# REM法ってなに
## ざっくり
**密度推定手法**の一種, 個体識別を必要としないのが特徴でイノシシやウサギなんかへの応用が期待されている.

## 密度推定とは
単位面積あたりの生息数, みたいなもの. 対象とする種がどれくらい生息しているかの指標として用いられていて, 主に環境保護や個体群管理(個体数の増減とか捕獲目標の管理)の文脈で重要視されてる.

## REM法とは
シカなんかは角の形で個体識別が出来るので密度推定は簡単だったけど, イノシシは個体識別が難しいので今までうーんってなってた. 2008年にREM法という個体識別を必要としない密度推定手法が提案されて界隈が湧いた. [ガス分子モデル](http://foresterspro.com/gmm)に基づいていて, 地上にランダムにしかけたセンサーカメラから得られるデータを使って推定する. ここで必要なパラメータの一つに対象種の移動速度があって, 元々の論文ではめっちゃアナログかつ怪しい方法で移動速度を測っていたのでここに関してはかなり批判されてた.

これ以降REM法の移動速度の推定手法に関する議論が今までずっと続いていて, 僕の研究はこれについて新しい手法を作りたいという話.

## 卒論は何をしたい
送ったサンプルデータみたい感じの動画からイノシシの移動速度を計測したい. あくまでも推定ではなく計測をしたい、というお気持ち. 最終的には結局「推定」になるかもしれんがまあそれはそれでよい. ドローンの緯度経度とカメラの画角・焦点距離・飛行高度・ジンバルの角度やらのデータはフライトログとして全部残ってる. 基本的に傾斜地でサンプリングしていることが多いのでその辺も考慮しないといけなさそう. 今のところネックになりそうだと思っているのは
- レンズの歪みから生まれる像の歪みの補正
- 傾斜地で取ったデータの扱い方
- 輝度の違い
- イノシシの検出アルゴリズム(ここは別に自動で検出とか出来なくてもいいんだけど)

あたりだと思っている. コンピュータビジョンはほんまに何もしらないし行列を履修してない虫けらなのでかなり厳しさがある. 線形代数も何も分かりません. くそ.

## 一応勉強したこと
slackに残っていた勉強の記録


結果何もわからんかった

OpenCV4系で環境構築くらいは出来てる. C++のサンプルコードは動いた. Pythonは未確認. このテーマに決まったの一週間前くらいだから許して