一种用于野生动物相机陷阱图像的强大度量距离和高度估算流程

《Ecological Informatics》：A robust metric distance and height estimation pipeline for wildlife camera trap imagery

提出一种基于单目深度估计（MDE）和自动化校准的野生动物监测 pipeline，显著降低人工干预并提高距离测量精度。实验表明，使用 UniDepthV2 模型结合分段线性回归校准，可使距离估计误差减少达35%，平均RMSE为1.73米（牛津郡）和2.02米（津巴布韦），并通过动物高度间接验证校准效果。

　　这项研究介绍了一种新的自动化流程，用于从相机陷阱拍摄的2D图像中获取准确的度量数据，包括距离和动物高度的估计。这一技术对生态学研究，特别是野生动物种群密度估算和形态学分析具有重要价值。传统方法需要大量的手动校准和图像处理，导致大规模研究难以实施。因此，研究团队开发了一种结合单目深度估计（MDE）模型与自动校准和动物检测方法的流程，旨在减少人工干预，提高研究的可扩展性和可靠性。

在研究中，团队使用了多种先进的MDE模型，包括Dense Prediction Transformers（DPT）、MiDaS 3.1、DepthAnything、DepthPro和UniDepthV2。这些模型基于深度学习，能够从单张图像中推断出相对深度，并通过校准方法转换为实际距离。此外，团队还开发了一种自动掩码生成技术，以减少手动处理的负担。掩码生成过程利用了Segment Anything Model 2（SAM2）算法，该算法能够自动识别和定位参考对象，如A4纸张，并生成二值掩码，从而帮助在图像中提取参考对象及其位置信息。

在进行校准时，研究团队采用了多种回归方法，包括线性回归、多项式回归和分段线性回归。线性回归通过为每个参考图像建立一个比例因子和偏移量，将相对深度转换为实际距离。多项式回归则用于拟合深度与距离之间的非线性关系，而分段线性回归则通过在不同距离区间内使用不同的线性模型，提高校准的精度。其中，使用UniDepthV2 MDE模型和分段线性回归方法，使得整体距离估计误差减少了高达35%，相比现有方法具有显著优势。

动物检测和定位是该流程中的另一个关键步骤。研究团队采用MegaDetector进行动物检测，并利用SAM2进行更精确的定位，生成像素级的掩码。这一方法不仅提高了动物检测的准确性，还增强了对不同环境和光照条件的适应性，从而提高了整体系统的鲁棒性。检测到的动物位置信息随后用于深度估计，确保了深度数据的准确性。

为了验证距离估计的准确性，研究团队使用了实际的动物高度作为间接验证手段。通过比较估计的高度与已知的真实高度，可以进一步评估距离估计的可靠性。这一方法展示了MDE技术在形态学分析中的潜力，并为未来的研究提供了新的思路。

研究团队在英国牛津郡的WildCRU研究基地进行了受控实验，采集了地面真实数据，并在津巴布韦的Bubye Valley Conservancy进行了实地测试。实验结果表明，所提出的流程在减少人工校准的同时，显著提高了距离估计的精度。特别是在Bubye Valley Conservancy的实地数据中，使用UniDepthV2和分段线性回归的组合，使得距离估计误差降低了约18%。此外，团队还探讨了跨相机校准的可能性，即使用一个相机校准的MDE模型应用于其他相机。结果显示，当校准图像与测试图像的场景相似时，距离估计的误差更小，而场景差异较大时，误差则显著增加。

研究还指出，当前最先进的MDE模型在估计距离和高度时仍存在一定的误差，这主要归因于野外数据的稀缺性。大多数现有的算法都是基于室内和街道视图数据进行训练，这使得它们在处理野外数据时表现不佳。因此，研究团队建议未来的工作应关注在特定野生动物数据集上训练MDE模型，以提高其在相机陷阱图像中的估计精度。同时，增加对小型动物（如啮齿类动物和鸟类）的数据收集，将有助于提升模型在不同环境和物种中的泛化能力。

总体而言，这项研究为相机陷阱图像的深度估计和动物监测提供了一种更加高效和自动化的解决方案。通过结合先进的深度学习模型与自动校准和检测技术，团队成功减少了人工校准的负担，并提高了距离和高度估计的准确性。这一方法不仅为生态学研究提供了新的工具，也为野生动物保护工作带来了更广泛的应用前景。未来，随着更多野外数据的积累和算法的进一步优化，这种自动化流程有望在更大范围内推广，为生态监测和研究提供更加可靠的数据支持。