搜索

羊脸识别诊断疼痛指数,机器学习捕捉动物面部表情

新智元 · 2017-06-05
有了更多的数据,研究人员认为他们的这套系统能够推广应用于其他动物

编者按:本文由微信公众号“新智元”编译,来源:Science;cam.ac.uk,编译:文强;36氪经授权发布。

剑桥大学研究人员开发了一套绵羊面部表情识别系统,能够自动评估绵羊的疼痛指数。该系列拓展了人脸识别的相关技术,利用机器学习算法,平均准确度为 67%,与一般人水平相当,但大幅缩减了评估的时间。研究人员认为,有了更多的数据,他们的这套系统能够推广应用于其他动物。


作为一只羊,你的生活可没看上去那么轻松自在。

你会受伤、生病、感染,还无法告诉照顾你的人你处于伤痛之中。

为此,兽医开发了一套规则,通过羊的面部表情评估一只羊所遭受的痛楚。但是,这套规则对于一般人,或更具体的说,牧场相关人员而言,使用时经常出现评估结果不一的情况,而且往往耗费时间。

在这里,我们可以稍微体会一下,即便是专业人员(兽医),要判断绵羊疼痛水平是一件多么困难的事情。

仔细看下面的图片,你能判断得多准确呢?

更不要说真实情况绵羊还是会动的。

绵羊疼痛指数示意图。来源:[1]

兽医们已经想出了一个方法,根据羊的面部表情来评估其疼痛,但这套方法没有得到很好的贯彻,因为手动打分耗时耗力。根据Science的报道,英国剑桥大学的计算机科学家对这项任务进行了自动化。他们先列出了与不同程度的疼痛相关的几个“面部动作单位”(AU),绘制了“羊痛面部表情量表”。他们在 480 张羊的照片上手动标记出这些 AU——鼻孔变形,每只耳朵的旋转,瞳孔缩小程度等。然后,他们用 90% 的照片及其标签来训练机器学习算法,并在剩余的 10% 上测试算法。研究人员在华盛顿举行的自动面部和手势识别的 IEEE 国际会议上报告说,该项目在确定 AU 时的平均准确度为 67%,与人类的平均准确度相似,其中耳朵是最有指征意义的线索。调整训练进程进一步提高了准确性。如果有其他的标签图像,科学家们期望他们的方法也可以用在其他动物身上,能够更好地帮助它们诊断疼痛,进行更及时的治疗。

以下是详细报道:



绵羊面部表情识别系统,自动评估绵羊疼痛指数


英国剑桥大学的计算机科学家利用机器学习算法,开发了一个能够自动识别家羊面部表情的系统。实验表明,该系统能以平均 67% 的准确率进行羊脸识别,和一般人水平相当。

相关论文日前在美国华盛顿特区召开的 IEEE 人脸和手势自动识别国际会议(IEEE International Conference on Automatic Face and Gesture Recognition)发表。研究人员表示,有了更多的标注数据,他们的这套系统可以用于识别其他动物的面部表情,加速动物疼痛诊断的过程。

自动疼痛评估系统的工作流程图

研究人员首先根据“家羊面部表情疼痛指数表”(Sheep Pain Facial Expression Scale,SPFES)上显示各级疼痛的图像,制作了一组“面部动作单元”(facial action unit,AU)。

而后,他们手工对 480 张羊照片的这些 AU 进行标注——鼻孔变形大小、耳朵旋转角度、瞳孔缩小程度。


研究人员根据 SPFES 手工标注的一些绵羊面部 AU 数据

研究人员将这些数据的 90% 作为训练数据,剩下 10% 作为测试数据,训练了一个机器学习算法。

最终得到的“绵羊面部表情自动识别系统”,识别 AU 的平均准确率为 67%,与一般人水平相当。 



系统准确率与一般人相当,关键是耳朵张开的幅度


结果表明,判断绵羊疼痛等级最有效的衡量指标是耳朵,更准确的说,是每只耳朵张开的幅度。

(左)面部地标定位,p1~ p8 标注出了每只绵羊面部的 8 个地标。(右)数据归一化后的情况,相应地标用表示特征的方框标注出来。

为了更好地说明情况,我们结合此前相关研究的图像可以一探究竟。

下面两张图来自去年发表于 Elsevier 旗下期刊《动物行为应用科学》(Applied Animal Behavior Science)的一篇论文[1]。

由图中可见,在不同种类的绵羊当中,疼痛时耳朵张开的角度基本保持一致。

在不同种类的绵羊当中,疼痛时耳朵张开的角度基本保持一致。来源:[2]

论文介绍


使用面部动作单元检测评估绵羊疼痛水平

摘要

评估动物的疼痛水平是维持动物福利的关键,但该过程十分耗费时间。羊的面部表情是有效评估其疼痛水平的可靠指标。在本文中,我们将识别人脸表情的技术扩展到识别绵羊的面部动作单元中,从而实现了根据羊脸表情自动评估绵羊的疼痛水平。我们的方法包含多个层次,首先对绵羊脸部进行检测,定位面部地标(landmark),对数据归一化(normallisation)后提取面部特征。这些特征用定向梯度的直方图表示,然后使用支持向量机进行分类。实验显示,系统对绵羊面部动作单元(Action Unit)分类的总体准确度为67%。我们认为,如果有更多的数据,这一疼痛水平自动评估方法可以推广应用于其他动物。

论文地址

参考资料:

[1] C. Häger et. al., The Sheep Grimace Scale as an indicator of post-operative distress and pain in laboratory sheep. PLoS ONE 12(4):e0175839 · April 2017

[2] Corrigendum to “Development of a facial expression scale using footrot and mastitis as models of pain in sheep” [Appl. Anim. Behav. Sci. 176C (2016) 19–26] McLennan, Krista M. et al. Applied Animal Behaviour Science , Volume 179 , 105 - 107

+1
0

好文章,需要你的鼓励

参与评论
登录后才能参与讨论哦...
后参与讨论
提交评论0/1000

请回复有价值的信息,无意义的评论将很快被删除,账号将被禁止发言。

下一篇

e代理在2016年10月完成了千万美元的A轮融资,光速安振领投,险峰长青跟投

2017-06-05

36氪APP让一部分人先看到未来
36氪
鲸准
氪空间

为你推送和解读最前沿、最有料的科技创投资讯

一级市场金融信息和系统服务提供商

聚集全球最优秀的创业者,项目融资率接近97%,领跑行业