Computer vision 图像中动物的识别

我面临着一个具有挑战性的问题。在我工作的公司的院子里有一个摄像头，它可以拍摄每个动作。在其中一些图片中，有不同种类的动物（大部分是深灰色的老鼠）会对我们的电缆系统造成损害。我的想法是使用一些能够识别图片上是否有灰色鼠标的应用程序。最好是实时的。到目前为止，我们已经开发出一种解决方案，可以为每个动作发送警报，但大多数警报都是错误的。您能给我提供一些关于如何解决问题的可能方法的信息吗？

用技术术语来说，您上面描述的通常称为事件检测。我知道没有现成的方法可以一次解决所有这些问题，但是通过一点编程，即使你不想编写任何计算机视觉算法或类似的代码，你也应该做好准备

高级别管道将是：

• 确保您的视频具有足够的质量。灰老鼠听起来有点难，加上照片可能是在晚上拍摄的——所以你应该有足够的红外线照明等。但是如果人类能够分辨出警报是真是假，你应该没事

• 部署运动检测并在运动时拍摄快照图像。看起来你已经完成了这个部分，太棒了！详细说明您的设置可能会使其他人受益。您可能还需要仅从图像中裁剪运动中的区域，是否要这样做

• 建立图像存档，包括判断它们是假警报还是真警报（机器学习术语中的标签）。尝试收集这两种情况下的至少几十张示例图像，并使它们代表真实世界的变化（你白天也有问题吗？你所在地区是否有降雪？）

• 对从视频流快照中拍摄的图像进行分类，以检查其是否为假警报或是否包含有害生物。这听起来很难，但深度学习和机器学习正在取得突飞猛进的进展；您可以：
  • 在像or这样的框架中部署您自己的神经网络（但您可能需要很多示例，我想至少需要上万个）
  • 使用能够识别一般对象的图像分类API，如或-如果幸运的话，它会注意到快照显示的是鼠标或松鼠（松鼠会咬电缆吗？），但在像这样的特殊任务中，这些引擎可能会非常混乱
  • 使用自定义图像分类API服务，该服务通常比使用自己的神经网络更强大，因为它可以使用许多技巧对这些图像进行分类，即使您仅为每个图像类别提供少量示例（此处为假/真报警）；这是一个完美的例子（任何人都可以提供更多这样的服务？）

实时方面是有点开放的，因为神经网络需要一些时间来处理图像-您还需要包括数据传输等。当使用公共API时，但是如果您推出自己的API，您将需要花费大量精力来获得低延迟，因为默认情况下，框架针对吞吐量（批量预测）进行了优化。一般来说，如果您对~1s的延迟感到满意，并且具有良好的互联网上行链路，那么您应该对任何服务都满意

---

免责声明：我是vize.it的共同创造者之一。

养只猫怎么样

此外，您还可以使用IBMWatson Visual Recognition服务培训自己的自定义分类器。（演示：）可以免费试用，您只需提供您想要识别的不同类别的示例图像。总的来说，彼得的回答非常好