机器视觉+人工智能识别动物与识别人之间的差距

近年来，随着人工智能机器视觉这一分支技术的不断发展突破，CV+AI开始不断渗透至生活乃至工作等各类场景之中。而在人脸识别应用逐步普及之后，借助CV+AI对动物进行识别，已成为了当下多数企业看好的一个全新发力点。

2018年时，阿里云与四川特驱集团、德康集团宣布达成合作，利用自家ET大脑涵盖的视频图像分析、面部识别、语音识别、物流算法等人工智能技术，来对环境中的各项条件，以及畜牧自身从怀孕到出生再到成长过程中每一项数据进行监测，让每一头畜牧都有自己可供记录、查询以及分析的档案。

而近期，各大厂商更加快了在这一领域内的布局。7月20日，支付宝保险平台宣布开放宠物鼻纹识别技术，并联合大地保险、众安保险，将该技术第一次应用于宠物保险业务领域，并初步开始接受猫狗两类宠物投保业务。

企查查数据显示，在北京旷视科技有限公司新增的多条专利信息中，名为“狗鼻纹特征点的检测方法、装置、系统及存储介质”的专利名称赫然出现在了其中。

而之所以机器视觉开始进入动物识别领域，其原因还要先从技术本身说起。

识别动物与识别人之间的差距

动物识别这条路之所以行得通，其原因在于动物与人类相仿，都有能够进行识别的生物特性。最典型的代表便是狗鼻子上的鼻纹，与人类指纹相似，这是一种与生俱来且独一无二的生物特性，即便同一胎产下的狗，鼻纹也存在很大差异。

当然，此前的AI养猪借鉴的也是同一原理。借助每头猪不同的面部特征（两眼间的距离、嘴巴的位置、头骨的宽度），配合机器视觉结构化出的数据以及人工智能在数据处理方面的优势，才让这一解决方案有了落地的可能性。

这也是为何，机器视觉+人工智能（也就是CV+AI）近年来一直深耕养殖业的原因。毕竟相比种植产业来说，养殖业因素更为可控。而种植业即使在同一区域内，还要考虑气候波动等各项因素。

回归VC+AI这样话题来看，此前比特网在与一位业界人士沟通时，其表示动物脸识别其实跟人脸识别的原理相通。本质上来说采用的技术是相似的，只不过训练选用的样本有所差异而已。现阶段CV+AI炒的很热，其实最终并不在于企业算法有多高深，核心还是在于数据。谁能够设计出一个讨巧低成本，且能够源源不断产生数据的一个模式，并借助这一模式来反哺到数据之上，进行算法方面的优化，谁才能成功卡位这一市场当中。

而从另一个角度来看的话，以往在养猪时，若想对个体进行识别，通常采用的是射频识别（RFID）方式，也就是在猪耳部位以打孔的方式来添加一个标签。但此类方式的弊端在于，识别范围受限不能同时读取多类标签，且准确率也差强人意。同时这种方式在打孔时，亦会给牲畜带来极大的痛楚，因此在当下传统方式也因不人道而屡遭批评。

CV+AI动物识别背后的几点思考

CV+AI近年来之所以能够不断渗透至市场当中，一方面得益于数字化转型的带动，整个大环境发展趋势，也在朝着以科技为主导的规模化、精细化和智能化的方向上走。

纵观全球农业发展趋势，美国注重农业科技创新，始终保持着农业技术的全球竞争优势。比如利用机器学习，减少产量损失与劳动力成本，亦或是通过对物联网基础设施数据的收集，结合算法将其变为可视化的指导性数据，给出最佳的种植及市场方案。

除农业市场外，其他市场也给了CV+AI很大的渗透空间。以宠物市场为例，根据国家统计局的数据显示，2010年至2016年期间，中国宠物行业的年增长率接近50%。

另一项来自中国宠物产业白皮书也指出，2018年国内已拥有将近3400万狗主和2260万猫主，宠物产业的数量在去年达到了1710亿元。

而智研咨询发布的数据则显示，2019 年中国城镇宠物（犬猫）消费市场规模首次突破 2000 亿大关，达到 2024 亿元，比 2018 年增长 18.5%，近 10 年 CAGR为 34.55%。

因此在宠物市场持续走高的背后，问题也接踵而至。一方面爱宠走失后很大几率无法被找回，室外张贴寻狗启示这种笨方式，不仅覆盖的范围有限，更会对环境带来负面影响，此外一些细节特征除饲养者外鲜有有外人能够辨别。

再者，与日俱增的宠物数量，亦对城市治理提出了全新挑战，如何以可行性方案来管控不文明养犬行为，更成为了留给城市治理过程中不得不正视的一个课题。

结语：可以说，阻挡在CV+AI面前的最大难题，已不再是技术本身，而在于如何能够低成本的去用上技术。尤其在技术不断普惠的当下，如何打通数据链条，让商业模式能够真正转起来，才是挡在行业AI转型面前的最大拦路虎。
责任编辑:pj