ANIMAIS

Campo da invenção :

[001] A presente invenção se aplica no campo de sistemas inteligentes e de dados, mais precisamente na área de iden tificação, localização e gerenciamento de informação de ani mais domésticos perdidos, domiciliados ou de rua.

Fundamentos da invenção:

[002] A relação entre o ser humano e os animais de es timação, como cães e gatos, vem tomando grandes proporções. A população de cachorros em domicílios brasileiros supera em mais de duas vezes a de gatos. No Brasil, há aproximadamente 52,2 milhões de cães e 22,1 milhões de gatos criados em domicílio, segundo dados da Pesquisa Nacional de Saúde, di vulgada pelo Instituto Brasileiro de Geografia e Estatística [1] -

[003] Segundo a Associação Brasileira da Indústria de Produtos para Animais de Estimação (ABINPET), estima-se um aumento de 4,5% de cães ao ano até 2020, quando o país terá 71 milhões de animais; quase o dobro do número de crianças [2] .

[004] Segundo o Departamento de Proteção e Bem-estar Animal de Campinas, a cidade abriga aproximadamente 200 mil cães e 80 mil gatos que vivem em 52% dos lares da cidade. Além disso, mais de 20 mil animais vivem em situação de abandono, sofrimento e vítimas de maus tratos nas ruas e praças do município.

[005] A fuga de animais domésticos, aliada à comum au sência de identificação, muitas vezes impede a pronta devo lução do animal ao seu dono, o que leva o animal foragido à condição de animal de rua. O fato é que este problema urbano é um caso de saúde pública.

[006] A maioria dos problemas advindos da convivência com animais em áreas urbanas diz respeito aos cães. Os prin cipais são: danos ambientais, acidentes de trânsito (atropelamentos), transmissão de doenças e mordeduras que, no município de São Paulo, totalizaram cerca de 20 mil notifi cações entre os anos de 2008 e 2009 [3] .

[007] Este dado é especialmente preocupante no Brasil, onde ainda circula a variante 2 do vírus rábico, principal variante antigênica transmitida ao homem pelos animais, se jam eles domésticos ou silvestres, principalmente por meio da mordedura. Além disso, uma extensa lista de zoonoses pode ser atribuída aos cães e gatos [4] .

[008] Assim, o cadastramento do animal de estimação au xilia, não apenas na recuperação de um animal que fugiu de casa, mas também no bem-estar deste animal de maneira geral, pois através deste é possível identificar o proprietário, responsabilizando-o por eventuais omissões. Chama a atenção para a saúde pública o fato do abandono de animais, que aumenta a cada ano em razão do crescimento da população, especialmente em época de férias [5].

[009] O Boletim Eletrónico Epidemiológico [6] informa que as zoonoses representam 75% das doenças infecciosas emer gentes no mundo, apontando um grande problema para saúde pública. As ocorrências de notificação zoonótica representam 40% dos casos importantes para a saúde pública registrados no período de 03/2006 a 02/2010.

[010] Embora o contato com animais traga riscos, a fre quência da maioria das doenças zoonóticas pode ser reduzida, ou até eliminada, mediante práticas de manejo e políticas públicas adequadas.

[011] A American Society for the Preventíon of Cruelty to Animais (ASPCA) realizou um estudo [7], em 2012, com a compilação dos dados de aproximadamente 7000 entrevistas te lefónicas. Nas famílias pesquisadas, 14% dos cães e 15% dos gatos foram perdidos pelo menos uma vez nos últimos cinco anos. Desses animais de estimação perdidos, 93% dos cães e 75% dos gatos foram encontrados - o que significa que 7% de cães e 25% de gatos nunca foram encontrados. Considerando que existem aproximadamente 86,4 milhões de gatos e 78,2 milhões de cães nos EUA, de 5 a 7 milhões de animais de estimação podem estar em condição de rua.

[012] Ainda de acordo com a pesquisa [7], 49% dos cães foram encontrados pesquisando na vizinhança, assim como 30% dos gatos; 59% dos gatos retornaram por conta própria.

[013] As placas de identificação ou microchips foram responsáveis por identificar 15% dos cães perdidos.

[014] No Brasil, a maioria dos animais de estimação não usam placas de identificação ou microchips. O baixo número de leitores de microchip atualmente em uso no Brasil torna esse meio de identificação pouco efetivo e, além disso, há alguns incovenientes que desmotivam a sua ampla utilização, como por exemplo, o fato de que para se verificar que um animal tem microchip, e lê-lo, este deverá estar quieto junto à pessoa que faz a leitura, passando o aparelho leitor de microchip rente ao dorso do animal, e no caso de não se ter sinal, rastrear outras partes do animal, pois o microchip pode ter se deslocado. Esse requisito duplo: equipamento especial e animal imóvel, junto ao leitor, torna a identificação via microchip pouco eficiente em termos de comodidade, velocidade, etc.

Estado da técnica:

[015] Alguns documentos do estado da técnica descrevem sistemas e métodos de identificação e localização de anirnais domésticos .

[016] O documento US2015131868 , "SYSTEM AND METHOD FOR

MATCHING AN ANIMAL TO EXISTING ANIMAL PROFILES" , retrata um sistema e um método de identificação de animais domésticos perdidos, onde entra-se com uma imagem de um animal "supos- tamente perdido" e, com auxilio de um banco de dados, determina-se o grau de correlação entre os animais cadastrados como perdidos e o animal "supostamente perdido". A referida tecnologia apresenta, de acordo com análise da imagem, a porcentagem da possibilidade de o animal encontrado ser algum no banco de dados. O classificador usa apenas uma imagem da face para o cadastro de pets. Apenas pets informados como perdidos são pesquisados. Em contrapartida, a presente in venção pode armazenar muitas imagens de animais, em diversos ângulos e poses, de modo a utilizar caracteristicas corpó- reas para identificar o indivíduo, não requerendo necessariamente uma imagem frontal e próxima para a identificação. Ά captura de imagens não se restringe ao smartphone e pode ser feita com outros equipamentos , como câmeras de onitora- ento, drones, etc. Pets que fugiram, e esta não foi reportada pelo tutor, também podem ser identificados. Ou seja, se o pet é encontrado na rua e o sistema já possui o seu cadastro, o animal será identificado e seu tutor avisado, independente se a fuga foi registrada no sistema ou não. Além disso, o sistema da presente invenção registra o histórico veteriná rio do animal (p.ex., vacinas), de modo a permitir a adesão às leis de bem-estar animal.

[017] 0 documento US2017347627 , "LOST AND FOUND NOTIFI- CATIONS FOR PETS BASED ON GEOLOCATION AND PROFILE INFORMA TION" , revela um sistema de notificação de animais domésti cos perdidos, utilizando georreferenciamento para identifi car potenciais destinatários dos alertas com um perfil de informações sobre o animal, preenchido pelo dono do animal no momento do cadastro do mesmo como um animal perdido. Não há reconhecimento do animal perdido, apenas alerta georre- ferenciado. 0 documento apenas registra pets com tutores e listas de animais perdidos são mostrados para usuários nas proximidades. Em contrapartida, a presente invenção utiliza dados visuais (extraídos de imagens) e de dados de georre- ferenciamento para a identificação de um animal, utilizando, principalmente, técnicas de visão computacional e aprendi ^¬ zado de máquina.

[018] 0 documento KR101788272, "ANIMAL IDENTIFICATION AND REGISTRATION METHOD BASED ON BIOMETRICS", retrata um método de reconhecimento de animais domésticos através de dados biométricos, mais precisamente íris dos olhos e nariz, que compara essas características dos animais registrados em um banco de dados com o animal procurado. O referido docu ^¬ mento menciona reconhecimento facial envolvendo face, nariz e retina a partir de uma única foto, focando apenas no as ^¬ pecto de encontrar pets perdidos. Por sua vez, a presente invenção utiliza características biométricas do animal para sua identificação, não limitadas a regiões específicas do animal. Todos os atributos relevantes são analisados, como pelagem (tipo, cor, manchas, etc.), presença ou não de cauda, entre ou ros .

[019] O documento US20160314343, "FACIAL RECOGNITION LOST PET IDENTIFYING SYSTEM", descreve um sistema de banco de dados que armazena a imagem digital do animal de estimação perdido, marcadores de reconhecimento facial e informações de identificação do proprietário, onde um proprietário pode registrar seu animal de estimação usando um telefone celular e um aplicativo para dispositivos móveis. Quando um animal de estimação perdido é encontrado, um usuário pode usar um telefone celular para tirar uma foto do animal e entrar a informação de localização, dos olhos e narizes. O sistema mantém registro de apenas uma foto frontal do animal cadastrado e utiliza apenas caracteristicas faciais. Durante o cadastro, o usuário, além de tirar a foto, tem que indicar olhos e nariz, tornando o processo mais trabalhoso. Em contrapartida, a presente invenção utiliza caracteristicas bi- ométricas do animal para sua identificação, não limitadas a regiões especificas do animal. Todos os atributos relevantes são analisados, como pelagem (tipo, cor, manchas, etc.), presença ou não de cauda, entre outros. A presente invenção pode armazenar muitas imagens de animais de rua ou com tutor, em diversos ângulos e poses, de modo a utilizar caracteris ^¬ ticas corpóreas para identificar o indivíduo, não requerendo necessariamente uma imagem detalhada da face do animal. A presente invenção tem como característica também não neces sitar da intervenção direta do usuário para a identificação (p.ex., marcação de pontos específicos na face), sendo todo o processo automatizado. [020] Adicionalmente, os sistemas e métodos de identi ficação e localização de animais existentes no estado da técnica apresentam a limitação de seu escopo de atuação aos animais de estimação que estão em situação de desapareci mento. Diferentemente, o escopo da presente invenção vai além de se encontrar animais de estimação perdidos, mas tam bém o de registrar a população de animais de rua e sua dinâmica, de modo a prover inteligência de dados para aumen tar a eficácia das ações de bem-estar animal. Para isso, o sistema pode se integrar a sistemas municipais e a sistemas de administração de espaços fechados (p.ex., condomínios).

[021] Portanto, nenhum dos documentos do estado da téc nica descreve sistema e método para gestão de animais, tal como a presente invenção, que especialmente considere a ri queza de características pela interpretação de atributos re ^¬ levantes na análise da imagem do animal, tal como pelagem tipo, cor, manchas, presença ou não de cauda, entre outros.

Breve descrição da invenção:

[022] A presente invenção refere-se a um sistema de ge- renciamento de animais (100) e um método de identificação que usa uma plataforma colaborativa composta por um mecanismo de captura de dados que se comunica com um mecanismo inte ligente responsável pelo armazenamento, gerencia ento e pro cessamento de informações e imagens, usando técnicas de in teligência artificial para o gerenciamento de animais de estimação em espaços compartilhados e sua identificação/lo- calização através do cruzamento de dados (imagens, georre- ferenciamento, etc.) . Dessa forma, animais que fugiram po derão ser encontrados mais rapidamente, através das fotos enviadas por outros usuários do sistema (100), como vizinhos, ONGs e departamento de zoonoses, que avistaram o animal. Da mesma forma, animais que frequentam espaços compartilhados (condomínios, parques, cidades) poderão ser identificados para diversos fins.

Breve descrição das figuras:

[023] Para obter uma total e completa visualização do objeto desta invenção, são apresentadas as figuras as quais se faz referências, conforme se segue.

[024] A figura 1 mostra o diagrama de blocos representativo do sistema da presente invenção.

[025] A figura 2 mostra uma ilustração de: A) imagens e metainformações de pets enviadas por seus tutores e de pets avistados; B) pets originalmente de rua podem assumir uma identidade formal.

[026] A figura 3 mostra uma ilustração da gamificação: A) melhorar as regras de agrupamento e classificação e B) formar agrupamentos compostos de um único pet.

[027] A figura 4 mostra o diagrama de blocos do método de identificação e cadastros dos animais revelados na pre ^¬ sente invenção.

[028] A figura 5 mostra o método de aprendizado de má ^¬ quina .

Descrição detalhada da invenção:

[029] A presente invenção refere-se a um sistema de ge- renciamento de animais (100) e um método de identificação de animais que usa uma plataforma colaborativa composta por mecanismos de captura de dados que se comunica com um meca ^¬ nismo inteligente responsável pelo armazenamento, gerencía- mento e processamento de informações e imagens, usando téc nicas de inteligência artificial para o gerenciamento de animais de estimação e/ou em espaços compartilhados e sua identificação/localização através do cruzamento de dados .

[030] O sistema de gerenciamento de animais (100) abrange o reconhecimento e localização de animais domésticos perdidos, animais pertencentes a espaços coletivos e animais em situação "de rua", em que os mesmos são cadastrados em uma memória, compreendendo, pelo menos:

- uma pluralidade de dispositivos móveis ou estáticos de captura de imagens (102);

- um banco de dados (114) ; e

- um mecanismo de inteligência artificial (200) .

[031] Os dispositivos de captura de imagens (102) usados no sistema (100) aqui apresentado pode ser qualquer dispo sitivo móvel ou estático (102) que possua sistema operacional e que seja capaz de capturar imagens, georeferenciamento ( localização/GPS ) e timestamp (data/hora), e de acessar a internet. Exemplos que atendem à demanda da presente invenção são, preferencialmente, smartphones, tablets, máquinas fotográficas com acesso à internet, drones, câmeras de vigilância cujas imagens são processadas para esse fim.

[032] Para obter perfeito funcionamento da presente invenção, recomenda-se a quantidade preferencial de entre 8 a 10 fotos, feitas através de diversos ângulos, por indivíduo para o cadastramento inicial, nos casos de registro controlado que ocorre através de ações de cadastro protagonizadas pelo gestor municipal (108), como prefeituras e seus associados, como veterinários e agentes de censo, por exemplo.

[033] No entanto, há a previsão de os dispositivos de captura de imagem (102) operarem em uma modalidade automa tizada, independente de usuários. Nesta modalidade opcional, mas adicionalmente prevista, a captura das imagens ocorre por um esquema de câmeras de rua, em condomínios residenciais ou nas cidades, por exemplo, ou pelo onitoramento por drones, que seriam adaptados em seu mecanismo operacional para atu arem com liberdade na captura de imagens e no cadastro dos indivíduos. Cabe ressaltar que inicialmente, é contemplado o uso de visão computacional para a análise de fotos e, à medida que a tecnologia e a capacidade de processamento de baixo custo evoluem, prevê-se a utilização de pequenos fil mes, tanto para se obter melhores imagens, em diversos ângulos, como aplicar outras técnicas de reconhecimento, como cadência de locomoção, comportamentos idiosincráticos , etc.

[034] Os usuários do sistema (100) usam os dispositivos de captura de imagem (102) para capturar a imagem do animal que se deseja cadastrar e preenchem informações disponíveis sobre o mesmo, tais como: sua condição (doméstico, pertencente a um espaço compartilhado ou "de rua") , nome, idade, raça, vacinações, tratamentos, castração, nome e endereço do tutor, etc.

[035] Uma das funcionalidades mais interessantes da presente invenção compreende viabilizar o cadastro de animais e pets para fins de atender à legislação de bem-estar animal das prefeituras (108), por exemplo, ao invés do tutor ter que ir pessoalmente a um departamento municipal, bem como concentrar as informações de vacinas, etc, para fins de se verificar o atendimento a determinações das prefeituras (108) e condomínios.

[036] O sistema (100) pode, ainda, abranger o uso de outros meios de informação (112) para a identificação dos animais em questão, como: microchips implantáveis, plaquetas identificadoras, etc. Isto é, informações sobre esses outros meios de identificação poderão ser cadastradas, também, de forma que a leitura de microchips, e leitura/introdução de códigos de identificação em plaquetas, possam ser usadas para fornecer uma identificação positiva do pet através do sistema (100) aqui revelado.

[037] Especificamente no caso dos microchips, vale ob servar que cada microchip tem um identificador único que pode ser registrado junto à foto do animal; outros exemplos seriam números de identificação presentes em coleiras, nú mero de Registro Animal na cidade (identidade animal), nú ^¬ mero do cidadão do dono, etc. Essas informações podem ser inseridas no sistema (100) na forma de texto, simplesmente.

[038] Outra possível modificação prevista na presente invenção é a obtenção das imagens por vídeo, por exemplo, vídeos curtos filmados pelo próprio celular. Nesse caso, um vídeo de poucos segundos pode ser separado em quadros (fra- mes), cada qual constituindo uma foto do animal em posição ligeiramente diferente. Esta segmentação do vídeo em imagens pode ser feita automaticamente (1 segundo de vídeo = 60 imagens, em geral) .

[039] O dispositivo de captura de imagens (102), por meio da eletrónica que o compõe, é o responsável por disponibi- lizar as informações pertinentes sobre animais no mecanismo de inteligência (200), preferencialmente via internet, uma vez que pela internet consegue-se a atualização no menor tempo possível dos dados.

[040] O banco de dados (114) armazena todas as informações dos animais cadastrados e é atualizado toda vez que uma nova informação sobre os animais é disponibilizada . Em re lação a essa atualização, ela ocorre sendo este animal pre- viamente cadastrado ou não. Cada imagem de animal, possui, inicialmente um número único de identificação. Imagens ava liadas como sendo (provavelmente) do mesmo animal, são agru padas sob um mesmo identificador; bem como as imagens dos animais que seus próprios tutores tiram (que têm identifi cação positiva) . O mecanismo de inteligência (200) é o res ponsável pela parte lógica do presente sistema (100) e pela aplicação do método de identificação de animais da presente invenção, e que será aqui revelado.

[041] O mecanismo de inteligência (200) faz o cruzamento das imagens capturadas por usuários com imagens previamente armazenadas no banco de dados (114) por outros usuários, sendo capaz de agrupar imagens de um mesmo indivíduo com base em características visuais, meta-informações providas pelo usuário-tutor, geo-referenciamento, etc.

[042] O mecanismo de inteligência (200) faz uma análise comparativa da imagem do animal, disponibilizada pelo usuá rio, com as imagens dos animais já cadastrados no sistema (100) armazenadas no banco de dados (114), pelo método de identificação de animais da presente invenção, posterior- mente aqui revelado, usando técnicas de inteligência arti ficial, cuja acurácia aumenta à medida que mais imagens, de diferentes ângulos, vão sendo disponibilizadas para o mesmo. Assim o sistema (100) evita as duplas-contagens dos animais durante as ações de mapeamento.

[043] Essa análise comparativa utiliza todas as partes dos animais contidas nas imagens (e não somente partes específicas, como a face) . O método recebe a imagem do animal em questão e retorna a dissimilaridade do indivíduo contido para os demais previamente cadastrados no banco de dados (114) .

[044] À princípio, a comparação inclui todas as imagens do banco, e a medida que o banco fica muito populado, compara-se apenas com as imagens registradas em uma região espaço-temporalmente definida em torno da geolocalização associada ao animal em questão, e do tempo em que u pet é sinalizado como perdido (utilizando-se um raio de distância determinado para selecionar os perfis para comparação) .

[045] Baseando-se nas medidas de dissimilaridades calculadas, o sistema (100) classifica o animal como "previamente avistado" (caso o banco contenha imagens previamente registradas daquele mesmo animal) ou "novo animal" (caso o banco não contenha imagens previamente registradas daquele mesmo animal); caso a foto recebida não contenha nenhum animal, ela é descartada.

[046] o mecanismo de inteligência (200) pode conter a opção de retornar a lista de indivíduos previamente registrados com menor dissimilaridade com o animal em questão, ordenada pelas dissimilaridades calculadas entre a foto do mesmo, e os perfis pré-existentes mais similares no banco de dados (114), de modo que a última dissimilaridade esteja abaixo de um limiar definido, e enviar tal lista ao aplicativo no dispositivo de captura de imagens (102) para apresentação ao usuário, que pode então selecionar se algum dos animais apresentados corresponde ao animal em questão ou não. Preferencialmente, o mecanismo de inteligência (200) encontra-se embarcado em sistema computacional acessado via internet (servidor em nuvem). Ainda, parte desse processa mento pode ser feito no próprio smartphone, de modo a reduzir a quantidade de dados transferida, bem como o processamento que ocorre nos servidores remotos, podendo reduzir os custos desses serviços. Isto é, conforme a capacidade de processa mento dos dispositivos de captura de imagens (102) for au mentando, parte do processamento inteligente das imagens po derá ser feita no próprio dispositivo de captura de imagens (102) .

[047] Porém, de forma a se ampliar ao máximo a disponi bilidade do sistema (100) a usuários com smartphones com processadores menos potentes, o processamento se dá especi almente em tecnologias via internet.

[048] Para os usuários donos de animais domésticos, o sistema (100) é voltado para a vigilância e alerta se os mesmos se encontram na situação de "perdido" ou "fugido". O usuário, responsável pelo animal, pode informar se o animal se encontra nas situações supracitadas desencadeando assim o envio mensagens de alerta, pelo sistema (100), com imagem e dados do animal e de seu dono para as autoridades locais e outros usuários que estejam próximos.

[049] Neste caso, os animais domésticos marcados no sis tema (100) com em situação de "perdido" ou "fugido" tem prioridade na análise comparativa das imagens se um usuário, estando relativamente na proximidade, inserir uma imagem de um animal na tentativa de cadastrar o mesmo. Isso agiliza o processo de identificação do animal em situação de "perdido" ou "fugido".

[050] No caso de o sistema (100) receber informação de fonte diferente do perfil do dono do animal em questão, o referido sistema (100) reconhece a imagem e os dados de um animal doméstico, previamente cadastrado, com a localização do mesmo relativamente distante da localidade da residência do dono, e é constatada a possibilidade do animal estar na situação de "perdido" ou "fugido", com envio de mensagens de alerta enviadas para o dispositivo de captura de imagens (102) do tutor do animal , avisando-o da situação e da última localidade do seu animal, bem como para as autoridades locais e usuários da localidade com imagem e dados do animal e de seu dono, opcionalmente .

[051] Essas mensagens têm ordem de prioridade por loca lidade, ou seja, as mensagens são enviadas aos usuários que se encontram relativamente próximos ao local da residência do dono ou da última localização registrada do animal e, se não houver uma resposta positiva em relação ao paradeiro do animal, a área de abrangência das mensagens é aumentada. A área de abrangência aumenta em função do tempo que a fuga foi comunicada e a plausibilidade de deslocamento do tipo de animal. Isso evita a inundação de mensagens do sistema (100) para usuários que estão em um raio de distância grande e provavelmente não teriam como contribuir para a localização do mesmo.

[052] Para os usuários gestores de espaços coletivos de convivência animal (106) (ONGs, agências de adoção de ani ^¬ mais, condomínios, etc.) o sistema (100) é voltado para o auxilio no onitora ento e gerenciamento da comunidade ani mal frequentadora do espaço em questão.

[053] O usuário gestor do espaço (106) pode monitorar os animais frequentadores, sendo estes domésticos ou não, tendo à sua disposição as informações referentes aos mesmos. Tem a possiblidade de acessar um painel, (120) com as informações sobre os animais cadastrados, como frequentadores do espaço em questão, viabilizando, assim, uma visão ampla do status dos mesmos.

(054] Um usuário do espaço coletivo (EC) ou um funcio nário do espaço coletivo pode inserir informações (imagem e localização) , usando seu dispositivo de captura de imagens (102), sobre um animal que esteja no espaço coletivo de convivência e verificar se o mesmo é pertencente a comunidade de animais frequentadores do espaço em questão ou se é um animal "externo" e se é doméstico ou não.

[055] Caso o animal seja doméstico e pertencente a comunidade frequentadora do espaço uma notificação é enviada para o dono do animal com informações da localização. Isso poderá ser utilizado para a aplicação de multas nos condo ^¬ mínios onde isso está previsto, por exemplo.

[056] Caso o animal seja doméstico, mas não pertencer a comunidade animal frequentadora do espaço, é constatado a possibilidade de o animal estar na situação de "perdido" ou "fugido" e uma mensagem de alerta é enviada para o dono do animal com sua localização, para o usuário gestor do espaço e para os usuários da região com informações do animal e do dono .

[057] No caso de o animal não ser doméstico e não per ^¬ tencer à comunidade dos animais frequentadores do espaço em questão, uma mensagem de notificação é enviada para o usuário gestor do espaço avisando-o da presença do mesmo.

[058] Nos casos de animais em situação "de rua", os usu ários podem cadastrar ou inserir novas informações {imagem, localização, etc.) sobre um animal já cadastrado no sistema (100), permitindo que este faça uma análise de georreferen- ciamento da população animal e disponibilize num painel informativo (120), para as autoridades locais, dados como: regiões com maior número de animais não castrados, ou não vacinados, informações sobre densidade populacional, padrões migratórios e outras informações pertinentes à população animal .

[059] Com isso o sistema (100) auxilia as autoridades locais nas tomadas de decisão e aplicação de ações efetivas referente aos mesmos, como: campanhas de castração, campanhas de vacinação, manejo dos animais da localidade, etc.

[060] O painel de informações (120), também, poderá ser acessado por outras partes interessadas nas informações com piladas pelo sistema (100), como ONGs e empresas privadas (110), p.ex. Um fabricante de rações para animais poderá acessar o painel para saber a distribuição geográfica de animais por raças, idades, etc.; auxiliando-o na definição de suas estratégias de comercialização/fabricação, etc.

[061] O sistema (100) também pode ser usado para o registro e notificação de situações de maus tratos aos animais, registro e notificação de eventos de adoção, etc.

[062] O sistema (100), tem como opção, a função de ga- mificação (202), onde imagens similares, porém, com um grau definido de dissimilaridade , são apresentadas a usuários, que podem se inscrever nessa modalidade de tarefa, ou outros curadores humanos, que escolhem imagens mais similares.

[063] As mesmas imagens são apresentadas, combinadas em pares, a um certo número de usuários de modo que imagens mais votadas tem seu grau de similaridade aumentadas, ou diminuídas, correspondentemente. 0 resultado obtido é retro- alimentado ao sistema (100), ajustando-se as regras de iden tificação de imagens, de modo a melhorar a análise de simi laridade em futuras comparações.

[064] Adicionalmente, a presente invenção revela um mé todo de identificação de animais que usa imagens dos animais tiradas por usuários do sistema (100), previamente divulgado no presente relatório descritivo, e, usando técnicas de in teligência artificial, faz uma análise comparativa entre a foto em questão e as fotos dos animais previamente cadastra dos, utilizando todas as partes do animal contidas nas imagens (e não somente partes específicas, como a face) .

[065] O método recebe uma imagem contendo um animal e deve retornar a dissimilaridade do indivíduo contido na imagem para os demais previamente cadastrados no banco de dados (114), classificando-os como "previamente avistado" (caso o banco contenha imagens previamente registradas daquele mesmo animal) ou "novo animal" (caso o banco não contenha imagens previamente registradas daquele mesmo animal) com base nasdissimilaridades calculadas; caso a foto recebida não contenha nenhum animal, ela é descartada.

[066] O método compreende, em sua modalidade preferen cial, nas seguintes etapas, ilustradas em representação na figura 4 :

Etapa 1) Pré-processamento;

Etapa 2) Extração de características (118); e

Etapa 3) Busca.

[067] O método tem a possibilidade do uso da função ma- chlne learning objetivando o aprendizado de u mapea ento de imagens de animais a um espaço métrico, onde distâncias cor respondem a medidas de similaridade entre animais. Como ob servado na figura 5.

[068] A etapa 1, de Pré-processamento, tem como finali dade a diminuição das variabilidades entre as imagens de entrada, evitando o processamento de dados com particulari dades não pertinentes à identificação. Na figura 1 os dados pré-processados estão representados em (116). As técnicas mais comuns de pré-processamento que podem ser aplicadas, no método da presente invenção, são:

1) Uniformização de proporção e escala de imagens: as imagens de entrada devem possuir a mesma proporção e tamanho. Uma possibilidade é realizar um corte quadrado na imagem. O corte ajuda também a focar em partes da imagem relevantes diminuindo a área de fundo na imagem. Para a escala uniforme, realiza-se uma amostragem para aumentar ou diminuir as imagens ( up-sampling ou down-sampling, por exemplo) para um tamanho comum.

2) Normalização: deve-se garantir que cada pixel das imagens de entrada tenha uma distribuição similar. Para isso, geralmente, subtrai-se a média de cada pixel e dividi-se pelo desvio padrão. Para que os valores sejam positivos, é preciso re-escalar os dados normalizados para um intervalo padrão, como [0,1] ou [0,255].

3) Redução de dimensionalidade : Pode-se escolher reduzir os canais tradicionais das imagens coloridas de entrada (RGB) para um apenas (escala de cinza) .

4) Aumento de dados: Para treinar um método de aprendizado, precisa-se usualmente de muitos dados. Para isso, técnicas de aumento de dados podem ser aplicadas para gerar novos dados a partir dos dados já disponíveis, geralmente aplicando-se perturbações às imagens originais. Tais técni cas incluem ajustes aleatórios de brilho e contraste, rotações e espelhamento aleatório, entre outras.

[069] A etapa 2, de Extração de Características (118), visa extrair, a partir dos dados de entrada, características de mais alto nível que representem os dados de maneira mais relevante para a resolução da tarefa em si por meio de Redes Neurais Convolucionais (RNC) , onde a representação é apren dida diretamente dos pixels de entrada.

[070] Para a possibilidade do uso da função de machíne- learning a etapa de extração de características (118) e o machíne learning podem ser realizadas conjuntamente na mesma rede, o que ajuda na obtenção de características mais relevantes e no aprendizado mais acurado.

[071] O objetivo é "treinar" a RNC para que sua saída seja um vetor que represente uma imagem de entrada em um espaço métrico pertinente, onde distâncias correspondem a medidas de similaridade entre indivíduos: vetores de um mesmo animal devem estar próximos, enquanto vetores de animais diferentes devem estar distantes neste espaço.

[072] Diferentes métodos de machíne learning podem ser utilizados no método da presente invenção, tais como os exemplos mencionados a seguir:

1) FaceNet: treinada para gerar um vetor de 128 di mensões para uma imagem de entrada, usando uma função de perda baseada em triplas ( triplets ) de imagens de entrada. Uma tripla consiste de duas imagens de entrada de um mesmo indivíduo (par positivo) e uma de um indivíduo diferente; e a função de perda baseada em triplas visa separar o par positivo do negativo por uma margem de distância. Ao final, aprende-se um mapeamento f (x) de uma imagem x em um espaço métrico R ^d , tal que a distância quadrada [Lz, ou euclidiana) entre todas as imagens da mesma identidade, independente de suas condições, seja pequena, enquanto a distância quadrada entre pares de imagens de identidades diferentes seja grande.

2) Rede Siamesa: treinada para aprender uma função que mapeia a imagem de entrada em um espaço onde a norma Li aproxime a distância "semântica" encontrada no espaço de entrada. 0 processo de aprendizagem minimiza uma função de perda discriminativa que leva a métrica de similaridade a ser menor para pares de imagens do mesmo indivíduo e maior para indivíduos diferentes. O mapeamento de espaço de entrada para o espaço alvo é uma rede convolucional cuja arquitetura é projetada para ser robusta a distorções geométricas. Mais especificamente , dada uma família de funções Gw(X) parame ^¬ trizadas por W, deseja-se achar um valor para o parâmetro W tal que a métrica de similaridade Ew(Xi _r Xå) = I I Gw(Xi) - Gw (X2)

I | é pequena se Xi e X2 representarem o mesmo indivíduo e grande se representarem indivíduos diferentes. Para isso, a rede é treinada em pares de imagens do conjunto de dados de treinamento. A função de perda minimizada pelo treinamento minimiza EW(XI,X2) quando Xi e X2 forem da mesma categoria e maximiza Ew(Xi,Xå) caso contrário.

[073] Sem perda de generalidade, qualquer método de aprendizado capaz de aprender um espaço métrico pertinente a partir dos dados de entrada pode ser utilizado.

[074] Adicionalmente, a etapa 2, de Extração de Carac- terísticas (118), tem a possibilidade de ter a função de detecção. Essa função compreende determinar, em uma imagem, se o objeto-alvo está presente ou não, mas sem a necessidade de localizá-lo na imagem, tendo o objetivo de certificar que apenas entradas de imagens de cachorros ou gatos sejam per mitidas .

[075] Com o uso de Redes Neurais Convolucionais (RNC) voltadas à identificação de objetos, como, por exemplo, VGG- 16 e Inception-v3, que são treinadas para detectar objetos na base de dados ImageNet ² . Tais Redes Neurais Convolucio nais (RNC) são retreinadas modificando o seu objetivo de detecção para um problema de identificação do cachorro, gato ou negativa, para o caso de não haver tais animais na imagem.

[076] A etapa 3, de Busca, compreende uma comparação entre os vetores de caracteristicas da imagem de entrada e das demais imagens dos perfis cadastrados, em que as distân cias entre vetores de caracteristicas correspondem a medidas de dissimilaridade entre indivíduos. Com isso ocorre a clas sificação entre os vizinhos mais próximos no mapeamento dos perfis. Além disso, meta-dados, como o registro da coordenada de GPS, podem ajudar na diminuição do espaço de busca.

[077] Um aspecto importante é que a busca é feita em cenário aberto (open-set) . Os trabalhos em identificação pertencentes ao estado da técnica geralmente assumem um ce nário fechado (todos os indivíduos cadastrados previamente ) . Em sistemas reais, no entanto, onde apenas uma pequena fração das identidades são cadastradas, esta suposição não pode ser feita .

Referências Bibliográficas :

- [1] "Pesquisa Nacional de Saúde 2013 - Acesso e uti- lização dos serviços de saúde, acidentes e violência", Ins tituto Brasileiro de Geografia e Estatnstica (IBGE), 2015. http://biblioteca.ibge. gov.br/visualizacao/li- vros/liv94074.pdf, online; acessado 2 de maio de 2017.

- [2] "Brasil está entre as principais forças motrizes do mercado pet mundial," Associação Brasileira da Indústria de Produtos para Animais de Estimação (Abinpet), http : //abinpet .org.br/site/brasil-esta-entre-as-principais- forcas-motrizes-do-mercado-pet-mundial-ressalta-abinpet ,

2015, online; acessado 2 de maio de 2017.

- [3] Paranhos, N.T., Silva, E.A., Bernardi, F., Mendes, M.C.N.C., Junqueira, D.M.A.G., Souza, I.O.M., Albuquerque, J.O.M., Alves, J.C.M., & Machado, M.N.P.. (2013). Estudo das agressões por cães, segundo tipo de interação entre cão e vitima, e das circunstâncias motivadoras dos acidentes, mu nicípio de São Paulo, 2008 a 2009. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, 65(4), 1033-1040.

https: //dx.doi .orq/10.1590/S0102-09352013000400014

[4] Plaut M, Zim erman EM, Goldstein RA. (1996) Health hazards to hu ans associated with domestic pets. An- nual Review of Public Health, 17 , 221 245.

- [5] Silva, Carlos Flávio B. da. A Medicina Veterinária e o Dia Mundial da Saúde. 2011. Disponível em: <http://www.crmvrs.gov.br/456art.pdf>. Acesso em: 25 de junho 2017.

- [6] Ministério da Saúde. Situação epidemiológica das zoonoses de interesse para a saúde pública. Boletim Eletrónico Epidemiológico, Ano 10, n. 2, 2010. Disponível em: www.saude.gov.br/svs Acesso em: 25 de junho 2017.

[7] Weiss, E.; Slater, M.; Lord, L. Frequency of Lost Dogs and Cats in the United States and the Methods Used to Locate Them. Animais 2012, 2(2), 301-315; doi : 10.3390/ani2020301.