动物信息管理系统和动物信息管理方法与流程

1.本发明涉及一种动物信息管理系统和动物信息管理方法。


背景技术：

2.以往，已知有对动物的个体进行识别来管理动物的培育状态或者健康状态等的技术。在专利文献1中公开了使用图像来进行动物的个体识别的生物体信息处理装置。
3.现有技术文献
4.专利文献
5.专利文献1：日本特开2018-007625号公报


技术实现要素：

6.发明要解决的问题
7.本发明提供一种能够有效地使用静止图像进行动物的个体识别的动物信息管理系统和动物信息管理方法。
8.用于解决问题的方案
9.本发明的一个方式所涉及的动物信息管理系统具备：存储部；以及信息处理部，所述信息处理部进行以下处理：使摄像装置对动物进行跟踪摄像；将在跟踪摄像期间获得的拍进所述动物的静止图像在所述存储部中进行累积；在满足了与所累积的所述静止图像有关的规定的必要条件的情况下，将所述摄像装置设为变焦倍率比所述跟踪摄像期间的变焦倍率高的放大状态，通过使所述放大状态下的所述摄像装置拍摄所述动物，来获取所述动物的识别信息；以及将获取到的所述识别信息以与所累积的所述静止图像相关联的方式存储到所述存储部中。
10.本发明的一个方式所涉及的动物信息管理方法是由计算机执行的动物信息管理方法，所述动物信息管理方法包括以下步骤：使摄像装置对动物进行跟踪摄像；将在跟踪摄像期间获得的拍进所述动物的静止图像在存储部中进行累积；在满足了与所累积的所述静止图像有关的规定的必要条件的情况下，将所述摄像装置设为变焦倍率比所述跟踪摄像期间的变焦倍率高的放大状态，通过使所述放大状态下的所述摄像装置拍摄所述动物，来获取所述动物的识别信息；以及将获取到的所述识别信息以与所累积的所述静止图像相关联的方式存储到所述存储部中。
11.发明的效果
12.本发明的动物信息管理系统和动物信息管理方法能够有效地使用静止图像进行动物的个体识别。
附图说明
13.图1是示出实施方式所涉及的动物信息管理系统的概要结构的图。
14.图2是示出实施方式所涉及的动物信息管理系统的功能结构的框图。
15.图3是猪的体重的估计方法的流程图。
16.图4是示出上方投影形状的一例的图。
17.图5是示出侧方投影形状的一例的图。
18.图6是实施方式所涉及的动物信息管理系统的动作例1的流程图。
19.图7是示出在跟踪摄像期间获得的运动图像的一例的图。
20.图8是示出由放大(zoom in)状态下的摄像装置拍摄的运动图像的一例的图。
21.图9是示出体重的曲线图的一例的图。
22.图10是实施方式所涉及的动物信息管理系统的动作例2的流程图。
23.图11是示出跟踪摄像期间的变焦倍率的变化的一例的图。
24.图12是示出打耳缺的方法的一例的图。
具体实施方式
25.下面，参照附图来说明实施方式。此外，下面说明的实施方式均表示总括或者具体的例子。下面的实施方式中示出的数值、形状、材料、构成要素、构成要素的配置位置及连接方式等为一例，并不旨在限定本发明。另外，下面的实施方式中的构成要素中的没有记载于独立权利要求的构成要素作为任意的构成要素进行说明。
26.此外，各图为示意图，并未严格地进行图示。另外，存在如下情况：在各图中对实质上相同的结构标注相同的标记，并省略或简化重复的说明。
27.(实施方式)
28.[结构]
[0029]
下面，参照附图对实施方式所涉及的动物信息管理系统进行说明。首先，对实施方式所涉及的动物信息管理系统的结构进行说明。图1是示出实施方式所涉及的动物信息管理系统的概要结构的图。图2是实施方式所涉及的动物信息管理系统的功能结构的框图。
[0030]
如图1所示，动物信息管理系统100是能够基于由摄像装置10拍摄的猪圈70内的图像来个别地管理与猪圈70内的多个猪80有关的信息的系统。猪圈70是畜舍的一例，猪80是动物(家畜)的一例。猪80的饲养者能够通过利用动物信息管理系统100来掌握猪80的饲养状况。如图2所示，动物信息管理系统100具备摄像装置10和信息处理装置20。另外，在图2中，还图示了服务器30和信息终端40。
[0031]
摄像装置10是被安装于猪圈70的顶棚等、能够拍摄猪圈70内的整体的摄像机。摄像装置10具有平移(pan)、俯仰(tilt)以及变焦(zoom)功能。摄像装置10例如通过镜头及图像传感器等实现。摄像装置10也可以是全方位摄像机。此外，摄像装置10可以具有tof(time of flight：飞行时间)方式的测距功能(更具体地说，测量从摄像装置10到摄像对象物的距离的测量功能)。
[0032]
信息处理装置20是能够基于由摄像装置10拍摄到的图像来识别猪圈70内存在的多个猪80、并输出多个猪80各自的个别培育信息的装置。个别培育信息例如是估计体重，但也可以是估计移动量等。信息处理装置20具备第一通信部21、信息处理部22、第二通信部23以及存储部24。
[0033]
第一通信部21是用于信息处理装置20与摄像装置10进行通信的通信电路(通信模块)。第一通信部21例如获取由摄像装置10拍摄到的图像(换言之，图像数据)。通过第一通
信部21进行的通信可以为有线通信，也可以为无线通信。对于通过第一通信部21进行的通信的通信标准也没有特别限定。
[0034]
信息处理部22经由第一通信部21来控制摄像装置10。另外，信息处理部22使用由摄像装置10获取到的图像进行信息处理，来估计猪圈70内存在的多个猪80各自的个别培育信息。信息处理部22例如通过微计算机实现，但也可以通过处理器实现。
[0035]
第二通信部23是用于信息处理装置20通过因特网50等广域通信网络来与其它装置进行通信的通信电路(通信模块)。第二通信部23例如将多个猪80各自的个别培育信息向服务器30或者信息终端40发送。若向饲养者拥有的信息终端40发送这种个别培育信息，则饲养者能够掌握猪圈70内的猪80的培育状况。此外，也可以经由服务器30来向信息终端40发送个别培育信息。此外，服务器30可以通过lan(local area network：局域网)等通信网络来与信息终端40连接，在该情况下，饲养者也能够在lan内利用信息终端40。通过第二通信部23进行的通信可以为有线通信，也可以为无线通信。对于通过第二通信部23进行的通信的通信标准也没有特别限定。
[0036]
存储部24是存储为了使信息处理部22进行信息处理而执行的程序以及在信息处理中使用的各种信息的存储装置。具体地说，存储部24通过半导体存储器实现。
[0037]
此外，对猪圈70内的猪80安装有识别标签90。识别标签90是为了识别猪80的个体而使用的圆板状的构件，例如通过聚氨酯树脂形成。识别标签90包括通过多种颜色的排列来表示猪80的识别信息(换言之，id)的颜色代码91。
[0038]
颜色代码91通过除了白和黑以外的互不相同的多种颜色(例如，r(红)、g(绿)、b(蓝)3种颜色)的排列来表示猪80的识别信息。在颜色代码91中，通过相邻的颜色来决定比特的值。预先决定有用于将颜色代码91识别为数字数据的如下规则：例如，在颜色代码91中相邻的颜色分别从红变为蓝、从蓝变为绿、从绿变为红的情况下，比特为“1”，在相邻的颜色分别从红变为绿、从绿变为蓝、从蓝变为红的情况下，比特为“0”等。此外，在识别标签90中，将多种颜色排列为c字状(换言之，朗多环(landolt ring)状)，但是也可以是多种颜色排列成直线状，还可以排列成矩阵状。
[0039]
[体重的估计]
[0040]
信息处理部22例如能够基于由摄像装置10拍摄到的静止图像中拍进的猪80的投影形状来估计猪80的体重。首先，说明猪80的体重的估计方法的一例。图3是猪80的体重的估计方法的流程图。
[0041]
信息处理部22能够通过确定静止图像中的拍进猪80的部分并以所确定出的部分为对象进行轮廓提取处理，由此得到猪80的投影形状。信息处理部22例如从通过摄像装置10拍摄到的多个静止图像中获取多个投影形状，从该多个投影形状中选择从上方观察到的投影形状(下面简单记载为上方投影形状)(s11)。具体地说，信息处理部22使用机器学习模型等来选择上方投影形状。图4是示出上方投影形状的一例的图。
[0042]
接着，信息处理部22计算上方投影形状的投影面积s(s12)。对静止图像关联有拍摄到该静止图像时的摄像装置10的平移角度、倾斜角度以及变焦倍率等摄像条件信息。信息处理部22基于这些摄像条件信息及静止图像内的猪80的位置的信息等，将静止图像内的长度变换为实际尺寸，由此能够计算投影面积s。
[0043]
接着，信息处理部22从多个投影形状中选择从侧方观察到的投影形状(下面简单
记载为侧方投影形状)(s13)。具体地说，信息处理部22能够使用机器学习模型等来选择侧方投影形状。图5是示出侧方投影形状的一例的图。然后，信息处理部22根据侧方投影形状来计算体高h(s14)。如上所述，对静止图像关联有拍摄到该静止图像时的摄像装置10的平移角度、倾斜角度以及变焦倍率等摄像条件信息。信息处理部22基于这些摄像条件信息及静止图像内的猪80的位置的信息等，将静止图像内的长度变换为实际尺寸，由此能够计算体高h。
[0044]
在存储部24中存储有用于使用投影面积s和体高h来计算估计体重的函数或数据表。信息处理部22能够使用这种函数或数据表来计算(估计)猪80的体重(s15)。
[0045]
此外，体重的估计方法并不限定于如上所述的方法。信息处理部22例如也可以通过图像处理技术来根据从互不相同的视点拍摄猪80所得到的3种以上的静止图像估计猪80的体重。
[0046]
[动作例1]
[0047]
为了进行如上所述的体重的估计，摄像装置10需要对猪圈70内的多个猪80分别拍摄能够获取上方投影形状的静止图像以及能够获取侧方投影形状的静止图像。因此，对用于拍摄这样的静止图像的动物信息管理系统100的动作例1进行说明。图6是动物信息管理系统100的动作例1的流程图。
[0048]
首先，摄像装置10拍摄猪圈70内的整体(s21)。信息处理部22通过对摄像期间的运动图像进行轮廓提取处理等来探测任意1头猪80(s22)，使摄像装置10开始对探测到的1头猪进行跟踪摄像(s23)。
[0049]
跟踪摄像是指对摄像装置10的平移角度、倾斜角度以及变焦倍率中的至少一者进行控制使得即使作为跟踪对象的猪80在猪圈70内移动也使作为跟踪对象的猪80的整体始终映现于摄像装置10的摄像范围内的摄像方法。图7是示出在跟踪摄像期间获得的运动图像的一例的图。像这样的跟踪摄像能够通过使用人工智能的方法等已有的算法来实现。此外，跟踪摄像期间的变焦倍率被设定为在摄像范围内(也就是静止图像内)以尽可能大的尺寸拍摄猪80。跟踪摄像期间的变焦倍率例如是固定的。
[0050]
接着，信息处理部22将在跟踪摄像期间拍进猪80的静止图像在存储部24中进行累积(s24)。信息处理部22例如对在跟踪摄像期间获得的运动图像进行作为跟踪对象的猪80的轮廓提取处理，将使用机器学习模型等提取出的轮廓被判定为与上方投影形状相对应时的静止图像存储到存储部24中。同样，信息处理部22将使用机器学习模型等提取出的轮廓被判定为与侧方投影形状相对应时的静止图像存储到存储部24中。
[0051]
像这样，在步骤s24中，累积能够提取上方投影形状的静止图像以及能够提取侧方投影形状的静止图像。此外，根据体重的估计方法的不同，有时需要除上方投影形状和侧方投影形状以外的其它投影形状，在这种情况下，在步骤s24中也可以累积其它投影形状。
[0052]
另外，在步骤s24中，信息处理部22对静止图像关联拍摄到该静止图像时的摄像装置10的平移角度、倾斜角度以及变焦倍率等摄像条件信息。这样的摄像条件信息是间接地表示作为跟踪对象的猪80在猪圈70内的位置的位置信息的一例。此外，在步骤s24中，信息处理部22也可以基于摄像条件信息以及静止图像内的作为跟踪对象的猪80的位置信息等，来确定作为跟踪对象的猪80在猪圈70内的坐标信息，并将确定出的坐标信息与静止图像进行关联。这样的坐标信息是间接地表示作为跟踪对象的猪80在猪圈70内的位置的位置信息
的一例。
[0053]
接着，信息处理部22判定是否满足与所累积的静止图像有关的规定的必要条件(s25)，继续累积静止图像(s25：“否”)，直到满足规定的必要条件。规定的必要条件例如是分别累积有规定数量以上的能够提取上方投影形状的静止图像以及能够提取侧方投影形状的静止图像。也就是说，规定的必要条件是与静止图像的数量有关的必要条件。
[0054]
信息处理部22在判定为满足了与所累积的静止图像有关的规定的必要条件时(s25：“是”)，将摄像装置10设为变焦倍率比跟踪摄像期间的变焦倍率高的放大状态(s26)。图8是示出由放大状态下的摄像装置10拍摄的运动图像的一例的图。如图8所示，在由放大状态下的摄像装置10拍摄的运动图像中，放大地拍出作为跟踪对象的猪80的头部。也就是说，识别标签90被拍得大。因此，信息处理部22从这样的运动图像中获取作为跟踪对象的猪80的识别信息(s27)。如图8所示，如果在运动图像中拍进识别标签90的颜色代码91，则信息处理部22能够获取运动图像中拍进的猪80的识别信息。此外，关于变焦倍率，可以通过变更摄像装置10所具备的镜头的配置等来以光学方式进行变更，也可以通过对图像进行信号处理来进行变更。
[0055]
然后，信息处理部22将步骤s27中获取到的识别信息以与步骤s24中所累积的静止图像相关联的方式存储到存储部24中(s28)。之后只要重复进行步骤s21～步骤s28的处理，则将猪圈70内的多个猪80各自的识别信息、能够提取上方投影形状的静止图像以及能够提取侧方投影形状的静止图像以组的形式进行存储。基于像这样的信息组，使用上述图3的估计方法则能够每天将猪圈70内的多个猪80各自存储到存储部24中。像这样的每天的体重信息例如被发送到服务器30并在服务器30内存储(管理)该体重信息。另外，如果将这样的每天的体重信息提供给信息终端40，则信息终端40能够将图9那样的曲线图显示于显示画面。图9是示出体重的曲线图的一例的图。
[0056]
如以上说明的那样，在动作例1中，动物信息管理系统100仅在满足了估计猪80的体重所需的必要条件时进行获取识别信息的控制，因此能够抑制不必要地进行用于获取识别信息的处理。也就是说，动物信息管理系统100能够有效地使用图像来进行猪80的个体识别。
[0057]
[动作例2]
[0058]
摄像装置10也可以进行多个猪80(例如2头，但也可以为3头以上)的跟踪摄像。图10是这样的动物信息管理系统100的动作例2的流程图。
[0059]
首先，摄像装置10如图1所示那样拍摄猪圈70内的整体(s31)。信息处理部22通过对摄像期间的运动图像进行轮廓提取处理等来探测任意的多个猪80(s32)，使摄像装置10开始对探测到的多个猪进行跟踪摄像(s33)。
[0060]
在跟踪摄像期间，对摄像装置10的平移角度、倾斜角度以及变焦倍率进行控制，使得即使作为跟踪对象的多个猪80在猪圈70内移动也使作为跟踪对象的多个猪80的整体始终映现于摄像装置10的摄像范围内。像这样的跟踪摄像能够通过使用人工智能的方法等已有的算法来实现。此外，跟踪摄像期间的变焦倍率被设定为在摄像范围内(也就是静止图像内)以尽可能大的尺寸拍摄多个猪80。跟踪摄像期间的变焦倍率例如是固定的。
[0061]
接着，信息处理部22将在跟踪摄像期间拍进多个猪80的静止图像在存储部24中进行累积(s34)。信息处理部22例如对在跟踪摄像期间获得的运动图像进行作为跟踪对象的
多个猪80的轮廓提取处理，将使用机器学习模型等提取出的至少一个猪的轮廓被判定为与上方投影形状相对应时的静止图像存储到存储部24中。同样，信息处理部22将使用机器学习模型等提取出的至少一个猪的轮廓被判定为与侧方投影形状相对应时的静止图像存储到存储部24中。此外，对静止图像关联表示能够从该静止图像中提取多个猪80中的哪个猪的投影形状的临时的识别信息。
[0062]
像这样，在步骤s34中，累积能够提取上方投影形状的静止图像以及能够提取侧方投影形状的静止图像。此外，根据体重的估计方法的不同，有时需要除上方投影形状和侧方投影形状以外的其它投影形状，在这种情况下，在步骤s34中也可以累积其它投影形状。
[0063]
另外，在步骤s34中，信息处理部22对静止图像关联拍摄到该静止图像时的摄像装置10的平移角度、倾斜角度以及变焦倍率等摄像条件信息。此外，在步骤s34中，信息处理部22也可以基于摄像条件信息以及静止图像内的作为跟踪对象的猪80的位置信息等，来确定作为跟踪对象的猪80在猪圈70内的坐标信息，并将确定出的坐标信息与静止图像进行关联。
[0064]
接着，信息处理部22判定是否满足与所累积的静止图像有关的规定的必要条件(s35)，继续累积静止图像(s35：“否”)，直到满足规定的必要条件。规定的必要条件例如是针对作为跟踪对象的多个猪80中的1头猪80分别累积有规定数量以上的能够提取上方投影形状的静止图像以及能够提取侧方投影形状的静止图像。步骤s35的判定能够通过上述的临时的识别信息来实现。
[0065]
信息处理部22在判定为满足了与所累积的静止图像有关的规定的必要条件时(s35：“是”)，选择被累积了规定数量以上的静止图像的上述1头猪(s36)，将摄像装置10设为变焦倍率比跟踪摄像期间的变焦倍率高的放大状态，以拍摄所选择的猪的头部(s37)。然后，信息处理部22从放大状态下的摄像装置10所拍摄的运动图像中获取所选择的猪80的识别信息(s38)。
[0066]
然后，信息处理部22将步骤s38中获取到的识别信息以与步骤s34中所累积的静止图像相关联的方式存储到存储部24中(s39)。此时，废弃步骤s34中所累积的静止图像中的、与所选择的猪80无关的静止图像(例如，只能提取未被选择的猪80的上方投影形状(或侧方投影形状)的静止图像)。之后只要重复进行步骤s31～步骤s39的处理，则将猪圈70内的多个猪80各自的识别信息、能够提取上方投影形状的静止图像以及能够提取侧方投影形状的静止图像以组的形式进行存储。
[0067]
如以上说明的那样，在动作例2中，动物信息管理系统100能够将多个猪80作为体重的估计对象的候选来累积静止图像。
[0068]
[变形例1]
[0069]
在上述实施方式中，设为摄像装置10在跟踪摄像期间的变焦倍率固定而进行了说明，但摄像装置10在跟踪摄像期间的变焦倍率也可以被变更。图11是示出跟踪摄像期间的变焦倍率的变化的一例的图。
[0070]
如图11所示，摄像装置10在跟踪摄像期间的变焦倍率基本上是第一变焦倍率。然而，摄像装置10的变焦倍率在包含静止图像的摄像时刻t的期间t1是倍率比第一变焦倍率高的第二变焦倍率。也就是说，信息处理部22使跟踪摄像期间中的包含静止图像的摄像时刻t的期间t1的摄像装置10的变焦倍率比跟踪摄像期间中的其它期间t2的摄像装置10的变
焦倍率高。由此，静止图像中拍进的猪80的尺寸变大，因此能够得到更准确的投影形状。
[0071]
[变形例2]
[0072]
在上述实施方式中，规定的必要条件是与静止图像的数量有关的必要条件，但是规定的必要条件并不限定于这样的必要条件。规定的必要条件例如也可以是与静止图像中拍进的猪80的投影形状有关的必要条件。
[0073]
例如，作为体重的估计方法，在需要从互不相同的n种(n为2以上的整数)视点拍摄猪80所得到的投影形状、且信息处理部22能够区分识别为m种(m为比n大的整数)那样的情况下，规定的必要条件也可以是在存储部24中累积有能够提取m种投影形状中的n种投影形状的静止图像。
[0074]
[变形例3]
[0075]
在上述实施方式中，信息处理部22使用识别标签90来获取猪80的识别信息，但这样的识别信息的获取方法是一例。
[0076]
例如，也可以是，对多个猪80分别打耳缺，信息处理部22通过检测运动图像中拍进的耳缺来获取猪80的识别信息。图12是示出打耳缺的方法的一例的图。耳缺是猪的特征部位的一例。
[0077]
如图12所示，耳缺是指在耳朵的端部形成缺口。能够根据缺口的数量和位置来识别猪80。信息处理部22能够通过图像处理(例如轮廓提取处理)来确定运动图像中拍进的耳缺的位置和数量，从而获取猪80的识别信息。
[0078]
另外，信息处理部22也可以通过检测运动图像中拍进的猪80的特征部位的外形来获取猪80的识别信息。具体地说，特征部位是鼻子、眼睛、头部(脸)的轮廓、尾巴、耳朵或者角(在对象是有角的动物的情况下)等。在该情况下，预先将猪圈70内的多个猪80各自的特征部位的外形作为基准外形存储到存储部24中。将基准外形与识别信息相对应地进行存储。
[0079]
信息处理部22通过图像处理(例如轮廓提取处理)来检测运动图像中拍进的猪80的特征部位的外形。信息处理部22能够将检测出的外形与存储部24中存储的多个基准外形分别进行比较，来获取与最类似的基准外形对应的识别信息作为猪80的识别信息。
[0080]
[效果等]
[0081]
一般来说，通过图像处理将猪80的体重与该猪80的识别信息相关联来进行管理的方法存在研究的余地。例如，存在如果对拍进多个猪80的静止图像进行图像处理则能够一并地估计多个猪的体重的可能性，但是像这样的静止图像中拍进的猪80的特征部位(或者识别标签90)变小，因此难以使用该静止图像来进行多个动物的个体识别。另一方面，当提高变焦倍率来拍摄静止图像以能够识别猪80的特征部位时，存在无法拍摄猪80的整体从而无法估计体重的可能性。
[0082]
根据以上的情况，考虑到仅在获取猪80的识别信息时提高变焦倍率的结构，但是如果在这样的结构中频繁地进行变焦倍率的变更，则存在无法有效地获取识别信息的可能性。
[0083]
因此，动物信息管理系统100具备存储部24和信息处理部22。信息处理部22使摄像装置10对猪80进行跟踪摄像，将在跟踪摄像期间获得的拍进猪80的静止图像在存储部24中进行累积，在满足了与所累积的静止图像有关的规定的必要条件的情况下，将摄像装置10
设为变焦倍率比跟踪摄像期间的变焦倍率高的放大状态，通过使放大状态下的摄像装置10拍摄猪80，来获取猪80的识别信息，并将获取到的识别信息以与所累积的静止图像相关联的方式存储到存储部24中。猪80是动物的一例。
[0084]
通过这样的动物信息管理系统100，如果仅在满足了估计猪80的体重所需的必要条件时进行获取识别信息的控制，则能够抑制不必要地进行用于获取识别信息的处理。也就是说，动物信息管理系统100能够有效地使用图像进行猪80的个体识别。
[0085]
另外，例如，信息处理部22将直接或间接地表示存储部24中累积的静止图像中拍进的猪80的位置的位置信息以与该静止图像相关联的方式存储到存储部24中。
[0086]
这样的动物信息管理系统100能够将识别信息及位置信息以与静止图像相关联的方式进行存储。
[0087]
另外，例如，信息处理部22使摄像装置10对多个猪80进行跟踪摄像，将在跟踪摄像期间获得的拍进多个猪80的静止图像在存储部24中进行累积，在满足了规定的必要条件的情况下，使放大状态下的摄像装置10拍摄多个猪80中的一个猪80，来获取一个猪80的识别信息，并将获取到的一个猪80的识别信息以与所累积的静止图像相关联的方式存储到存储部24中。
[0088]
这样的动物信息管理系统100能够对拍进多个猪80的静止图像进行累积。
[0089]
另外，例如，信息处理部22使跟踪摄像期间中的包含静止图像的摄像时刻t的期间t1的摄像装置10的变焦倍率比跟踪摄像期间中的其它期间t2的摄像装置10的变焦倍率高。
[0090]
由此，静止图像中拍进的猪80的尺寸变大，因此能够得到更准确地拍进猪80的静止图像。
[0091]
另外，例如，对猪80安装有识别标签90，该识别标签90通过互不相同的多种颜色的排列来表示该猪80的识别信息。信息处理部22基于由放大状态下的摄像装置10拍摄到的识别标签90，来获取猪80的识别信息。识别标签90是识别用构件的一例。
[0092]
这样的动物信息管理系统100能够通过检测识别标签90来获取猪80的识别信息。
[0093]
另外，例如，信息处理部22基于由放大状态下的摄像装置10拍摄到的猪80的特征部位，来获取猪80的识别信息。
[0094]
这样的动物信息管理系统100能够通过检测耳缺等猪80的特征部位来获取猪80的识别信息。
[0095]
另外，例如，规定的必要条件是与静止图像的数量有关的必要条件。
[0096]
这样的动物信息管理系统100能够基于与静止图像的数量有关的必要条件，来有效地使用图像进行猪80的个体识别。
[0097]
另外，例如，规定的必要条件是与静止图像中拍进的猪80的投影形状有关的必要条件。
[0098]
这样的动物信息管理系统100能够基于与静止图像中拍进的猪80的投影形状有关的必要条件，来有效地使用图像进行猪80的个体识别。
[0099]
另外，例如，由动物信息管理系统100等的计算机执行的动物信息管理方法使摄像装置10对猪80进行跟踪摄像，将在跟踪摄像期间获得的拍进猪80的静止图像在存储部24中进行累积，在满足了与所累积的静止图像有关的规定的必要条件的情况下，将摄像装置10设为变焦倍率比跟踪摄像期间的变焦倍率高的放大状态，通过使放大状态下的摄像装置10
拍摄猪80，来获取猪80的识别信息，并将获取到的识别信息以与所累积的静止图像相关联的方式存储到存储部24中。
[0100]
通过这样的动物信息管理方法，如果仅在满足了估计猪80的体重所需的必要条件时进行获取识别信息的控制，则能够抑制不必要地进行用于获取识别信息的处理。也就是说，动物信息管理方法能够有效地使用图像进行动物的个体识别。
[0101]
(其它实施方式)
[0102]
以上对实施方式进行了说明，但是本发明并不限定于上述实施方式。
[0103]
例如，动物信息管理系统对猪圈内的猪的信息进行了管理，但是也可以管理牛等除猪以外的家畜的信息。另外，动物信息管理系统也可以使用于畜产以外的用途，例如可以使用于动物园等。
[0104]
另外，在上述实施方式中，特定的处理部所执行的处理也可以由其它的处理部来执行。另外，可以变更多个处理的顺序，也可以并行执行多个处理。
[0105]
另外，在上述实施方式中，各构成要素可以通过执行适于各构成要素的软件程序来实现。各构成要素也可以通过cpu或者处理器等程序执行部读出硬盘或者半导体存储器等记录介质中记录的软件程序并执行程序来实现。
[0106]
另外，各构成要素可以通过硬件实现。例如，控制部等构成要素也可以为电路(或者集成电路)。这些电路可以整体上构成1个电路，也可以为各自独立的电路。另外，这些电路可以分别为通用的电路，也可以为专用的电路。
[0107]
另外，本发明的总体或者具体的方式可以通过系统、装置、方法、集成电路、计算机程序或者计算机可读取的cd-rom等记录介质实现。另外，也可以通过系统、装置、方法、集成电路、计算机程序以及记录介质的任意组合来实现。
[0108]
例如，本发明可以作为由动物信息管理系统等的计算机执行的动物信息管理方法来实现，也可以作为用于使计算机执行动物信息管理方法的程序来实现，还可以作为记录有这种程序的计算机可读的非暂态的记录介质来实现。
[0109]
另外，在上述实施方式中，动物信息管理系统通过多个装置实现，但是也可以作为单个装置来实现。在动物信息管理系统通过多个装置实现的情况下，上述实施方式中所说明的动物信息管理系统具备的构成要素可以通过任意方式被分配给多个装置。
[0110]
另外，动物信息管理系统也可以作为客户端服务器系统(client server system)来实现。在该情况下，在上述实施方式中说明的由信息处理装置进行的处理的一部分或者全部通过服务器来进行。
[0111]
此外，对各实施方式实施本领域技术人员所想到的各种变形而得到的方式、或者在不脱离本发明的宗旨的范围内将各实施方式中的构成要素和功能任意组合而实现的方式也包含在本发明中。
[0112]
附图标记说明
[0113]
10：摄像装置；20：信息处理装置；22：信息处理部；24：存储部；80：猪(动物)；90：识别标签(识别用构件)；100：动物信息管理系统。