Распознавание мордочек собак для борьбы со сказом02.02.2024 11:00

Одним из отличий человека от других животных является интеллект, благодаря которому мы научились определять, изучать и контролировать многие законы природы. Стремительное развитие технологий разительным образом повлияло не только на наш вид, но и на окружающую нас среду. Среди прочего технология распознавание лиц стала весьма полезной для многих направлений, но она ограничена человеческими лицами. Ученые из университета штата Вашингтон (Пулмен, США) разработали приложение для смартфонов, позволяющее различать отдельные особи собак. Данная разработка была использована для оценки охвата вакцинации против бешенства в сельской местности Танзании. Как именно работает приложение, и насколько оно эффективно различает собак? Ответы на эти вопросы мы найдем в докладе ученых.

Основа исследования

Биометрические данные, такие как отпечатки пальцев, используются в самых разных направлениях. Технология распознавания лиц — это тип биометрии, который использует алгоритмы машинного обучения для анализа измерений лица, таких как расстояние между глазами и носом. Распознавание лиц широко используется для целей идентификации человека, включая разблокировку телефона, досмотр в аэропортах, банкоматы и т.д.

Биометрия применялась к дикой природе для демографических исследований таких видов, как краснобрюхие лемуры (Eulemur rubriventer), бурые медведи (Ursus arctos) и панды (Ailuropoda melanoleuca). Биометрия также оказалась полезной для экологических исследований животных, которые не обладают отличительными чертами лица (например, зебры) или скрытных видов (например, Puma concolor, т.е. пума).

В более обыденном плане технология распознавания лиц используется для поиска пропавших домашних животных: PipMyPet и PetCo Love Lost.

Однако потенциал использования этой технологии в программах борьбы с болезнями, например, для вакцинации от бешенства, остается неиспользованным.

Бешенство, связанное с собаками, — это зоонозное* заболевание, от которого ежегодно умирает около 60000 человек во всем мире, причем почти все случаи заболевания происходят в Азии и Африке. Несмотря на эти потери, систематическая и последовательная вакцинация домашних собак эффективна для борьбы с болезнью, хотя для достижения коллективного иммунитета необходимо поддерживать охват вакцинацией выше критического порога (приблизительно 20–40%), ниже которого передача вируса может поддерживаться на определенном уровне. Из-за важности поддержания коллективного иммунитета для борьбы с бешенством охват вакцинацией является ключевым показателем, который необходимо отслеживать в рамках программ ликвидации бешенства, чтобы гарантировать, что охвачена достаточная часть популяции собак.

Зоонозы* — группа инфекционных и паразитарных заболеваний, возбудители которых передаются человеку от других животных.

Обычно методы оценки охвата основаны на идентификации вакцинированных собак. Чтобы иметь практическую ценность в странах, где бешенство остается эндемичным, эти методы должны быть недорогими, простыми в использовании и точными. Существует несколько методов выявления вакцинированных собак, однако они различаются по эффективности, доступности и долговечности. Например, карты вакцинации, хотя и недорогие, легко теряются и могут не идентифицировать конкретных собак. Временные ошейники недороги и просты в использовании, но не остаются на месте в течение длительного периода времени. Более прочные ошейники стоят дорого и их можно снять. Часто используется аэрозольная краска для временной маркировки собак, но ее можно смыть или стереть, и она ненадежна в сезон дождей или на темношерстных собаках. Ушные бирки обычно требуют применения седативных препаратов, являются дорогостоящими и не широко доступны. Наконец, хотя микрочипы долговечны и надежны, их масштабное использование обходится дорого, а приобретение чипов и сканеров во многих случаях затруднено.

Распознавание лиц — многообещающая технология идентификации животных, которая, если она окажется эффективной, позволит надежно идентифицировать вакцинированных собак. Ученые разработали и протестировали первое приложение для смартфонов, позволяющее идентифицировать собак с помощью технологии распознавания лиц. Хотя эта технология использовалась в Северной Америке для идентификации домашних животных, это первый случай, когда технология используется в эндемичных условиях.

Подготовка к исследованию

Ученые адаптировали существующую технологию распознавания лиц (предназначенную для поиска домашних собак) для оценки охвата вакцинацией свободно бродящих домашних собак в сельской местности Танзании. Ученые протестировали эту технологию в рамках существующей программы вакцинации собак, которая включала регистрацию собак с помощью приложения для распознавания лиц, вакцинацию собак от бешенства, сбор проверочных изображений после вакцинации у целевой группы, сопоставление этих изображений и анализ эффективности технологии.

Технология PiPMyPet, используемая для идентификации потерявшихся домашних животных в США и Канаде, была адаптирована для использования в Танзании. Алгоритм распознавания лиц, используемый в приложении, идентифицирует морду собаки путем разделения ключевых компонентов (глаза, нос, рот, уши и т. д.) и генерирует систему оценок (на основе формы компонентов и расстояний между ними), которая используется для сравнения изображений. В идеале фотография должна включать в себя всю морду собаки, включая уши, при этом глаза и нос должны быть направлены прямо в камеру, сводя к минимуму другие объекты, такие как лапы, другие собаки, животные или люди на заднем плане. Ранее сохраненные изображения с наибольшим количеством похожих компонентов возвращаются в соответствующем интерфейсе, поскольку они, насколько возможно, соответствуют рассматриваемому лицу. После того как будет представлена выборка наиболее вероятных совпадений, программа должна решить, действительно ли какие-либо из них соответствуют рассматриваемому лицу.

Приложение было адаптировано для использования в отдаленных общинах Танзании, где подключение к сети ограничено. Были добавлены фильтры, чтобы минимизировать количество потенциальных совпадений, возвращаемых поисковой системой. Фильтры включали пол (мужской, женский), окрас (черный, коричневый, белый и т.д.) и название деревни. Цветовой фильтр включал в себя основной и дополнительный цвет, что позволяло создавать разноцветных собак. Все собаки, включенные в исследование, принадлежали домохозяйствам в отдельных деревнях, без перемещения собак между деревнями, что позволило включить «деревню» в качестве фильтра.

Приложение претерпело несколько итеративных разработок:

в видоискатель камеры было добавлено прозрачное изображение собаки (контур), чтобы помочь выровнять черты лица собаки и гарантировать, что на изображениях будут видны и глаза, и нос, смотрящие прямо в камеру;
была добавлена опция масштабирования, чтобы облегчить съемку на расстоянии;
была добавлена функция серийной съемки, позволяющая быстро сделать несколько изображений, из которых выбиралось лучшее. Это улучшило возможности оператора фотографировать собак, которые много двигаются;
цветовой фильтр был адаптирован для решения проблем разноцветных собак и субъективной оценки цвета шерсти (то, что одному оператору казалось светло-коричневым, другому могло показаться темно коричневым);
было добавлено поле для записи любых шрамов и постоянных аномалий, таких как отсутствие конечностей или хвоста, с возможностью добавления фотографии;
в поле номера микрочипа добавлена опция сканирования штрих-кода для более быстрой и точной записи номера микрочипа.

Изображение №1

Полевые испытания проводились на севере Танзании в девяти деревнях района Серенгети (население: 249420 человек), где широко распространено владение собаками (соотношение человек: собака 6:1–9:1) и ежегодно проводятся массовые кампании по вакцинации собак.

В ноябре 2020 года клиники вакцинации были организованы в девяти деревнях в сотрудничестве с Управлением животноводства района Серенгети. Владельцы доставляли собак в пункт, где собак регистрировали с помощью приложения для распознавания лиц, чипировали и вакцинировали. Исследуемые деревни являются частью более крупной продолжающейся кампании бесплатной вакцинации собак от бешенства.

Регистрация предусматривала запись в приложении имени и номера телефона владельца, а также клички, пола, репродуктивного статуса и окраса собаки. Возраст выбирался в месяцах (щенки) или годах (взрослые собаки) из раскрывающегося меню. Были отмечены любые постоянные аномалии и/или видимые шрамы.

Изображение №2

Затем каждую собаку фотографировали, совместив ключевые атрибуты собаки: глаза, нос и рот с прозрачным контуром в приложении (фото выше). В идеале на идентификационном изображении оба глаза и нос должны быть направлены прямо в камеру (обе ноздри видны), при этом необходимо следить за тем, чтобы морда собаки не смотрела вниз и не была отклонена в сторону.

Каждой собаке был установлен микрочип между лопатками, а номер микрочипа был введен в приложение путем сканирования наклейки со штрих-кодом этого микрочипа.

Наконец, каждую собаку вакцинировали вакциной против бешенства Nobivac.

Владельцы собак получали сертификат о вакцинации с уникальным регистрационным номером, сгенерированным приложением, и номером микрочипа. В конце каждого дня вакцинации при подключении к сети данные из приложения загружались на сервер.

День валидации состоялся на следующий день после дня вакцинации. Независимая исследовательская группа, не присутствовавшая во время вакцинации, посещала каждую деревню, чтобы зарегистрировать как можно больше собак (привитых или нет). Каждую собаку фотографировали и регистрировали в приложении, сканировали на наличие микрочипа и, если он есть, в приложение вносили номер микрочипа. После этого данные собаки были введены в систему с использованием той же процедуры, которая использовалась в день вакцинации. Зарегистрированные собаки впоследствии использовались для проверки эффективности технологии распознавания лиц.

Изображение №3

Сопоставление собак проводился отдельной группой людей. Чтобы гарантировать, что они не имели предварительной информации о том, какие собаки были вакцинированы, а какие нет, они не участвовали ни в вакцинации, ни в проверки.

Для определения вакцинационного статуса собак и оценки эффективности технологии распознавания лиц был предпринят следующий процесс сопоставления:

Шаг 1. Алгоритм распознавания лиц определяет возможные «совпадения»: для каждой собаки, зарегистрированной в день валидации, механизм распознавания лиц генерировал наиболее близкие совпадения (до 25) из архива изображений вакцинированных собак, полученных в день вакцинации (изображение №3).

Шаг 2. Принятие решения командой людей: для каждой собаки, успешно зарегистрированной в день проверки, группа по подбору определяла, является ли какое-либо из предложенных алгоритмом совпадений фактическим совпадением или нет. Собаки, которые были подобраны, считались вакцинированными, тогда как собаки, которые не были подобраны, считались не вакцинированными.

Определение привитых и не привитых собак по фото подтверждалось с помощью микрочипов, которые точно определяли, была ли собака, зарегистрированная в день проверки, вакцинирована или нет. Благодаря этому для каждой собаки, зарегистрированной в день валидации, был записан один из пяти результатов:

«Истинно положительный результат», если собака была определена с помощью алгоритма распознавания лиц и имела тот же номер микрочипа, что и вакцинированная собака
«Ложно положительный результат», если собака была определена, однако у нее не было микрочипа.
«Ложноотрицательный результат», если собака не была определена, но у нее был микрочип.
«Истинно отрицательный результат», если собака не была определена и не была чипирована.
«Положительная ошибка», если собака была определена и имела микрочип, однако номер микрочипа не был таким, как было записано для вакцинированной собаки.

Обобщение этих результатов по выборке собак, зарегистрированных в день вакцинации, использовалось для расчета чувствительности алгоритма распознавания лиц при представлении правильного изображения в пределах 25 предложенных совпадений собак, зарегистрированных в день вакцинации (шаг 1), а также чувствительности и специфика подборной команды при определении того, была ли собака вакцинирована или нет (шаг 2). Эти расчеты чувствительности и специфичности проводились дважды. Один раз на полном наборе изображений и один раз после удаления собак, у которых пол был записан неправильно либо их снимок был слишком низкого качества для оценки распознавания лиц.

Изображение №4

Загруженные изображения собак со дня вакцинации и дня валидации были проверены в два этапа. Во-первых, зарегистрированный пол собаки в день вакцинации и в день валидации должен был совпасть. Если пол не совпадал, эти изображения исключались из анализа.

Во-вторых, каждое изображение обрабатывалось поисковой системой и включалось только в том случае, если на изображении были идентифицированы и глаза, и нос.

В-третьих, оставшиеся изображения были оценены администратором базы данных (человеком, который не входил ни в группы вакцинации, ни в группы валидации). Фото с несколькими собаками или людьми на заднем плане; фото, на которых глаза и нос не были четко видны, помечались как «плохие снимки» и исключались (примеры выше).

Результаты исследования

В общей сложности 3413 собак в девяти исследуемых деревнях были вакцинированы от бешенства и зарегистрированы. Соотношение полов собак со дня вакцинации составляло 1.62:1 (M: F, т. е. male: female), при этом 95% собак считались взрослыми (4 месяца и старше, n = 3242), а остальные 5% были щенками (3 месяца и младше, n = 171).

Из 3413 вакцинированных собак 1420 (41.6%) особей были отобраны для регистрации в приложении распознавания лиц, сфотографированы и чипированы. Остальные 1993 (58.4%) особи не были включены, потому что они либо убежали, либо владелец не хотел ждать, либо были слишком малы для чипирования, либо с ними было трудно обращаться или фотографировать. Таким образом, соотношение полов (M: F) собак, зарегистрированных в приложении для распознавания лиц, составило 1.95:1, включая 89.9% взрослых собак и 10.1% щенков.

Изображение №5

В день валидации 720 собак были просканированы на наличие микрочипа, сфотографированы и зарегистрированы в приложении для распознавания лиц. Соотношение полов (M: F) составило 1.48:1 у собак, зарегистрированных в день валидации: 83.2% (603) взрослых и 16.8% (122) щенков. Все 1420 собак, зарегистрированных в день вакцинации, и 720 собак, зарегистрированных в день валидации, были включены в первоначальное сопоставление для расчета чувствительности и специфичности алгоритма распознавания (схема выше).

Из 1420 собак, вакцинированных, чипированных, сфотографированных и зарегистрированных в приложении распознавания лиц в день вакцинации, 20 (1.0%) были помечены как «плохие изображения» и удалены. Остальные 1400 изображений в день вакцинации были использованы для алгоритма.

Из 720 собак, зарегистрированных в день валидации, у 25 (3.5%) было несовпадение зарегистрированного пола. Из оставшихся 695 (96.5%) собак 161 (23.2%) были помечены как «плохие изображения» и исключены из анализа. Остальные 534 (74.2%) изображения были включены в процесс сопоставления.

После процесса скрининга 1400 изображений в день вакцинации и 534 изображения в день валидации были включены в расчеты сопоставления, чувствительности и специфичности алгоритма.

Первые анализы были проведены на полном наборе данных всех 720 собак, зарегистрированных день валидации. В эти данные вошли все зарегистрированные собаки независимо от точности пола и качества изображений. Из этих 720 собак 360 (50%) имели микрочипы и были вакцинированы. Остальные 360 собак (50%) не имели микрочипа и были не привиты.

Алгоритм распознавания лиц правильно определил как возможное совпадение 291 (80.8%) из 360 чипированных и вакцинированных собак (истинно положительный результат), но не смог идентифицировать возможное совпадение 69 (19.2%) вакцинированных собак (ложноотрицательный результат). Таким образом, чувствительность алгоритма распознавания лиц составила 80.8% по всему набору данных.

Люди из группы сопоставления правильно идентифицировала 212 из 360 вакцинированных собак (65.0%), имевших соответствующий микрочип (истинно положительный результат), и 354 из 360 (98.3%) собак, которые не были вакцинированы или чипированы (истинно отрицательный результат). Однако группа сопоставления неправильно классифицировала как вакцинированных 6 (1.67%) собак, которые не были вакцинированы (ложноположительный результат), и классифицировала как непривитых 114 из 360 (31.7%) собак, которые были вакцинированы (ложноотрицательный результат). Десять собак (2.8%) были правильно классифицированы как вакцинированные, но соответствующая фотография собаки и микрочип были неверными (положительная ошибка). Двадцать четыре изображения (3.3%) не были сопоставлены, поскольку зарегистрированный пол был неправильным.

После удаления снимков с несоответствием пола и плохого качества набор данных состоял из 534 собак. Из оставшихся 534 собак 251 (47%) имели микрочип и были вакцинированы. Остальные 283 (53%) собаки не имели микрочипа и не были вакцинированы.

Изображение №6

Алгоритм распознавания лиц правильно определил как возможное совпадение 249 (99.2%) из 251 микрочипированной и вакцинированной собаки (истинно положительный результат), но не смог идентифицировать как возможное совпадение двух (0.8%) вакцинированных собак (ложноотрицательный результат). Эти два изображения собак были классифицированы как «хорошие», однако угол морды собаки на изображении со дня вакцинации сильно отличался от угла изображения со дня валидации (фото выше). Таким образом, чувствительность алгоритма распознавания лиц составила 99.2% в проверенном наборе данных.

Группа по сопоставлению правильно идентифицировала 186 из 251 вакцинированных собак (74.1%), имевших соответствующий микрочип (истинно положительный результат), и 280 из 283 (98.9%) собак, которые не были вакцинированы или чипированы (истинно отрицательный результат). Группа сопоставления неправильно классифицировала как вакцинированных 3 из 283 (1.1%) собак, которые не были вакцинированы (ложноположительный результат), и классифицировала как непривитых 58 из 251 (23.1%) собак, которые были вакцинированы (ложноотрицательный результат). Семь собак (1.31%) были сопоставлены, но соответствующая фотография собаки была неверной (положительная ошибка).

Алгоритм распознавания лиц имел очень высокую чувствительность (99.2%), тогда как чувствительность людей была довольно низкой (65%) и возрастала до 76.2% после удаления из выборки некачественных фото.

Для более детального ознакомления рекомендую заглянуть в доклад ученых.

Эпилог

В рассмотренном нами сегодня труде ученые проанализировали эффективность алгоритма распознания лиц, примененного для определения собак в ходе кампании по массовой вакцинации от сказа.

Отделение привитых от не привитых особей обычно осуществляется посредством временных ошейников, микрочипов, спрей-краски и т. д. Но все эти методы либо малоэффективны, либо дороги для применения в бедных регионах.

Разработанное учеными приложение стало недорогой, простой в использовании и эффективной альтернативой классических методов определения вакцинированных / не вакцинированных собак. Для работы алгоритма нужен смартфон и само приложение. После вакцинации собак фотографировали и чипировали, что позволяло проверить эффективность алгоритма, составившую порядка 99.2%.

Однако значимым ограничением является необходимость быть онлайн, чтобы алгоритм работал. Ученые планируют решить эту проблему путем оптимизации приложения и перевода его в оффлайн режим. По мнению авторов разработки, их детище может быть крайне полезно не только для определения отдельных особей во время вакцинации, но и для отслеживания редких видов, наблюдения за животными и для их исследования.

Немного рекламы

Спасибо, что остаётесь с нами. Вам нравятся наши статьи? Хотите видеть больше интересных материалов? Поддержите нас, оформив заказ или порекомендовав знакомым, облачные VPS для разработчиков от $4.99, уникальный аналог entry-level серверов, который был придуман нами для Вас: Вся правда о VPS (KVM) E5–2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps от $19 или как правильно делить сервер? (доступны варианты с RAID1 и RAID10, до 24 ядер и до 40GB DDR4).

Dell R730xd в 2 раза дешевле в дата-центре Maincubes Tier IV в Амстердаме? Только у нас 2 х Intel TetraDeca-Core Xeon 2x E5–2697v3 2.6GHz 14C 64GB DDR4 4×960GB SSD 1Gbps 100 ТВ от $199 в Нидерландах! Dell R420 — 2x E5–2430 2.2Ghz 6C 128GB DDR3 2×960GB SSD 1Gbps 100TB — от $99! Читайте о том Как построить инфраструктуру корп. класса c применением серверов Dell R730xd Е5–2650 v4 стоимостью 9000 евро за копейки?