手动处理和分析来自摄像机陷阱的视频非常耗时，包括几个步骤，从过滤错误触发的镜头到识别和重新识别个人。在这项研究中，我们开发了一个管道来自动分析来自相机陷阱的视频，以识别个人而无需手动交互。该管道适用于具有独特可识别皮毛图案和独居行为的动物物种，例如豹 (Panthera pardus)。我们假设在整个触发视频序列中看到同一个人。有了这个假设，可以将多个图像分配给一个人用于初始数据库填充而无需预先标记。该管道基于计算机视觉和深度学习的成熟组件，特别是卷积神经网络 (CNN) 和尺度不变特征变换 (SIFT) 特征。我们通过实施额外的组件来替代原本需要的人机交互来增强这一基础。基于视频材料帧之间的相似性，形成代表个体的集群，绕过未知总人口的开放集问题。该管道在泛非计划收集的豹视频数据集上进行了测试：养殖黑猩猩 (PanAf)，并且在以前未知的个体之间进行正确匹配的成功率超过 83%。拟议的管道可以成为未来基于相机陷阱数据的保护项目的宝贵工具，当标记数据不可用时，减少个体识别的人工分析工作。



"点击查看英文标题和摘要"