From classical methods to animal biometrics: A review on cattle identification and tracking

Awad, Ali Ismail

doi:10.1016/j.compag.2016.03.014

Cited by 129 publications

(71 citation statements)

References 69 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…For instance, it can be used to deal with challenges in the healthcare sector where doctors and patients can gain access to medical devices and systems by using their biometrics, e.g., fingerprints, instead of remembering and entering a complex password [7,8]. Meanwhile, the biometrics technology is also studied for the use of cattle identification and tracking in the agriculture sector [9,10].…”

Section: Overviewmentioning

confidence: 99%

Integration of Biometrics and Steganography: A Comprehensive Review

et al. 2019

View full text Add to dashboard Cite

The use of an individual’s biometric characteristics to advance authentication and verification technology beyond the current dependence on passwords has been the subject of extensive research for some time. Since such physical characteristics cannot be hidden from the public eye, the security of digitised biometric data becomes paramount to avoid the risk of substitution or replay attacks. Biometric systems have readily embraced cryptography to encrypt the data extracted from the scanning of anatomical features. Significant amounts of research have also gone into the integration of biometrics with steganography to add a layer to the defence-in-depth security model, and this has the potential to augment both access control parameters and the secure transmission of sensitive biometric data. However, despite these efforts, the amalgamation of biometric and steganographic methods has failed to transition from the research lab into real-world applications. In light of this review of both academic and industry literature, we suggest that future research should focus on identifying an acceptable level steganographic embedding for biometric applications, securing exchange of steganography keys, identifying and address legal implications, and developing industry standards.

show abstract

Section: Overviewmentioning

confidence: 99%

Integration of Biometrics and Steganography: A Comprehensive Review

et al. 2019

View full text Add to dashboard Cite

show abstract

“…Şekil 1. Bir kameranın görüntüsünde 60x1x1m2 alanlara ayrılan eYeNamic ile donatılmış bir piliç evindeki zemin yüzeyinin resmi [12] Son yıllarda sığır, bizon ve inek gibi hayvanların tekil olarak tanınması, hastalık izleme, aşılama ve ürün yönetimi, hayvanın takibi ve hayvan sahiplerinin belirlenmesi gibi konuların anlamlandırılması için önemli bir rol oynamıştır [15]. Biyometrik olarak sığır tanıma ve izleme bir işaretçi ve kimlik ile sığırın doğru olarak sınıflandırılmasını sağlayan bir dizi prosedürden oluşmaktadır.…”

Section: Li̇teratür Araştirmasi Ve Benzer çAlişmalarunclassified

Daha Hızlı Bölgesel-Evrişimsel Sinir Ağları ile Sığır Yüzlerinin Tanınması

Dandıl

Turkan

Boğa

et al. 2019

Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi

View full text Add to dashboard Cite

Süt sığırcılığı işletmelerinde sürülerinin yönetilmesinden ziyade ineklerin bireysel olarak refahı ve sağlıklı olmasına yönelik hassasiyet son yıllarda artmıştır. Bu durumun sonucu olarak, bireysel olarak hayvanların takip edilme ihtiyacı ortaya çıkmıştır. Hayvanlar için biyometrik veriler kullanılarak oluşturulacak sistemler, hayvanları bireysel olarak tanınmasına yardımcı olmaktadır. Hayvanlardan elde edilen yüz, burun, iris gibi bireysel biyometrik veriler işlenerek makine öğrenmesi temelli sistemler oluşturulabilir. Bu çalışmada, derin öğrenmede önemli bir model olan Daha Hızlı Bölgesel-Evrişimsel Sinir Ağları(DHB-ESA) kullanılarak, sığırların yüz görüntülerinin sınıflandırılarak tanınması gerçekleştirilmiştir. Çalışmada öncelikle, bir besi yerinde bulunan sığırlardan yüz görüntülerini içeren görüntüleri alınarak bir veriseti oluşturulmuştur. Daha sonra, sığır görüntülerindeki yüz bölgeleri, uygulama ile işaretlenerek sığır sınıflarına göre etiketlenmiştir. Deneysel çalışmalar kapsamında, veriseti içerisinden beş farklı sığıra ait toplamda 1579 görüntüden oluşan bir alt küme oluşturulmuştur. Bu küme, ağın eğitimi için 1129 görüntü ve test işlemi için ise 450 görüntü olacak şekilde gruplandırılmıştır. Sığır yüz görüntüleri ön-eğitimli bir ağ üzerinde eğitildikten sonra, gerçekleştirilen test işlemlerinde sığır yüz görüntüleri %98.44 doğruluk ile başarılı bir şekilde sınıflandırılmıştır. Önerilen bilgisayar destekli bu yaklaşımın, sığırların yüzlerinin tanınmasında ikincil bir araç olarak uzmanlar tarafından farklı amaçlar için kullanılabileceği öngörülmektedir.

show abstract

“…The concept of animal tracking has been around for some time now. Classical cattle identification and tracking methods such as ear tags, branding, tattooing, and electrical methods have long been in use; however, their performance is limited due to their vulnerability to losses, duplications, fraud, and security challenges [3]. A fundamental challenge common to studies of animal movement, behavior, and ecology is the collection of high-quality datasets on spatial positions of animals as they change through space and time.…”

Section: Introductionmentioning

confidence: 99%

An Improved Energy-Efficient Prediction-based Model for Animal Tracking in Wireless Sensor Networks

Akinyemi¹,

Olutayo²

2020

IJCA

View full text Add to dashboard Cite

Most of the existing algorithms in Wireless Sensor Network (WSN) used to track the movement of animals consumes a lot of energy. These have led to discontinuation of tracking when the energy runs down. In this paper, an energy-efficient animal tracking model is proposed to improve the connection availability and duration of tracking by decreasing the energy consumption for sensing. An existing animal tracking model, which employed an energy-saving algorithm approach was selected. A simulation was carried to observe the energy consumption of the model using connection availability and connection duration as performance metrics. Then, an energyefficient model was formulated by employing Predictionbased Variable Radius Sensor Activation algorithm (PRVARSA). A 15 minutes simulation was performed in a Wireless Sensor network consisting of 50, 100 and 200 sensor nodes randomly distributed in the network area. The performance of the formulated model was evaluated by benchmarking it with the existing model using the same metrics. The results showed that the average energy consumption of proposed and existing models are 3.93 J and 24.38 J respectively. It was observed that the proposed model consumed less energy for sensing and kept tracking the target after 13 minutes with an average energy consumption value below 20 J. Also, the proposed model provided higher connection availability of 115 compared to 0 for the existing model. The study concluded that the proposed model provides better energy-saving and thus extended the lifetime of the Wireless Sensor Network in a tracking system.

show abstract

From classical methods to animal biometrics: A review on cattle identification and tracking

Cited by 129 publications

References 69 publications

Integration of Biometrics and Steganography: A Comprehensive Review

Integration of Biometrics and Steganography: A Comprehensive Review

Daha Hızlı Bölgesel-Evrişimsel Sinir Ağları ile Sığır Yüzlerinin Tanınması

An Improved Energy-Efficient Prediction-based Model for Animal Tracking in Wireless Sensor Networks

Contact Info

Product

Resources

About