کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6873175 1440630 2018 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Monitoring of pet animal in smart cities using animal biometrics
ترجمه فارسی عنوان
نظارت بر حیوان خانگی حیوانات در شهرهای هوشمند با استفاده از بیومتریک حیوانات
ترجمه چکیده
نظارت بر حیوان خانگی حیوانات در شهر هوشمند، یک مشکل بزرگ برای مقامات مربوطه است. روش شناسایی و نظارت بر حیوانات کلاسیک سطح امنیت و مدیریت حیوانات خانگی را فراهم نمی کند. سیستم های تشخیص مبتنی بر بیومتریک حیوانات، جایگزین خوبی برای مدیریت سلامت، ردیابی، شناسایی و امنیت حیوانات خانگی هستند. در این مقاله، ما یک سیستم کم هزینه برای نظارت بر حیوانات حیوانات خانگی (سگ ها) را بر اساس شناسه های بیومتریک حیوانات اولیه خود پیشنهاد می کنیم. رویکرد تشخیص پیشنهادی با استفاده از روش یادگیری یکپارچه و روش مبتنی بر اندازه گیری فاصله برای تطبیق و طبقه بندی ویژگی های استخراج شده تصاویر چهره برای شناخت حیوانات خانگی (سگ) استفاده می شود. ما همچنین نمونه اولیه برای ارزیابی دقت سیستم تشخیص را توسعه دادیم. اثربخشی سیستم تشخیص حیوانات حیوان خانگی پیشنهادی در شرایط شناسایی ارزیابی می شود که میزان تشخیص 96.87٪ را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Monitoring of pet animal in smart city is a big challenge for authorities concerned. The classical animal identification and monitoring methods fail to provide the required level of security and management of pet animals. Animal biometrics based recognition systems are considered a good alternative for the health management, tracking, identification, and security of pet animals. In this paper, we propose a low-cost system for monitoring of pet animals (dogs) based on their primary animal biometric identifiers. The proposed recognition approach uses the one-shot similarity and distance metric based learning methods for matching and classifying the extracted features of face images for recognition of pet animals (dog). We also developed a prototype for evaluating the accuracy of the recognition system. The efficacy of proposed pet animal recognition system is evaluated under identification settings yields 96.87% recognition rate.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 83, June 2018, Pages 553-563
نویسندگان
, ,