TWM598479U - 寵物多模態個體特徵辨識系統 - Google Patents
寵物多模態個體特徵辨識系統 Download PDFInfo
- Publication number
- TWM598479U TWM598479U TW108216173U TW108216173U TWM598479U TW M598479 U TWM598479 U TW M598479U TW 108216173 U TW108216173 U TW 108216173U TW 108216173 U TW108216173 U TW 108216173U TW M598479 U TWM598479 U TW M598479U
- Authority
- TW
- Taiwan
- Prior art keywords
- pet
- information
- image
- modal
- individual
- Prior art date
Links
Images
Abstract
一種寵物多模態個體特徵辨識系統包含行動資訊裝置以及辨識伺服器,辨識伺服器透過網際網路與行動資訊裝置建立網路連接。辨識伺服器包含傳輸裝置以及處理器,處理器電性連接傳輸裝置。傳輸裝置透過網際網路從行動資訊裝置接收待鑑定寵物影像,處理器對待鑑定寵物影像進行多模態個體特徵辨識,並透過傳輸裝置回傳驗證結果給行動資訊裝置。
Description
本新型是有關於一種系統,且特別是有關於一種寵物多模態個體特徵辨識系統。
寵物飼養與管理的重要議題之一是謂「識別寵物個體身份唯一性」,不僅可確保寵物的個體身分資訊,有利於協助飼主及相關寵物服務,如:找回丟失的寵物。管理單位更有效進行寵物管理,如:區域流浪犬活躍度對策、山林區域物種活動。
寵物個體辨識的需求廣泛,早期是採用鼻紋烙印的方式,進行寵物個體紀錄,但鼻紋烙印的紀錄技術相當耗時費工。隨著科技提升,目前市面上主要是以植入晶片的方式作為寵物個體辨識的方法,然而,晶片辨識為侵入式的手段,受到許多動保團體的責難,且晶片的施打位置和施打技術會造成晶片讀取不到,甚至晶片脫落或是引發病變的情況發生。另外,晶片必須在機構專業儀器下才能識別,具有一定的局限性。
本新型提出一種寵物多模態個體特徵辨識系統,改善先前技術的問題。
在本新型的一實施例中,本新型所提出的寵物多模態個體特徵辨識系統包含行動資訊裝置以及辨識伺服器,辨識伺服器透過網際網路與行動資訊裝置建立網路連接。辨識伺服器包含傳輸裝置以及處理器,處理器電性連接傳輸裝置。傳輸裝置透過網際網路從行動資訊裝置接收待鑑定寵物影像,處理器對待鑑定寵物影像進行多模態個體特徵辨識,並透過傳輸裝置回傳驗證結果給行動資訊裝置。
在本新型的一實施例中,寵物個體特徵辨識系統更包含寵物取像裝置,寵物取像裝置與辨識伺服器連線。寵物取像裝置對寵物樣本擷取寵物圖像資訊,並將寵物圖像資訊傳送至辨識伺服器。
在本新型的一實施例中,辨識伺服器更包含儲存裝置。儲存裝置電性連接處理器,處理器對寵物圖像資訊進行識別以得出寵物個體特徵資訊,儲存裝置儲存寵物個體特徵資訊。
在本新型的一實施例中,儲存裝置為硬碟,處理器對寵物圖像資訊進行臉部識別、輪廓識別與鼻紋識別,據以彙整成寵物個體特徵資訊,硬碟儲存寵物個體特徵資訊。
在本新型的一實施例中,處理器為中央處理器,處理器基於寵物個體特徵資訊,對待鑑定寵物影像進行驗證比對,以產生驗證結果。
在本新型的一實施例中,寵物取像裝置包含架
體以及攝像鏡頭。架體容納寵物樣本,攝像鏡頭設置於架體。
在本新型的一實施例中,攝像鏡頭為複數個攝像鏡頭,複數個攝像鏡頭係環繞排列於架體,寵物取像裝置更包含影像處理裝置,影像處理裝置電性連接複數個攝像鏡頭。影像處理裝置將複數個攝像鏡頭所拍攝的複數個影像整合為寵物圖像資訊。
在本新型的一實施例中,寵物取像裝置更包含傳輸設備。傳輸設備電性連接影像處理裝置,傳輸設備將寵物圖像資訊傳輸至辨識伺服器。
在本新型的一實施例中,行動資訊裝置包含傳輸元件、攝像元件以及微處理器,微處理器電性連接攝像元件與傳輸元件。攝像元件擷取待鑑定寵物影像,微處理器透過傳輸元件傳送待鑑定寵物影像至辨識伺服器的傳輸裝置。
在本新型的一實施例中,行動資訊裝置更包含儲存元件。儲存元件電性連接微處理器,儲存元件儲存寵物驗證程式。
綜上所述,本新型之技術方案與現有技術相比具有明顯的優點和有益效果。本新型發展一種寵物多模態個體特徵辨識系統,藉由整合多種個體生物特徵(如:臉部、輪廓、鼻紋),以非侵入式的方式分析個別寵物的個體特徵,可更準確地確認寵物個體身份。藉此,可快速提供使用者得知寵物的相關身分資訊(如:有無登記、飼主資訊、品種、毛色、外觀、特徵等)。
以下將以實施方式對上述之說明作詳細的描
述,並對本新型之技術方案提供更進一步的解釋。
為讓本新型之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附符號之說明如下:
100‧‧‧寵物多模態個體特徵辨識系統
101‧‧‧辨識伺服器
102‧‧‧寵物取像裝置
103‧‧‧行動資訊裝置
109‧‧‧網際網路
1011‧‧‧處理器
1016‧‧‧傳輸裝置
1017‧‧‧儲存裝置
1021‧‧‧架體
1022‧‧‧攝像鏡頭
1023‧‧‧影像處理裝置
1024‧‧‧傳輸設備
1031‧‧‧微處理器
1032‧‧‧攝像元件
1033‧‧‧儲存元件
1034‧‧‧傳輸元件
G‧‧‧寵物樣本
為讓本新型之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:
第1圖是依照本新型一實施例之一種寵物多模態個體特徵辨識系統的方塊圖;以及
第2圖是依照本新型一實施例之一種寵物取像裝置的局部示意圖。
為了使本新型之敘述更加詳盡與完備,可參照所附之圖式及以下所述各種實施例,圖式中相同之號碼代表相同或相似之元件。另一方面,眾所週知的元件與步驟並未描述於實施例中,以避免對本新型造成不必要的限制。
於實施方式與申請專利範圍中,涉及『連接』之描述,其可泛指一元件透過其他元件而間接耦合至另一元件,或是一元件無須透過其他元件而直接連結至另一元件。
於實施方式與申請專利範圍中,涉及『連線』之描述,其可泛指一元件透過其他元件而間接與另一元件進行有線與/或無線通訊,或是一元件無須透過其他元件而實體連接至另一元件。
於實施方式與申請專利範圍中,除非內文中對於冠詞有所特別限定,否則『一』與『該』可泛指單一個或複數
個。
本文中所使用之『約』、『大約』或『大致』係用以修飾任何可些微變化的數量,但這種些微變化並不會改變其本質。於實施方式中若無特別說明,則代表以『約』、『大約』或『大致』所修飾之數值的誤差範圍一般是容許在百分之二十以內,較佳地是於百分之十以內,而更佳地則是於百分之五以內。
第1圖是依照本新型一實施例之一種寵物多模態個體特徵辨識系統100的方塊圖。如第1圖所示,寵物多模態個體特徵辨識系統100包含辨識伺服器101、寵物取像裝置102以及行動資訊裝置103(如:手機)。在架構上,辨識伺服器101透過網際網路109與行動資訊裝置103建立網路連接,寵物取像裝置102與辨識伺服器101連線。
實務上,辨識伺服器101與寵物取像裝置102完成資訊連接,另外,辨識伺服器101更可透過網際網路與各行動資訊裝置103完成資訊連接。辨識伺服器101可透過分析待鑑定寵物的待鑑定寵物影像,判斷待鑑定寵物的身份,寵物取像裝置102係可對寵物樣本擷取寵物圖像資訊,並將寵物圖像資訊傳送至辨識伺服器101。行動資訊裝置103可對待鑑定寵物進行拍攝以取得待鑑定寵物影像,另可接收自辨識伺服器101的驗證結果。
在第1圖中,辨識伺服器101包含處理器1011、傳輸裝置1016以及儲存裝置1017。在架構上,處理器1011電性連接傳輸裝置1016,儲存裝置1017電性連接處理器1011。
舉例而言,傳輸裝置1016可包含網路卡與/或傳輸埠,處理器1011可為中央處理器,儲存裝置1017可為硬碟。
於使用時,傳輸裝置1016透過網際網路109從行動資訊裝置103接收待鑑定寵物影像,處理器1011對待鑑定寵物影像進行多模態個體特徵辨識,並透過傳輸裝置1016回傳驗證結果給行動資訊裝置103。
在接收待鑑定寵物影像以前,處理器1011先對寵物取像裝置102所傳來的寵物圖像資訊進行識別以得出寵物個體特徵資訊,儲存裝置1017儲存寵物個體特徵資訊。具體而言,處理器1011對寵物圖像資訊進行臉部識別、輪廓識別與鼻紋識別,據以彙整成寵物個體特徵資訊。
實務上,處理器1011針對不同寵物的臉部,建置臉部識別資訊,例如,處理器1011以依據深度學習目標檢測機制與特徵臉(Eigenface)特徵擷取機制為分析參數時,處理器1011即可從寵物圖像資訊中訓練寵物臉部各角度的臉部權重數值,是謂臉部識別資訊。
處理器1011針對不同寵物的輪廓(例如,身形輪廓),建置輪廓識別資訊,例如,處理器1011以依據深度學習中的圖像邊緣與輪廓提取機制為分析參數時,處理器1011即可從寵物圖像資訊中訓練寵物輪廓各角度的輪廓權重數值,是謂輪廓識別資訊。
處理器1011針對不同寵物的鼻紋,建置鼻紋識別資訊,例如,處理器1011以依據深度學習中的目標檢測與關鍵點檢測機制為分析參數時,處理器1011即可從寵物圖像
資訊中訓練寵物鼻紋各角度的鼻紋權重數值,是謂鼻紋識別資訊,並將臉部識別資訊、輪廓識別資訊、鼻紋識別資訊彙整成寵物個體特徵資訊。
在儲存裝置1017儲存寵物個體特徵資訊以後,處理器1011基於寵物個體特徵資訊,對待鑑定寵物影像進行驗證比對,以產生驗證結果。
實務上,若輸入待鑑定寵物個體影像,處理器1011即可依據寵物個體特徵資訊中的臉部識別資訊、輪廓識別資訊及鼻紋識別資訊分別依序進行寵物個體身分驗證比對,產生驗證結果。若驗證結果成立,即可判斷待鑑定寵物之身份;反之,若驗證結果不成立,即無法判斷待鑑定寵物之身份。傳輸模組1016係可資訊連結至網際網路109,以將處理器1011產生的驗證結果發布至行動資訊裝置103。
在第1圖中,行動資訊裝置103包含傳輸元件1034、儲存元件1033、攝像元件1032以及微處理器1031。在架構上,微處理器1031電性連接攝像元件1032、儲存元件1033與傳輸元件1034。舉例而言,傳輸元件1034可包含網路通訊裝置,儲存元件1033可為快閃記憶體,攝像元件1032可為照相裝置,微處理器1031可為微控制器、微處理電路…等。
於使用時,儲存元件1033儲存寵物驗證程式,傳輸元件1034係透過網際網路109與辨識伺服器101完成資訊連結,攝像元件1032擷取待鑑定寵物影像,微處理器1031透過傳輸元件1034傳送待鑑定寵物影像至辨識伺服器101
的傳輸裝置1016。
在第1圖中,寵物取像裝置102包含架體1021、攝像鏡頭1022、影像處理裝置1023以及傳輸設備1024。在架構上,攝像鏡頭1022設置於架體1021,影像處理裝置1023電性連接攝像鏡頭1022以及傳輸設備1024。舉例而言,傳輸設備1024可包含網路卡與/或傳輸埠,影像處理裝置1023可為影像處理器,攝像鏡頭1022可包含感光元件,架體1021可為寵物籠。
於使用時,影像處理裝置1023將複數個攝像鏡頭1022所拍攝的複數個影像整合為寵物圖像資訊,傳輸設備1024將寵物圖像資訊傳輸至辨識伺服器101。
為了對做更進一步的闡述,請同時參照第1、2圖,第2圖是依照本新型一實施例之一種寵物取像裝置102的局部示意圖。如第2圖所示,架體1021容納寵物樣本G,複數個攝像鏡頭1022係環繞排列於架體1021。
雖然第1、2圖中有四個攝像鏡頭1022,但此不限制本新型,實作上,攝像鏡頭1022的數量可為一個或多個。
使用者欲建立寵物個體特徵資訊時,使用者係先將寵物樣本G放置於寵物取像裝置102的架體1021內,設置完成後,使用者再執行寵物取像裝置102,使寵物取像裝置102可驅動各個攝像鏡頭1022,對寵物樣本G進行影像的擷取作業,又,影像處理裝置1023接收各攝像鏡頭1022所擷取的影像,影像處理裝置1023將各影像的角度定義出
來後,即可將各個角度的影像整合為寵物圖像資訊。
當影像處理裝置1023產生寵物圖像資訊後,影像處理裝置1023會透過傳輸設備1024將寵物圖像資訊傳送至辨識伺服器101,使辨識伺服器101的處理器1011,可分別從寵物圖像資訊中取得臉部識別資訊、輪廓識別資訊以及鼻紋識別資訊,並儲存及建立該筆寵物個體特徵資訊。寵物個體特徵資訊可再包含寵物類型與寵物編號。所述的寵物類型可依物種類型區分,例如:貓、犬等。
實務上,使用者以行動資訊裝置103執行寵物驗證程式,使行動資訊裝置103可驅動攝像元件1032,擷取待鑑定寵物的待鑑定寵物影像,行動資訊裝置103再將待鑑定寵物影像傳送至辨識伺服器101。
辨識伺服器101接收待鑑定寵物影像後,處理器1011會基於深度學習目標檢測機制與特徵臉(Eigenface)特徵擷取機制,將事先訓練寵物各角度的臉部權重數值,是謂臉部識別資訊,藉此判斷待鑑定寵物的個體身分,系統並自動擷取辨識的寵物臉部影像。
辨識伺服器101接收待鑑定寵物影像後,處理器1011會基於深度學習中的圖像邊緣與輪廓提取機制,將事先訓練寵物各角度的輪廓權重數值,是謂輪廓識別資訊,藉此判斷待鑑定寵物的個體身分,系統並自動擷取辨識的寵物輪廓影像。
辨識伺服器101接收待鑑定寵物影像後,處理器1011會基於深度學習中的目標檢測與關鍵點檢測機制,
將事先訓練寵物各角度的鼻紋權重數值,是謂鼻紋識別資訊,藉此判斷待鑑定寵物的個體身分,系統並自動擷取辨識的寵物鼻紋影像。
當處理器1011產生臉部識別資訊、輪廓識別資訊、鼻紋識別資訊後,處理器1011將臉部識別資訊、輪廓識別資訊、鼻紋識別資訊彙整成寵物個體特徵資訊,當使用者以行動資訊裝置103擷取一待鑑定寵物影像、或圖片等待鑑定二維或三維影像,並將待鑑定寵物影像傳送至辨識伺服器101後,系統經寵物個體特徵資訊分別依臉部識別資訊、輪廓識別資訊及鼻紋識別資訊依序進行寵物個體身分驗證。
辨識伺服器101再將驗證結果傳送回行動資訊裝置103,使用者即可以行動資訊裝置103檢視鑑定寵物個體之身份。當辨識伺服器101無法判斷待鑑定寵物之圖像,使用者則無法透過行動資訊裝置103檢視待鑑定寵物之個體身份。
當其中一筆寵物臉部特徵權重數值與待鑑定寵物臉部影像的臉部特徵具有高相似度評價時,處理器1011可以相似度高的寵物臉部識別資訊作為寵物臉部特徵比對的基礎對象,以辨識出待鑑定寵物的臉部。反之,當處理器1011無法比對出相似度高的臉部識別資訊時,則辨識伺服器101可將寵物臉部識別失敗訊息傳送至行動資訊裝置103。
當其中一筆寵物輪廓特徵權重數值與待鑑定寵物輪廓影像的輪廓特徵具有高相似度評價時,處理器1011
可以相似度高的輪廓識別資訊作為寵物輪廓特徵比對的基礎對象,以辨識出待鑑定寵物的輪廓(例如,身形輪廓)。反之,當處理器1011無法比對出相似度高的輪廓識別資訊時,則辨識伺服器101可將寵物輪廓識別失敗訊息傳送至行動資訊裝置103。
當其中一筆寵物鼻紋特徵權重數值與待鑑定寵物鼻紋影像的鼻紋特徵具有高相似度評價時,處理器1011可以相似度高的鼻紋識別資訊作為寵物鼻紋特徵比對的基礎對象,以辨識出待鑑定寵物的鼻紋。反之,當處理器1011無法比對出相似度高的鼻紋識別資訊時,則辨識伺服器101可將寵物鼻紋識別失敗訊息傳送至行動資訊裝置103。
關於上述深度學習目標檢測機制與特徵臉(Eigenface)特徵擷取機制中的「臉部識別資訊」,在本新型的一實施例中,辨識伺服器101接收寵物圖像資訊後,透過深度學習目標檢測機制進行臉部特徵擷取,得到臉部特徵圖像,並定位與採集臉部所在圖像之位置。
透過深度學習目標檢測機制進一步定位與採集寵物個體的眼睛,鼻子,嘴巴和前額的區域做為寵物個體識別的特徵。在特徵提取過程中,首先針對圖像中寵物個體的眼睛,鼻子和嘴部區域使用圖像中的幾何資訊(geometric information)識別右眼和左眼區域,並假設兩眼之間的距離是4k像素。前額面積被認定為貓眼上方k像素的區域,則前額面積大小為4k×k像素,同時將寵物個體的眼睛、鼻子、嘴巴和前額的裁剪區域標準化約為80×80、120×80、120×
80和240×60像素,是謂臉部定位模型。
接著應用特徵臉(Eigenface)特徵擷取機制量化個體臉部資訊的臉部特徵並採用主成分分析。對應於來自主成分分析的前二十個特徵值的主成分被定義為個體臉部特徵資訊。個體臉部資訊是個體臉部特徵資訊的線性組合。因照片有三原色(紅、綠、藍),故共有六十個係數被量化為每個寵物個體臉部特徵資訊,再透過支持向量機(Support Vector Machine,SVM)訓練完畢的權重數值,是謂臉部識別資訊。
關於上述深度學習中的圖像邊緣與輪廓提取機制中的「輪廓識別資訊」,在本新型的一實施例中,辨識伺服器101接收寵物圖像資訊後,透過深度學習中的圖像邊緣與輪廓提取機制,根據寵物輪廓內的亮度、色彩、紋理與背景的差異,扣除背景後,即可獲得寵物的整體輪廓。在一些較為複雜的背景中,扣除背景後獲得的寵物整體輪廓並不是真實的寵物輪廓,還包括了部分背景,此時可透過寵物身體輪廓定位模型,保留合理的輪廓部分。
在辨別出寵物輪廓的基礎上,透過定位臉部、軀幹、尾巴和四肢的位置區域,並將寵物的輪廓劃分成臉部、軀幹、尾巴和四肢四個區域。
在所述臉部、軀幹、尾巴和四肢的位置區域中分別提取寵物的臉部特徵、軀幹特徵、尾巴特徵和四肢特徵,所述臉部特徵包括眼睛特徵、嘴巴特徵、鼻子特徵、耳朵特徵以及臉部輪廓,綜合上述所述,是謂輪廓識別資訊。
關於上述深度學習中的目標檢測與關鍵點檢測機制中的「鼻紋識別資訊」,在本新型的一實施例中,辨識伺服器101接收寵物圖像資訊後,透過深度學習中的目標檢測與關鍵點檢測機制進行鼻紋特徵擷取,得到鼻紋特徵圖像,並定位與採集鼻紋所在圖像之位置。
將鼻紋特徵圖像進行關鍵點標注,並使用深度學習卷積神經網絡進行訓練,是謂鼻紋關鍵點模型。接著,基於標注鼻紋關鍵點的訓練樣本圖像,求每一種關鍵點座標的平均值,得到鼻紋標準關鍵點。
將所述鼻紋關鍵點與鼻紋標準關鍵點進行仿射變換矩陣,可將鼻紋關鍵點對齊至相對應的參考位置,即得到對齊後的鼻紋圖像。基於對齊後的鼻紋圖像進行鼻紋特徵提取,鼻紋特徵提取可以應用局部二值模式(Local Binary Pattern,LBP)、方向梯度直方圖(Histogram of Oriented Gradient,HoG)、主成分分析法(Principle Component Analysis,PCA)或深度學習卷積神經網路等各種適當的特徵提取機制來進行特徵提取,是謂鼻紋識別資訊。
綜合以上,本新型之技術方案與現有技術相比具有明顯的優點和有益效果。本新型發展一種寵物多模態個體特徵辨識系統,藉由整合多種個體生物特徵(如:臉部、輪廓、鼻紋),以非侵入式的方式分析個別寵物的個體特徵,可更準確地確認寵物個體身份。藉此,可快速提供使用者得知寵物的相關身分資訊(如:有無登記、飼主資訊、品種、毛色、外觀、特徵等)。
雖然本新型已以實施方式揭露如上,然其並非用以限定本新型,任何熟習此技藝者,在不脫離本新型之精神和範圍內,當可作各種之更動與潤飾,因此本新型之保護範圍當視後附之申請專利範圍所界定者為準。
100‧‧‧寵物多模態個體特徵辨識系統
101‧‧‧辨識伺服器
102‧‧‧寵物取像裝置
103‧‧‧行動資訊裝置
109‧‧‧網際網路
1011‧‧‧處理器
1016‧‧‧傳輸裝置
1017‧‧‧儲存裝置
1021‧‧‧架體
1022‧‧‧攝像鏡頭
1023‧‧‧影像處理裝置
1024‧‧‧傳輸設備
1031‧‧‧微處理器
1032‧‧‧攝像元件
1033‧‧‧儲存元件
1034‧‧‧傳輸元件
Claims (10)
- 一種寵物多模態個體特徵辨識系統,包含:一行動資訊裝置;以及一辨識伺服器,透過一網際網路與該行動資訊裝置建立網路連接,該辨識伺服器包含:一傳輸裝置,透過該網際網路從該行動資訊裝置接收一待鑑定寵物影像;以及一處理器,電性連接該傳輸裝置,該處理器對該待鑑定寵物影像進行多模態個體特徵辨識,並透過該傳輸裝置回傳一驗證結果給該行動資訊裝置。
- 如請求項1所述之寵物多模態個體特徵辨識系統,更包含:一寵物取像裝置,與該辨識伺服器連線,該寵物取像裝置對一寵物樣本擷取一寵物圖像資訊,並將該寵物圖像資訊傳送至該辨識伺服器。
- 如請求項2所述之寵物多模態個體特徵辨識系統,其中該辨識伺服器更包含:一儲存裝置,電性連接該處理器,該處理器對該寵物圖像資訊進行識別以得出一寵物個體特徵資訊,該儲存裝置儲存該寵物個體特徵資訊。
- 如請求項3所述之寵物多模態個體特徵辨 識系統,其中該儲存裝置為一硬碟,該處理器對該寵物圖像資訊進行臉部識別、輪廓識別與鼻紋識別,據以彙整成該寵物個體特徵資訊,該硬碟儲存該寵物個體特徵資訊。
- 如請求項4所述之寵物多模態個體特徵辨識系統,其中該處理器為一中央處理器,該處理器基於該寵物個體特徵資訊,對該待鑑定寵物影像進行驗證比對,以產生該驗證結果。
- 如請求項2所述之寵物多模態個體特徵辨識系統,其中該寵物取像裝置包含:一架體,容納該寵物樣本;以及至少一攝像鏡頭,設置於該架體。
- 如請求項6所述之寵物多模態個體特徵辨識系統,其中該至少一攝像鏡頭為複數個攝像鏡頭,該些攝像鏡頭係環繞排列於該架體,該寵物取像裝置更包含:一影像處理裝置,電性連接該些攝像鏡頭,該影像處理裝置將該些攝像鏡頭所拍攝的複數個影像整合為該寵物圖像資訊。
- 如請求項7所述之寵物多模態個體特徵辨識系統,其中該寵物取像裝置更包含:一傳輸設備,電性連接該影像處理裝置,該傳輸設備將該寵物圖像資訊傳輸至該辨識伺服器。
- 如請求項1所述之寵物多模態個體特徵辨識系統,其中該行動資訊裝置包含:一傳輸元件;一攝像元件,擷取該待鑑定寵物影像;以及一微處理器,電性連接該攝像元件與該傳輸元件,該微處理器透過該傳輸元件傳送該待鑑定寵物影像至該辨識伺服器的該傳輸裝置。
- 如請求項9所述之寵物多模態個體特徵辨識系統,其中該行動資訊裝置更包含:一儲存元件,電性連接該微處理器,該儲存元件儲存一寵物驗證程式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108216173U TWM598479U (zh) | 2019-12-04 | 2019-12-04 | 寵物多模態個體特徵辨識系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108216173U TWM598479U (zh) | 2019-12-04 | 2019-12-04 | 寵物多模態個體特徵辨識系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM598479U true TWM598479U (zh) | 2020-07-11 |
Family
ID=72603067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108216173U TWM598479U (zh) | 2019-12-04 | 2019-12-04 | 寵物多模態個體特徵辨識系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM598479U (zh) |
-
2019
- 2019-12-04 TW TW108216173U patent/TWM598479U/zh unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6081607A (en) | Animal body identifying device and body identifying system | |
Kumar et al. | Real-time recognition of cattle using animal biometrics | |
CN107122744B (zh) | 一种基于人脸识别的活体检测系统及方法 | |
US8315440B2 (en) | System and method for animal identification using iris images | |
CN107077626B (zh) | 动物用非侵入式多模态生物特征辨识系统 | |
Kumar et al. | Face recognition for cattle | |
KR20170134356A (ko) | 모바일 장치를 사용하여 촬영된 이미지를 이용한 지문-기반 사용자 인증 수행 시스템 및 방법 | |
US11854200B2 (en) | Skin abnormality monitoring systems and methods | |
CN110909618B (zh) | 一种宠物身份的识别方法及装置 | |
KR102325259B1 (ko) | 반려동물 생애 관리 시스템 및 그 방법 | |
US20210386035A1 (en) | Animal identification using vision techniques | |
US20210216758A1 (en) | Animal information management system and animal information management method | |
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 | |
Kumar et al. | Animal Biometrics | |
WO2020258977A1 (zh) | 一种对象统计方法和装置 | |
CN110795987B (zh) | 猪脸识别方法和装置 | |
JP2022048464A (ja) | 鼻紋照合装置および方法並びにプログラム | |
Wang et al. | Open Pose Mask R-CNN Network for Individual Cattle Recognition | |
TWM598479U (zh) | 寵物多模態個體特徵辨識系統 | |
JP6567638B2 (ja) | 鼻紋照合システム、鼻紋照合方法及び鼻紋照合プログラム | |
Kumar et al. | Secure and sustainable framework for cattle recognition using wireless multimedia networks and machine learning techniques | |
CN114758356A (zh) | 一种基于局部不变特征的牛唇纹识别方法及系统 | |
JPH10275236A (ja) | 動物の個体識別装置 | |
CN113221704A (zh) | 基于深度学习的动物姿态识别方法、系统及存储介质 |