PT Unknown
AU Stahl, H
TI (Automatische) Detektion, Posenbestimmung und Identifizierung von Pferden mit Verfahren der 2D- und 3D-Bildverarbeitung unter Verwendung biometrischer Merkmale
PY 2016
PU Christian-Albrechts-Universität zu Kiel
WP https://macau.uni-kiel.de/receive/diss_mods_00019312
LA de
DE Bildverarbeitung; Präzisionstierhaltung; Pferde; Objektdetektion; Gesichtserkennung; image processing; precision livestock farming; horses; object detection; face recognition
AB Die Identifikation von Individuen beim Menschen anhand von Gesichtsaufnahmen wurde bereits in zahlreichen Arbeiten behandelt. Dagegen umfasst die Literatur nur wenige Arbeiten, welche entsprechende Ansätze der Gesichtserkennung beim Menschen zur Unterscheidung von Nutztieren untersuchen. Zudem konnten keine Arbeiten ausgemacht werden, die eine Detektion der Köpfe von Tieren (Nutztiere wie Rind, Pferd und Schaf) mit seitlich am Kopf ausgerichteten Augen behandeln. Ein entsprechendes System zur Identifikation von Nutztieren anhand ihrer Gesichter per Kamera stellt eine Alternative zur Erkennung durch am Tier befestigte RFID-Transponder zum Monitoring der Tiere in der Präzisionstierhaltung (PLF) dar.
Das Hauptziel der vorliegenden Arbeit war die Entwicklung und Anwendung von Methoden, die es weitestgehend automatisch ermöglichen Individuen bei Pferden anhand von Kameradaten der Gesichter zu unterscheiden. Dazu wurde ein Bilderfassungssystem aufgebaut, um unter realen Bedingungen in einer Futterstation, neben den Grauwertdaten zweier Industriekameras, die Tiefendaten der Szene zu erfassen. In dem Pferdestall wurde eine Datenbank der Besuche von Pferden mit insgesamt 587k Frames erstellt. 
Die Methoden zur Detektion und Posennormalisierung der Pferdeköpfe in den Bilddaten sind speziell für die Pferde angepasst und entwickelt worden. Die Detektion der Pferdeköpfe arbeitet ausschließlich auf den Tiefendaten, um unabhängig von Fellfarbe und -zeichnung der Tiere zu sein, und erreicht auf den Vergleichsdaten eine Treffergenauigkeit von 97,4%. 
Die Identifikation von Individuen aus einer Gruppe von neun Pferden erreicht mit dem hier angewendeten Verfahren der Eigengesichter bereits mit geringer Auflösung und einem Lernanteil von 12,5% der Bilddaten eine Treffergenauigkeit von 97%.
Diese Arbeit zeigt somit einen erfolgreichen Weg zur weitestgehend automatischen Identifikation von Pferden unter Verwendung der biometrischen Merkmale im Gesicht der Tiere auf.
PI Kiel
ER