动物用非侵入式多模态生物特征辨识系统的制作方法

本发明涉及动物用非侵入式生物特征辨识的一种方法、一种系统、一个或多个计算单元，以及一种计算机软体产品，更特定言之，关于结合使用细节特征为主的皮肤斑纹和生理特征的动物用非侵入式生物特征辨识的一种方法、一种系统，以及一种计算机软体产品。

背景技术：

农场动物识别技术是政府农业主管机关的主要营运需求，其可以促进动物登记、动物迁移许可记录、动物群分离管理、以及适当补助及补贴，并且可以作为追踪公卫及动物健康问题的关键工具。另外，农夫和整合食品供应商、甚至零售商，有特定追踪他们的动物产品的需求以辨识个别的成长特性，以及辨识食用动物来源来记录饲料及饲料成分、疾病、及治疗的细节。

大多数辨识方式是基于耳朵标签号码的计算机数据库。这种系统的一个潜在限制是这些方式只是追踪附加在动物身上的器材，而不是追踪动物本身。当意外遗失标签或是标签之间发生错误的置换时，这个限制会产生问题，而很难保存正确的数据。

更趋向手动导向的辨识系统一般为侵入性的原因在于，读取、分析、以及登录各别动物的数据时需要分离动物。这类系统需要专家的主动参与、兽医服务，甚至广泛的机械机器、装备，若为水产养殖业，则还需要船只的积极参与。驱动读取数据的成本很高。更进一步说，这类系统的明显缺点是它们的数据是旧的而非即时的，这是由于它们的侵入式特性，因此它们不能被持续性地使用。这也是为何从传统系统搜集的数据的使用范围受到限制的原因，而且这些数据也不具备足够的特定性来做为一种主动性工具，无法在数据读取发生异常时主动进行抵销。

特别对于水产养殖来说，以及以一个好的例子来说，对于在英国、爱尔兰、法罗群岛、美国、加拿大和塔斯马尼亚之外的挪威以及智利的大西洋鲑鱼(salmosalar)产业，这是非常明显的。挪威大西洋鲑鱼水产养殖的前所未见的成功可以回溯到1970年代早期。在2014时，上述市场的总生产量达到超过200万公吨，或是超过5亿条鱼。要个别的标记或是对每一只鱼标上标签在实际操作面来说是不可能的。

一个日益明显的问题是，从笼子里脱逃的已驯化鱼群，若与养殖环境当地的野生品种交配产卵则会污染养殖环境当地的基因池。对抗脱逃鱼种而制定的法律，举例来说在挪威，是极为严重的，如果一水产养殖渔民被认定为脱逃鱼种的事发来源者，对该渔民会处以较高的刑罚。一个逐渐获得注意的想法是以dna来辨识每只鱼或是鱼群，然后针对于河流中发现的疑似脱逃鱼种进行dna检定。这个方法的缺点在于除了成本高以外，dna检定的过程需要很长的时间，因此不能被积极地使用于辨识其他脱逃鱼种，更不能进一步的从水道中把鱼挑出。

其他辨识方法包括剪鳍标记法、视网膜点墨法、以及讯号转发器插入法；然而，以上所述之方法需要大量操作手续、昂贵、而且对于动物福利有负面影响。总上所述，一种动物用非侵入式辨识及即时监视系统有其需求存在。

技术实现要素：

本发明的第一部分提供一种动物用非侵入式生物特征及形态测定数据辨识的电脑实作方法。所述电脑实作方法包括：

接收来自至少一个生物特征识别传感器的一个个体的特征数据；

处理所述特征数据以形成辨识所述个体的细节皮肤斑纹的生物识别数据以及辨识所述个体的生理特征的生物识别数据；

评估所述辨识所述个体的细节皮肤斑纹的生物识别数据以及所述辨识所述个体的生理特征的生物识别数据，以形成所述个体的生物识别特征数据；

比对所述个体的生物识别特征数据以及预先决定的已注册个体的特征数据；

判断所述个体是否为已注册；

如果所述个体为未注册，则给予所述个体一个唯一识别标识；以及

将所述唯一识别标识注册于一个数据储存空间。

本发明的该电脑实作方法可进一步包括将所述个体的唯一识别标识连结到来自至少一个收集行为传感器的一种行为数据收集系统。

在一些实施例中，所述至少一个生物特征识别传感器包括至少一个陀螺仪稳定式2d相机以及陀螺仪稳定式3d相机。在一些实施例中，所述至少一个生物特征识别传感器更进一步包括一个位于所述至少一个陀螺仪稳定式2d相机以及陀螺仪稳定式3d相机上的雷射装置，以锁定于一个目标物上。

在一些实施例中，所述相机可以包括一种允许在各种聚焦长度拍下鲜明图像的自动对焦仪器。在其它实施例中，所述相机可以包括一种可以针对未位于定焦距离之中的物件而拍摄模糊影像的定焦镜头。在这些实施例中，所述电脑实作方法可以包含演算法来弃置未对焦之影像。

在一些实施例中，所述动物是鱼类，且所述个体的生理特征包括至少一个体形状、眼睛、唇、嘴、鳃、翅片的位置，以及黑色素细胞群。在一些实施例中，所述动物是鸟类，所述分辨个体的细节皮肤斑纹包括细节羽毛斑纹，以及所述个体的生理特征包括至少一个体形状、眼睛、喙、翅膀、及腿部位置。在一些实施例中，所述动物是猪类，以及所述个体的生理特征包括至少一个体形状、眼睛唇、嘴、腿部以及尾巴位置。

本发明的电脑实作方法可以更进一步包括至少以下步骤之一：

处理及弃置未聚焦、有视觉缺陷、加工过的，或是其他不适合进行更进一步处理的图像；

透过查看一个特定区域或体积内的个体数目来处理和分析；

透过寻找不正常行为或生病的个体来处理和分析；

透过寻找个体的生长率或体积的增加或减少来处理和分析；

处理和分析动物健康状态；

处理和分析流行病控制；

处理和分析动物健康状态，以及使用流行病控制用的处理过及分析过的数据；以及

处理和重新呈现所述特征数据，以便能够手动检视所述数据，连接到一个个体的唯一识别标识，并且让任何人以图像或影片检查结果。

本发明在第二部分提供一种动物用非侵入式生物特征辨识系统。所述系统包括：

至少一个生物特征识别传感器，所述至少一个生物特征识别传感器捕捉一个个体的特征数据；

一个特征数据处理引擎，所述特征数据处理引擎处理所述个体的特征数据以形成辨识所述个体的细节皮肤斑纹的生物识别数据，以及辨识所述个体的生理特征的生物识别数据；

一个生物识别数据评估引擎，所述生物识别数据评估引擎评估所述辨识所述个体的细节皮肤斑纹的生物识别数据以及所述辨识所述个体的生理特征的生物识别数据，以形成所述个体的生物识别特征数据；以及

一个生物识别特征数据比对引擎，所述生物识别特征数据比对引擎比对所述个体的生物识别特征数据以及预先决定的已注册的个体的特征数据，判断所述个体是否为已注册，如果所述个体为未注册，则给予所述个体一个唯一识别标识，并且将所述唯一识别标识注册于一个数据储存空间。

在一些实施例中，所述至少一个生物特征识别传感器包括至少一个陀螺仪稳定式2d相机以及陀螺仪稳定式3d相机。在一些实施例中，所述至少一个生物特征识别传感器更进一步包括一个位于所述至少一个陀螺仪稳定式2d相机以及陀螺仪稳定式3d相机上的雷射装置，以锁定于一个目标物上。在一些实施例中，所述至少一个生物特征识别传感器包括至少一种配备有允许在各种聚焦长度拍下鲜明图像的自动对焦仪器的相机。在一些实施例中，所述至少一个生物特征识别传感器包括至少一种配备可以针对未位于定焦距离之中的物件而拍摄模糊影像的定焦镜头的相机。

在一些实施例中，所述动物是鱼类，以及所述个体的生理特征包括至少一个体形状、眼睛、唇、嘴、鳃、翅片的位置。在一些实施例中，所述动物是鸟类，所述分辨个体的细节皮肤斑纹包括细节羽毛斑纹，以及所述个体的生理特征包括至少一个体形状、眼睛、喙、翅膀、及腿部位置。在一些实施例中，所述动物是猪类，以及所述个体的生理特征包括至少一个体形状、眼睛唇、嘴、腿部以及尾巴位置。

在一些实施例中，所述特征数据处理引擎包括以演算法来弃置未对焦的影像。

本发明的系统可以进一步包括：

一个行为数据比对引擎，所述行为数据比对引擎比对生理特征数据以及一个预定的生理特征数据的可接受数值范围；

至少一个参数特征传感器，所述至少一个参数特征传感器捕获一个环境的参数特征；以及

一个参数特征处理引擎，如果所述个体为已注册、如果生理特征数据是在预定范围内，以及如果所述环境的参数特征在参数的可接受数值的范围内，则所述参数特征处理引擎接收具有可接受数值的预定范围内的所述环境的参数特征，并且发送一个信号。

此外，本发明的系统可以进一步包括一个数据处理和分析引擎，所述数据处理和分析引擎处理并分析至少以下其中一项：在一个特定区域或体积内的个体数目、不正常行为或生病的个体、个体的生长率或体积的增加或减少、动物健康状态，以及流行病控制，或是处理和重新呈现所述特征数据，以便能够手动检视所述数据，连接到一个个体的唯一识别标识，并且让任何人以图像或影片检查结果。

本发明在第三方面提供一种动物用非侵入式生物特征辨识的计算机程式产品。所述计算机程式产品包括：

非暂时性的计算机可记录式介质；

第一程式指令，所述第一程式指令用于接收来自至少一个生物特征识别传感器的一个个体的特征数据；

第二程式指令，所述第二程式指令用于处理所述特征数据以形成辨识所述个体的细节皮肤斑纹的生物识别数据以及辨识所述个体的生理特征的生物识别数据；

第三程式指令，所述第三程式指令用于评估所述辨识所述个体的细节皮肤斑纹的生物识别数据以及所述辨识所述个体的生理特征的生物识别数据，以形成所述个体的生物识别特征数据；

第四程式指令，所述第四程式指令用于比对所述个体的生物识别特征数据以及预先决定的已注册个体的特征数据，判断所述个体是否为已注册，如果所述个体为未注册，则给予所述个体一个唯一识别标识，以及将所述唯一识别标识注册于一个数据储存空间；以及

所述第一程式指令、第二程式指令、第三程式指令，以及第四程式指令被储存于所述非暂时性的计算机可记录式介质上。

本发明的计算机程式产品可以进一步包括：

第五程式指令，所述第五程式指令用于将所述个体的唯一识别标识连结到接收来自所述至少一个生物特征识别传感器的个体的行为数据；

第六程式指令，所述第六程式指令用于比对所述个体的行为数据以及一个预定的生理特征数据的可接受数值范围；

第七程式指令，如果所述个体为已注册、如果生理特征数据是在预定范围内，以及如果一个环境的参数特征在参数的可接受数值的范围内，则所述第七程式指令用于接收具有可接受数值的预定范围内的所述环境的参数特征，以发送一个信号；以及

所述第五程式指令、第六程式指令，以及第七程式指令被储存在所述非暂时性的计算机可记录式介质上。

此外，本发明的计算机程式产品可以进一步包括第八程式指令，所述第八程式指令用于处理和分析至少以下其中一项：在一个特定区域或体积内的个体数目、不正常行为或生病的个体、个体的生长率或体积的增加或减少、动物健康状态，以及流行病控制，或是处理和重新呈现所述特征数据，以便能够手动检视所述数据，连接到一个个体的唯一识别标识，并且让任何人以图像或影片检查结果，所述第八程式指令被储存在所述非暂时性的计算机可记录式介质上。

附图说明

图1是根据一个示例性的本发明实施方式，动物用非侵入式生物特征辨识系统的方块图。

图2是根据一个示例性的本发明实施方式，动物用非侵入式生物特征辨识系统的程序流程图。

图3是根据一个示例性的本发明实施方式，用于证实身份的程序的程序流程图。

图4是小型金槍鱼(euthynnusalletteratus)的形态特征：1:鱼叉长度(fl)；2:标准长度(sl)；3:总长度(tl)；4:胸鳍(dp)的距离；5:胸鳍(lp)的长度；6:第二背鳍(dd2)的距离；7:腹鳍(dv)的距离；8:眼径(ed)；9:臀鳍(da)的距离；10:唇长(snl)；11:头长(hl)；12:最大主体高度(h)；13:第一背鳍(dd1)的距离；14:第一背鳍基部(ld1)长度；15:第二背鳍基部(ld2)长度。

图5(a)结合一个鲑鱼的形态特征的识别点，图5(b)至图5(e)是基于细节的皮肤斑纹和它们之间的距离。

具体实施方式

本发明提供一种使用细节皮肤斑纹并结合生理特征，例如个体形状、眼睛、鳃、翅片位置等，以收集来自一个个体鱼类的形态特征的即时方法，所述方法不需使用眼睛的组成份，例如虹膜或视网膜等。

本发明并且提供一种使用细节皮肤斑纹和细节羽毛斑纹并结合生理特征，例如个体形状、眼睛、喙、翅膀、及腿部位置等，以收集来自一个个体鸟类的形态特征的即时方法，所述方法不需使用眼睛的组成份，例如虹膜或视网膜等。

本发明并且提供一种使用细节皮肤斑纹并结合生理特征，例如个体形状、眼睛、唇、嘴、腿部以及尾巴位置等，以收集来自一个个体猪类的形态特征的即时方法，所述方法不需使用眼睛的组成份，例如虹膜或视网膜等。

本发明并且提供一种使用细节皮肤斑纹并结合生理特征，例如个体形状、眼睛、唇、嘴、耳朵、腿部以及尾巴位置等，以收集来自一种非人类个体的形态特征的即时方法，所述方法不需使用眼睛的组成份，例如虹膜或视网膜等。

如前所述，为了感测所述个体的生物识别特征数据，本发明使用一种雷射装置来定位生物识别特征的面积以及在所述个体上测量生物识别特征。

如前所述，所述传感器在该传感器内搜集处理前的数据。

如前所述，所述传感器组织所述个体的已搜集的行为以及特征数据。

如前所述，所述传感器传送所述数据到一台电脑以继续处理、过滤、以及分析。

如前所述，所述计算机将所述生物识别特征数据数据与预定的已登记个体的特征数据进行比对，决定所述个体是否已注册，将所述生理特征数据数据与预定的可接受生理特征数值范围，以及将一种条件的参数特征与一种预定的用于传送讯号的参数的数值参数范围进行感测，如果所述个体为已注册，如果所述生理特征数据是否在预定范围之内，如果所述条件的参数特征将于在可接受参数数值范围之内。

如前所述，所述计算机使用所述生物识别特征数据数据来给个体一个唯一识别标识。

如前所述，所述计算机连结所述个体的唯一识别标识到所述个体的捕捉到的行为数据。

如前所述，所述计算机传送所述已处理数据到一种中心数据储存空间来进行更进一步的处理及分析，检视个体于特定面积及容量内之数量。

如前所述，所述计算机传送所述已处理数据到一种中心数据储存空间来进行更进一步的处理及分析，检视非正常行为或是患病个体。

如前所述，所述计算机传送所述已处理数据到一种中心数据储存空间来进行更进一步的处理及分析，检视成长速率或体积增加或减少。

如前所述，所述计算机传送所述已处理数据到一种中心数据储存空间来对动物健康及/或流行病控制进行更进一步的处理及分析。

如前所述，所述计算机传送所述已处理数据到一种中心数据储存空间来对动物健康进行更进一步的处理及分析及/或使用该数据来进行流行病控制。

如前所述，所述计算机传送所述已处理数据到一种中心数据储存空间来更进一步的处理及重新产生基于向量的影像，来手动式地检视所述已搜集数据，连结到一种个体辨识，以及用于让人可以以影像或是影片检查研究结果。

图1是根据一个示例性的本发明实施方式，动物用非侵入式生物特征辨识系统的方块图。该系统100具有一种生物特征识别传感器102，一种特征数据处理引擎106，一种生物识别数据评估引擎108，一种生物识别特征数据比对引擎110，一种数据储存空间112，一种参数特征传感器114，一种行为数据比对引擎116，一种参数特征处理引擎118，以及一种数据处理和分析引擎120。所述特征数据处理引擎106，所述生物识别数据评估引擎108，所述生物识别特征数据比对引擎110，所述行为数据比对引擎116，所述参数特征处理引擎118，以及所述数据处理和分析引擎120均于安装于一种计算机104上的软体中。所述计算机104是与所述生物特征识别传感器102及所述参数特征传感器114相连结。所述机算机104是同时与所述数据储存空间112相连结，其储存动物用生物特征辨识数据。

所述生物特征识别传感器102补捉一个个体的特征数据及行为数据。所述特征数据为一个个体的影像。所述生物特征识别传感器102为至少一个陀螺仪稳定式2d相机及/或至少一个配备一个雷射装置，来锁定于一个目标物上的陀螺仪稳定式3d相机。根据需求，所述生物特征识别传感器102为至少一种配备有一种允许在各种聚焦长度拍下鲜明图像的自动对焦仪器的相机，或是至少一种配备有可以针对未位于定焦距离之中的物件而拍摄模糊影像的定焦镜头的相机。

该特征数据处理引擎106处理所述个体的特征数据以形成可以辨别所述个体的细节皮肤斑纹的生物识别数据，以及可以辨别所述个体的生理特征的生物识别数据。另外，所述特征数据处理引擎106具有演算法来弃置未对焦的影像。

当所述个体是鱼类，所述个体的生理特征包括，但不限于，至少一个体形状、眼睛、唇、嘴、鳃、翅片的位置。当所述个体是鸟类，所述个体的细节皮肤斑纹包括细节羽毛斑纹，以及所述个体的生理特征包括至少一个体形状、眼睛、喙、翅膀、及腿部位置。当所述个体是猪类，所述个体的生理特征包括至少一个体形状、眼睛、唇、嘴、腿部以及尾巴位置。

所述生物识别数据评估引擎108评估所述个体的细节皮肤斑纹的生物识别数据，以及辨别所述个体的生理特征的生物识别数据以形成所述个体的生物识别特征数据。

所述生物识别特征数据比对引擎110将所述个体的生物特征辨识数据与预定已注册个体的特征数据进行比对，决定所述个体是否为已注册，如果所述个体为未注册，则给所述个体一个唯一识别标识，以及将所述唯一识别标识注册于所述数据储存空间112。

所述行为数据比对引擎116将行为数据与预定行为数值范围进行比对。所述参数特征传感器114补捉一条件的参数特征。所述参数特征包括但不限于高度、温度、湿度、盐度、亮度、压力、噪音、伤口、疤痕、咬伤、传感器感染、翻译方向：上、下、左、右，转动：滚转及偏航。

所述参数特征处理引擎118接受一条件的参数特征及一预定可接受数值范围及传送一讯号，如果所述个体为已注册，如果所述生理特征数据在预定范围之内，以及如果所述条件的参数特征在可接受参数数值之内。

所述数据处理和分析引擎120处理和分析至少如左列之中的一项：特定区域或体积中的个体数目、患病个体的不正常行为、个体成长速率或体积的增加或减少、动物健康状态，以及流行病控制，或是处理以及重新使所述特征数据可以以手动方式检视所述数据，其与一个体的唯一识别标识连接，以及可以让人使用于影像或影片的方式检查研究结果。

图2是根据一个示例性的本发明实施方式，描述一个动物用非侵入式生物特征辨识方法的一个流程程序图。一个个体的特征数据，例如所述个体的影像，被至少一种生物特征识别传感器202补捉以及进行图像处理204以形成辨识所述个体的细节皮肤斑纹的生物识别数据以及辨识所述个体的生理特征的生物识别数据。辨识所述个体的细节皮肤斑纹的生物识别数据以及辨识所述个体的生理特征的生物识别数据被进行特征评估206以形成所述个体的生理特征识别数据。所述个体的生理特征识别数据被提取并且与预定已注册个体的特征数据进行特征提取比对208以决定所述个体是否为已注册。如果所述个体未注册，为未知个体210，给予所述个体一个唯一识别标识212以及将所述唯一识别标识注册于一个数据储存空间214。如果所述个体是已注册的已知个体216，连接所述个体的唯一识别标识以接受来自所述生理特征识别传感器的所述个体的行为数据，所述行为数据已进行行为分析218，且所述已分析数据被储存在数据储存空间214中。

图3是根据一个示例性的本发明实施方式，用于证实身份的程序流程图。在图3中被叙述的程序可以在软件中被实行，例如于图1中出现的特征数据处理引擎106、生物识别数据评估引擎108，以及生物识别特征数据比对引擎110。

所述程序以开始认证过程302为开始的第一步，接着补捉认证数据304来决定重点区域306，以决定哪一个区域为后续将被分析的重点。于此之后，产生验证罩308以决定最适面积、角度、规模310，也就是认证数据的哪一个面积、角度、以及规模将被最适化。然后，从所述最适数据提取生物特征辨识特征312，以及最后，对一个个体进行验证身份314。

本发明以鱼类作为案例以更进一步进行如以下所述的解释。

多重生物特征识别

多模态系统指的是一群可以组合一个以上的生物特征辨识识别标识的系统。仅仰赖一种单一生物特征辨识识别标识的生物特征辨识系统经常不能满足需要的使用表现。透过使用细节皮肤斑纹以及一起配合的唯一独特的嘴型、眼睛位置、鳍型、以及鳃的位置，本发明可以找出一个唯一独特的个体鱼类，并且给所述个体一个唯一识别标识以及再将该个体从其它鱼类中辨别出来。

数据搜集传感器

一种或多种传感器被使用来搜集数据以及将资讯转换成为一种电子格式。讯号处理演算法执行品质控制活动并且开发所述生物特征识别模组。一种数据储存构成要件的功能是保留会与新生物特征识别模组相比对的资讯。一种相配演算法将该新生物特征识别模组与一种或多种被保留在数据储存空间中的模组进行比对。最后，一种决策程序使用从相配构成要件得到的结果来做出一种系统级的决定。

如果一种鱼类的模式阵列可以如同其它全部该种类的个体，以相同模型或程序被叙述，下一个问题就是，为什么全部的模式都不同，除了结构类型这个面向以外。前述问题的原因是最终最完善的模式是强烈地取决于初始条件以及边界条件。所述初始条件可以是一种随机模式，其中甚至小变化可以强制使最终模式发生变化，如果所述模型为非线性。一种边界条件可以为一种外部环境条件(比如温度、压力、光条件、盐度等)或是该个体形状。

生物特征识别传感器

为能从游泳鱼类搜集生物识别数据，需要高解析度2d以及3d，配备有一种放大功能以及配合一种可以锁定在一件物件/目标(个体鱼类)的动作侦测系统的陀螺仪稳定式相机。透过使用用于缩放、参考、测量的整合式小型水底雷射，更多数据可以被加入到所述系统中。

是不是鱼？

使用可以分析一种潜在移动目标的演算法(如一种移动鱼类)，透过识别出一种被识别为一种可接受物件(如鱼类)因而需要追踪物件的形状及向量。一种透过使用在鱼身上的唇部及尾部来定位形状及向量的例子是使用在加速式分类号设定之中haar-类的特征。使用haar侦测器来进行独立侦测唇部及尾部的结果已经被进一步改进，其使用所述被侦测的唇部及尾部之间的关系，举例来说，透过基于唇部侦测的结果来限制尾部侦测的搜寻，或反之亦然。使用启发式阈值以消除杂讯，并基于较高幅度表示较强的边缘，而减少非鱼类的边缘。

追踪

如果所述分析软件接受所述物件(鱼类)要处于可以产生出一种可接受的生物识别数据的位置的条件，数据搜集将采用所述物件(鱼类)的高解析图像。所述数据将，即时地，被更进一步处理、过滤，以及转换为基于向量的图像。如果所述计算机要求一种追踪序列来使其能搜集数据，使用一种动作侦测演算法来追踪所述鱼类，举例来说，使用两个演算法的一种组合：

1.一种基于该图像区域的质心的特征向量、所述动作向量、所述鱼类的面积以及方向(主轴线的角度)，比较从框架到框架之间对启发式阈值的变化。

2.使用像素值与色调属于目标对象的直方图的概率的比较，进行hsv(色调、饱和度、值)空间中的颜色匹配。

透过加入用于缩放、参考、以及其它测量的小型水下雷射，配合从高解析度相机(录影相机)得到的数据，可以确保所述生物识别数据的质量

影像处理

向量化采用宽动态范围、透镜畸变修正、杂讯减底、颜色修正、以及缺陷像素修正、影像增强，透过一个强大的计算机完成。举例来说，影像处理已被叙述于patterson等人("constructingandrenderingvetorisedphotogrpahicimages,"journalofvirtualrealtyandbroadcasting,volume9(2012),no.3；urn:nbn:de:009632713)，以及美国专利核准案号6,735,695、7,421,097、7,769,207、7,991.199、8,190,544、8,355,543、8,442,279、以及8,879,804。所述影像处理的方法以参考文献的方式并入本文。

特征提取

在生物特征识别技术中，相较于比对整个影像，生物特征识别点被放置于关键位置，并且采取所有识别点之间的测量。使用多模态系统的情境下，多于一种的生物特征识别技术被合并在一起以增加辨识一个个体的能力。

该结果系被编译成为一个"分数"。这种分数可以很轻易地从任一影像得到并且储存于该数据储存空间中。当获得一个新个体的影像以后，要得到一个成功辨识的需求是，关于所述个体，要使所述系统基于所述影像的生物特征识别编译该"分数"，并且将所述新分数与数据储存空间中的分数进行比对。

换言之，一个生物特征识别系统透过将所述分数与个体的其它已储存的分数进行分析，来执行所述个体的验证与认证。所述系统确认或是拒绝所述个体的身份。与此相关的挑战是从一个位于其栖息地的个体搜集到一个高品质分数。

本发明结合形态特征以及细节皮肤斑纹来识别所述个体。图4表示作为一实例的一种小型金槍鱼(euthynnusalletteratus)的形态特征。于此实例中，一只鱼的不同部位的长度，例如但不限于，鱼叉长度(1)、标准长度(2)、总长度(3)、胸鳍(4)的距离、胸鳍(5)的长度、第二背鳍(6)的距离、腹鳍(7)的距离、眼径(8)、臀鳍(9)的距离、唇长(10)、头长(11)、最大主体高度(12)、第一背鳍(13)的距离、第一背鳍基部(14)长度、第二背鳍基部(15)长度，前述项目可以被测量并用于生物特征识别。

除此之外，图5(a)至5(e)表示所述组合一只鲑鱼的形态特征以及细节皮肤斑纹及它们之间距离和位置的辨识点。如同出现于图5(b)中，记录3个三角面积(共9个标记，例如b1、b2、b3)以分辨出所述鲑鱼。记录每一个标记之间的距离(例如b1与b2、b2与b3、b1与b3之间的距离)，并且记录距离与另一距离之间的比例。举例来说，b1与b2之间的距离与b2与b3之间的距离的比例是1.81；b2与b3之间的距离与b1与b3之间的距离的比例是0.84；b1与b3之间的距离与b1与b2之间的距离的比例是0.66。鲑鱼长大之后，如图5(c)所示，所述3个三角面积(共9的标记，例如b1'、b2'、b3')再度被记录，并且计算出b1'与b2'之间的距离与b2'与b3'之间的距离、b2'与b3'之间的距离与b1'与b3'之间的距离、b1'与b3'间的距离与b1'与b2'之间的距离。如果每一个两标记之间的距离与前一个记录相符(在5％误差中)，所述鱼只被识别为同一只鱼。除了细节皮肤斑纹之外，位于特定区域的标记也可被用来识别鱼只。举例来说，如图5(d)以及5(e)，下颚的终点(d1，d1')、胸鳍(d2，d2')、背鳍的前点(d3，d3')，以及眼睛的中央点(d4，d4')也可以用于识别一只鱼。透过使用带有细节皮肤斑纹的形态特征，位于鱼群中的鱼只个体可以被识别出来。

特征评估

当特征的评估已完成，需要考虑很多会影响程序以及结果的因子。在本发明中使用的演算法需要考量全部可以改变或是干扰一个分数中结果的因子。

一个用于计算鱼只体积、使用长度/重量关系的典型方程式是(m＝al^b)，其中m表示质量，a表示一个常数(其取决于种类；交叉点)，l表示长度以及b为3(立方)。

更进一步的研究表示，当鱼生长到更大时，即存的方程式并未如预想中的来得适合。迹象显示养殖鱼只随着长度增加而变得相对较重(b＞3)。因此，建议是使用m＝bl^2*h，其中h表示所述鱼只的高度或是所述最高点为(b＝3)或是(b≈3)。基于这个知识，例如但不限于，以一个雷射装置测量所述鱼只的长度及高度，以取得准确的体积计算。

许多因子需要被考量。一些因子如左所列：高度、温度、湿度、盐度、亮度、压力、杂讯、伤口、疤痕、咬伤、传感器感染、翻译方向：上、下、左、右，转动：滚转及偏航。被选择使用的演算法评估所述结果以及以高精确率呈现所述结果。

本发明的上述实施方式的许多改变和修改，当然，可以予以进行而不脱离其范围。因此，为了促进科学及实用技术的进步，本发明于此公开并且其意为仅被所附权利要求的范围所限制。