RU2754095C1 - Methodology for preparing sets of photos for machine analysis for personal identification of animals by face - Google Patents

Methodology for preparing sets of photos for machine analysis for personal identification of animals by face Download PDF

Info

Publication number
RU2754095C1
RU2754095C1 RU2020135586A RU2020135586A RU2754095C1 RU 2754095 C1 RU2754095 C1 RU 2754095C1 RU 2020135586 A RU2020135586 A RU 2020135586A RU 2020135586 A RU2020135586 A RU 2020135586A RU 2754095 C1 RU2754095 C1 RU 2754095C1
Authority
RU
Russia
Prior art keywords
animals
photos
face
animal
photographs
Prior art date
Application number
RU2020135586A
Other languages
Russian (ru)
Inventor
Андрей Викторович Макаренко
Original Assignee
Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук filed Critical Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук
Priority to RU2020135586A priority Critical patent/RU2754095C1/en
Application granted granted Critical
Publication of RU2754095C1 publication Critical patent/RU2754095C1/en

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K11/00—Marking of animals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Birds (AREA)
  • Zoology (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Hardware Design (AREA)
  • Image Processing (AREA)

Abstract

FIELD: image data processing.
SUBSTANCE: invention relates to the field of image processing and optical character recognition. The claimed methodology for preparing sets of photos for machine analysis for personal identification of animals by face is characterised by the fact that animals are photographed in close-up: the full face and partially the neck, wherein the faces of the animals are placed in focus, the photographs are taken from different angles - the main angles: full-face,
Figure 00000007
left,
Figure 00000008
right. At least 30 photographs are taken from each animal, divided between all cameras, smartphones and camera angles; the photos are taken in a cycle: first photos of all animals using one camera, then using another one; images are formed in a good lighting, with correct colour rendering; the exposure is adjusted according to the body (face) of the animal, photographs are taken with a shutter priority of at least 1/125 s. For exposure metering and focusing, a central single-point measurement is used; for each animal, the identification number and name thereof are recorded for all photos; the resulting photos are stored on a data storage medium in a digital format in a machine-readable form.
EFFECT: creation of compact and efficient datasets providing a possibility of advancing the training of neural networks, increasing the generalising ability and stability of operation of neural networks.
2 cl

Description

Изобретение относится к области обработки изображений и оптическому распознаванию символов.The invention relates to the field of image processing and optical character recognition.

Машинный анализ при помощи глубоких нейронных сетей изображений морд животных позволяет проводить идентификацию животных до конкретной особи (персональная идентификация) на фотографируемых объектах. Следовательно, применение технологий автоматического машинного анализа изображений и определение конкретных особей животных позволяет создать базу для интеллектуализации деятельности соответствующих хозяйств, зоотехников, ветеринаров и т.п., снизить уровень ошибок из-за недостаточной квалификации специалистов, поднять технологическую культуру персонала, и, как следствие, увеличить производительность труда.Machine analysis using deep neural networks of images of animal faces allows identification of animals to a specific individual (personal identification) on the objects being photographed. Consequently, the use of technologies for automatic machine analysis of images and the determination of specific animal individuals makes it possible to create a basis for the intellectualization of the activities of the respective farms, zootechnicians, veterinarians, etc., to reduce the level of errors due to insufficient qualifications of specialists, to raise the technological culture of personnel, and, as a consequence, , increase labor productivity.

Технологии распознавания изображений в автоматическом режиме глубокими нейронными сетями на настоящее время являются лидером по качеству и устойчивости функционирования среди подобных алгоритмов машинного зрения. Но разработка нейросетевых алгоритмов подразумевает применение соответствующих наборов данных для обучения и тестирования сетей. Данная методика как раз и содержит методические рекомендации, направленные на формирование соответствующих датасетов.Technologies of image recognition in automatic mode by deep neural networks are currently the leader in terms of quality and stability of functioning among similar machine vision algorithms. But the development of neural network algorithms implies the use of appropriate datasets for training and testing networks. This technique contains methodological recommendations aimed at the formation of appropriate datasets.

Известна методика подбора фотографий - Способ индивидуальной идентификации особей (RU 2520035 С1, 20.06.2014), в котором фотографируют особи и по полученным снимкам составляют банк данных.There is a well-known method for selecting photographs - Method for individual identification of individuals (RU 2520035 C1, 06/20/2014), in which individuals are photographed and a data bank is compiled from the obtained images.

Недостатком известной методики является невозможность создания подробной базы данных для идентификации животных по морде.The disadvantage of the known technique is the impossibility of creating a detailed database for the identification of animals by the face.

Технической задачей изобретения является создание методики, позволяющей подготавливать наборы фотографий для машинного анализа для персональной идентификации животных по морде.The technical objective of the invention is to create a technique that allows you to prepare sets of photographs for machine analysis for personal identification of animals by the face.

Техническим результатом предложенного решения является создание компактных и эффективных датасетов, позволяющих ускорить обучение нейронных сетей, увеличить обобщающую способность и устойчивость функционирования нейронных сетей.The technical result of the proposed solution is the creation of compact and efficient datasets that allow accelerating the training of neural networks, increasing the generalizing ability and stability of the functioning of neural networks.

Технический результат достигается тем, что методика осуществляют фотографирование животных крупным планом: полностью морду и частично шею, при этом морды животных размещают в фокусе, съемку проводят в разных ракурсах - основные ракурсы: анфас,

Figure 00000001
слева,
Figure 00000002
справа;The technical result is achieved by the fact that the technique is used to photograph animals in close-up: completely the muzzle and partly the neck, while the muzzles of the animals are placed in focus, the shooting is carried out from different angles - the main angles: full face,
Figure 00000001
left,
Figure 00000002
on right;

с каждого животного осуществляют не менее 30 фото, разделяя между всеми фотоаппаратами, смартфонами и ракурсами;at least 30 photos are taken from each animal, dividing between all cameras, smartphones and angles;

снимают циклом: сначала фото всех животных одним фотоаппаратом, затем - другим; изображения формируют при хорошем освещении, с правильной цветопередачей; экспозицию настраивают по телу (морде) животного,they take a cycle: first, a photo of all animals with one camera, then with another; images are formed in good lighting, with correct color rendition; the exposure is adjusted according to the body (muzzle) of the animal,

фотографирование осуществляют с приоритетом выдержки не менее 1/125 с;photographing is carried out with a shutter speed of at least 1/125 s;

в качестве экспозамера и фокусировки используют центральный, одноточечный замер;central, single-point metering is used as metering and focusing;

для каждого животного для всех фото фиксируют его табельный номер и кличку;for each animal, for all photos, its personnel number and nickname are recorded;

полученные фото в цифровом формате в машиночитаемом виде сохраняют на носителе данных.the obtained photographs in digital format in a machine-readable form are stored on the data carrier.

Перед началом серийной съемки на объекте производят тренировочные фотосеты (около 5-ти фото) с животными (их частями), близкими по размерам и «фактуре» животным целевой группы, причем используют штатную фототехнику и штатные фотографы, которые в дальнейшем будут осуществлять серийную съемку на объекте.Before the start of the serial shooting, training photosets (about 5 photos) with animals (their parts), similar in size and "texture" to the target group animals, are made at the facility. object.

Предложенная методика осуществляется следующим образом.The proposed technique is carried out as follows.

Методика составлена в достаточно подробном виде и направлена на минимизацию ошибок и упрощение процесса формирования требуемых наборов данных.The methodology is compiled in a sufficiently detailed form and is aimed at minimizing errors and simplifying the process of forming the required data sets.

1. Снимать животных необходимо крупным планом (должна попадать полностью морда и частично шея, допускается в кадре первая четверть тела).1. It is necessary to shoot animals in close-up (the muzzle and part of the neck should be included, the first quarter of the body is allowed in the frame).

2. Морды животных должны быть в фокусе, без «смаза», с проработкой деталей (правильная экспозиция).2. Animals' faces should be in focus, without "blur", with elaboration of details (correct exposure).

3. Съемка требуется в разных ракурсах (выдерживать, но без «фанатизма»):3. Shooting is required from different angles (to withstand, but without "fanaticism"):

a. анфас;a. full face;

b. 3/4: слева, справа, снизу, сверху, и 4 диагональных угла;b. 3/4: left, right, bottom, top, and 4 diagonal corners;

c. профиль: слева, справа, снизу, сверху, и 4 диагональных угла.c. profile: left, right, bottom, top, and 4 diagonal corners.

4. Основные ракурсы: анфас, слева, справа, 3/4 слева, 3/4 справа, 3/4 снизу, 3/4 сверху (очень важен основной ракурс видеомониторинга).4. Main angles: front view, left, right, 3/4 left, 3/4 right, 3/4 bottom, 3/4 top (the main video monitoring angle is very important).

5. Снимать необходимо на различную фототехнику (желательно не менее 2-х различных фотоаппаратов и 2-х различных смартфонов).5. It is necessary to shoot with various photographic equipment (preferably at least 2 different cameras and 2 different smartphones).

6. Недопустимо слипание в кадре морд различных животных (в прямоугольнике, ограничивающем морду целевой коровы, должна быть только ее морда, но могут быть любые другие части тела других животных).6. It is unacceptable for the muzzles of different animals to stick together in the frame (in the rectangle bounding the muzzle of the target cow, there should only be its muzzle, but there can be any other parts of the body of other animals).

7. Недопустимо обрезать морду животного (допустимо частичное экранирование морды элементами стойла или частями тел других животных).7. It is inadmissible to cut off the animal's muzzle (partial shielding of the muzzle by elements of the stall or parts of the bodies of other animals is permissible).

8. С каждого животного необходимо примерно 30-40 фото (разделить на равное кол-во между всеми фотоаппаратами, смартфонами и ракурсами).8. Each animal needs about 30-40 photos (divided by an equal number between all cameras, smartphones and angles).

9. Снимать необходимо циклом: сначала фото всех животных одним фотоаппаратом, затем другим, и т.д. Это необходимо, чтобы убрать влияние освещения и/или иных условий для конкретных животных.9. It is necessary to shoot in a cycle: first a photo of all animals with one camera, then with another, etc. This is necessary to remove the influence of lighting and / or other conditions for specific animals.

10. Изображения должны формироваться при хорошем освещении, с правильной цветопередачей, без явных шумов.10. Images should be formed in good lighting conditions, with correct color rendition, without obvious noise.

11. Экспозицию настраивать необходимо по телу (морде) животного, яркие блики от источников освещения, окон - игнорировать.11. The exposure must be adjusted according to the body (muzzle) of the animal, bright glare from light sources, windows - ignore.

12. Фотографирование осуществлять с приоритетом выдержки (не менее 1/125 с) с целью минимизации эффектов смаза.12. Take photographs with shutter priority (at least 1/125 s) in order to minimize blur effects.

13. В качестве экспозамера и фокусировки использовать центральный, одноточечный замер.13. Use center, single-point metering for metering and focusing.

14. Вотермарки с датой и временем, иные «значки» на фото недопустимы.14. Watermarks with date and time, other "badges" on the photo are not allowed.

15. Какая-либо обработка фотографий запрещена.15. Any processing of photographs is prohibited.

16. Фото должны быть максимально разнообразны: разные животные, ракурс съемки, освещение, экспозиция, фон.16. Photos should be as diverse as possible: different animals, shooting angle, lighting, exposure, background.

17. Желательно, чтобы фототехника писала в exif данные фотокадра: дальность фокусировки до объекта.17. It is desirable that photographic equipment write the data of the photo frame in exif: focusing distance to the object.

18. Категорически не допускается дифференцирование (выделение) фото каких-либо животных по признакам фона, и/или иным подобным условиям и параметрам съемки.18. It is strictly not allowed to differentiate (highlight) a photo of any animals on the basis of the background, and / or other similar conditions and shooting parameters.

19. Настоятельно рекомендуется перед началом серийной съемки на объекте произвести тренировочные фотосеты (около 5-ти фото) с животными (их частями), близкими по размерам и «фактуре» животным целевой группы. Причем должна использоваться штатная фототехника и штатные фотографы (которые в дальнейшем будут осуществлять серийную съемку на объекте). Полученные фотографии необходимо направить специалистам для оценки и выработки рекомендаций по фототехнике и/или манере съемки.19. It is strongly recommended to make training photosets (about 5 photos) with animals (their parts), similar in size and “texture” to the target group animals, before starting the serial shooting at the object. Moreover, regular photographic equipment and regular photographers should be used (who will subsequently carry out serial shooting at the object). The resulting photographs must be sent to specialists for assessment and development of recommendations on photographic equipment and / or manner of shooting.

20. Для каждого животного (для всех фото) необходимо зафиксировать его табельный номер и кличку (если есть).20. For each animal (for all photos) it is necessary to record its personnel number and nickname (if any).

21. Фотографии основного набора данных размещаются в папках, организованных по следующей структуре:21. Photos of the main dataset are placed in folders organized according to the following structure:

Животное/Порода/Табельный номер_Кличка/ГГГГ.ММ.ДД(съемки)/Фототехника/файлыAnimal / Breed / Personnel number_Name / YYYY.MM.DD (shooting) / Photo equipment / files

22. Фото необходимо выкладывать в цифровое хранилище данных (облако), в виде zip (rar) архива (без сжатия), это необходимо, чтобы облака не пережимали фотографии и не снижали качество.22. Photos must be uploaded to a digital data storage (cloud), in the form of a zip (rar) archive (without compression), this is necessary so that the clouds do not compress the photos and do not reduce the quality.

23. Пересыл фотографий через мессенджеры, фотослужбы, соц. сети, дисковые приложения и т.п. запрещен.23. Sending photos through instant messengers, photo services, social. networks, disk applications, etc. prohibited.

Предложенное техническое решение создает компактные и эффективные датасеты, позволяющие ускорить обучение нейронных сетей, увеличить обобщающую способность и устойчивость функционирования нейронных сетей. Разработка нейросетевых алгоритмов подразумевает применение соответствующих наборов данных для обучения и тестирования сетей. Данная методика содержит методические рекомендации, направленные на формирование соответствующих датасетов.The proposed technical solution creates compact and efficient datasets that allow accelerating the training of neural networks, increasing the generalizing ability and stability of the functioning of neural networks. The development of neural network algorithms implies the use of appropriate datasets for training and testing networks. This technique contains guidelines for the formation of appropriate datasets.

Claims (8)

1. Методика подготовки наборов фотографий для машинного анализа для персональной идентификации животных по морде, характеризующаяся тем, что осуществляют фотографирование животных крупным планом: полностью морду и частично шею, при этом морды животных размещают в фокусе, съемку проводят в разных ракурсах - основные ракурсы: анфас,
Figure 00000003
слева,
Figure 00000004
справа;1. The method of preparing sets of photographs for machine analysis for personal identification of animals by the face, characterized by the fact that photographing animals is carried out in close-up: completely the face and partly the neck, while the muzzles of the animals are placed in focus, the shooting is carried out from different angles - the main angles: full face ,
Figure 00000003
left,
Figure 00000004
on right; с каждого животного осуществляют не менее 30 фото, разделяя между всеми фотоаппаратами, смартфонами и ракурсами;at least 30 photos are taken from each animal, dividing between all cameras, smartphones and angles; снимают циклом: сначала фото всех животных одним фотоаппаратом, затем - другим; изображения формируют при хорошем освещении, с правильной цветопередачей; экспозицию настраивают по телу (морде) животного,they take a cycle: first, a photo of all animals with one camera, then with another; images are formed in good lighting, with correct color rendition; the exposure is adjusted according to the body (muzzle) of the animal, фотографирование осуществляют с приоритетом выдержки не менее 1/125 с;photographing is carried out with a shutter speed of at least 1/125 s; в качестве экспозамера и фокусировки используют центральный, одноточечный замер;central, single-point metering is used as metering and focusing; для каждого животного для всех фото фиксируют его табельный номер и кличку;for each animal, for all photos, its personnel number and nickname are recorded; полученные фото в цифровом формате в машиночитаемом виде сохраняют на носителе данных.the obtained photographs in digital format in a machine-readable form are stored on the data carrier. 2. Методика по п. 1, характеризующаяся тем, перед началом серийной съемки на объекте производят тренировочные фотосеты (около 5-ти фото) с животными (их частями), близкими по размерам и «фактуре» животным целевой группы, причем используют штатную фототехнику и штатные фотографы, которые в дальнейшем будут осуществлять серийную съемку на объекте.2. The technique according to claim 1, characterized by the fact that before the start of the serial shooting, training photosets (about 5 photos) with animals (their parts), similar in size and "texture" to the animals of the target group, are made at the object, and they use standard photographic equipment and full-time photographers who will subsequently carry out continuous shooting at the facility.
RU2020135586A 2020-10-29 2020-10-29 Methodology for preparing sets of photos for machine analysis for personal identification of animals by face RU2754095C1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2020135586A RU2754095C1 (en) 2020-10-29 2020-10-29 Methodology for preparing sets of photos for machine analysis for personal identification of animals by face

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2020135586A RU2754095C1 (en) 2020-10-29 2020-10-29 Methodology for preparing sets of photos for machine analysis for personal identification of animals by face

Publications (1)

Publication Number Publication Date
RU2754095C1 true RU2754095C1 (en) 2021-08-26

Family

ID=77460458

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2020135586A RU2754095C1 (en) 2020-10-29 2020-10-29 Methodology for preparing sets of photos for machine analysis for personal identification of animals by face

Country Status (1)

Country Link
RU (1) RU2754095C1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2805785C1 (en) * 2022-11-29 2023-10-24 Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук Method for creating video materials for machine analysis to build articulated models of cattle animals

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2004964C1 (en) * 1991-06-14 1993-12-30 Ленинградский сельскохоз йственный институт Animal identification method and device
RU2520035C1 (en) * 2013-02-01 2014-06-20 Федеральное государственное унитарное предприятие "Всероссийский научно-исследовательский институт рыбного хозяйства и океанографии" (ФГУП "ВНИРО") Method of individual identification of king crab animal units
KR20150087654A (en) * 2014-01-22 2015-07-30 중소기업은행 Apparatus and method for issuing photo card
CN108830138A (en) * 2018-04-26 2018-11-16 平安科技（深圳）有限公司 Livestock recognition methods, device and storage medium
EA033347B9 (en) * 2015-07-01 2019-12-18 Викинг Генетикс Фмба System and method for identification of individual animals based on images of the back

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2004964C1 (en) * 1991-06-14 1993-12-30 Ленинградский сельскохоз йственный институт Animal identification method and device
RU2520035C1 (en) * 2013-02-01 2014-06-20 Федеральное государственное унитарное предприятие "Всероссийский научно-исследовательский институт рыбного хозяйства и океанографии" (ФГУП "ВНИРО") Method of individual identification of king crab animal units
KR20150087654A (en) * 2014-01-22 2015-07-30 중소기업은행 Apparatus and method for issuing photo card
EA033347B9 (en) * 2015-07-01 2019-12-18 Викинг Генетикс Фмба System and method for identification of individual animals based on images of the back
CN108830138A (en) * 2018-04-26 2018-11-16 平安科技（深圳）有限公司 Livestock recognition methods, device and storage medium

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2805785C1 (en) * 2022-11-29 2023-10-24 Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук Method for creating video materials for machine analysis to build articulated models of cattle animals
RU2816267C1 (en) * 2022-11-29 2024-03-28 Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук Method of preparing video sets for machine analysis for personal identification of dogs

Similar Documents

Publication Publication Date Title
ES2688122T3 (en) Image processing method and device
WO2016023336A1 (en) Method, apparatus and device for storing pictures in classified mode, and computer storage medium
JP2000350123A (en) Picture selection device, camera, picture selection method and recording medium
CN101799621B (en) Shooting method and shooting equipment
JP2016119508A (en) Method, system and program
US20130002903A1 (en) Camera user input based image value index
JP2012023502A (en) Photographing support system, photographing support method, server, photographing device, and program
CN105191286B (en) It is replicated using the post-production of the optical treatment for digital movie camera of metadata
CN102622740A (en) Anti-eye-closure portrait shooting system and method
WO2017177559A1 (en) Image management method and apparatus
CN110581950B (en) Camera, system and method for selecting camera settings
RU2754095C1 (en) Methodology for preparing sets of photos for machine analysis for personal identification of animals by face
JP2015008385A (en) Image selection device, imaging device, and image selection program
CN110392211A (en) Image processing method and device, electronic equipment, computer readable storage medium
JP2017211982A (en) Face identification system and face identification method
Taheri et al. Focusing and depth of field in photography: application in dermatology practice
CN111294502A (en) Photographing method, device with photographing function, equipment and storage medium
JP2007011970A (en) Image processor, image processing method and program
RU2805785C1 (en) Method for creating video materials for machine analysis to build articulated models of cattle animals
Wheatley High dynamic range imaging for archaeological recording
RU2816267C1 (en) Method of preparing video sets for machine analysis for personal identification of dogs
US20210337098A1 (en) Neural Network Supported Camera Image Or Video Processing Pipelines
JP2016070753A (en) Image processing device, imaging device, and image processing method
WO2021078276A1 (en) Method for obtaining continuously photographed photos, smart terminal, and storage medium
CN110460773B (en) Image processing method and device, electronic equipment and computer readable storage medium