分析後，再依序進行水平投影分析、垂直投影分析，最後得到該臉部比對資料；將該鼻紋分類資料先進行BLOT分析後，再依序進行灰階共生矩陣分析、灰階共生梯度共生矩陣分析、Tamura紋理分析、及局部二值型態分析，最後得到該鼻紋比對資料。
如申請專利範圍第8項所述之以鼻紋提升辨識率之動物身份辨識方法，其中步驟(C)根據該鼻紋比對資料與各動物身分資料之該鼻紋資料先進行自組織映射圖分類(SOM)而得到一第一聚類結果，再根據該第一聚類結果進行機率神經網絡分析(PNN)而得到一第一機率分析結果；根據該身體比對資料與各動物身分資料之該身體資料先進行自組織映射圖分類(SOM)而得到一第二聚類結果，再根據該第二聚類結果進行機率神經網絡分析(PNN)而得到一第二機率分析結果；根據該臉部比對資料與各動物身分資料之該臉部資料先進行自組織映射圖分類(SOM)而得到一第三聚類結果，再根據該第三聚類結果進行機率神經網絡分析(PNN)而得到一第三機率分析結果；最後再根據該第一至第三機率分析結果進行多層前饋式網絡分析(MFNN)，得到與該動物比對影像資料相匹配之動物身分資料。
如申請專利範圍第6項所述之以鼻紋提升辨識率之動物身份辨識方法，其中步驟(B)分析該動物比對影像資料而得到一品種比對資料；步驟(C)各動物身分資料內更包括一品種資料；根據該鼻紋比對資料、該身體比對資料、該臉部比對資料、及該品種比對資料分別與各動物身分資料庫之該鼻紋資料、該身體資料、該臉部資料、及該品種資料進行比對，最後根據比對結果判斷出與該動物比對影像資料相匹配之該動物身分資料。