[發明專利]一種基于深度神經網絡的牛臉識別方法

在審

• 申請號: 201810309065.2
• 申請日: 2018-04-09
• 公開（公告）號: CN108549860A
• 公開（公告）日: 2018-09-18
• 發明（設計）人: 賴榮鳳;黃賢俊
• 申請（專利權）人: 深源恒際科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06K9/62
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

本發明公開了一種基于深度神經網絡的牛臉識別方法，包括如下步驟：1.從奶牛的正面照片中檢測出牛臉和耳標，獲得牛臉和耳標在照片中的位置和大小信息；2.使用深度卷積網絡算法提取牛臉圖片的抽象特征，記為X1：一個由128個的實數組成的向量；3.使用BiLSTM和CTC構成的深度循環網絡識別耳標號，將耳標圖片轉成文字；4.用耳標號從牛臉庫中檢索出相應的奶牛及其抽象特征，記為X2；5.比較兩個牛臉的抽象特征的相似性，此處計算X1、X2兩個向量的余弦相似性或歐式距離。本發明基于深度神經網絡的方法在人臉識別中能獲取極高的準確率，再使用遷移學習技術對人臉識別的算法和模型進行修改優化，使之在牛臉識別的場景也能達到超高準確率，可在大型奶牛場里使用。

技術領域

本發明涉及一種識別方法，具體是一種基于深度神經網絡的牛臉識別方法。

背景技術

2012年以來，深度學習在圖片識別領域取得非常大的進步。相比傳統的圖片識別方法使用的色彩、HOG等低級視覺特征；深度神經網絡能學得更多高級的、抽象的特征，這使得深度神經網絡的性能遠遠超越傳統方法。

2014年以來，深度學習開始在人臉識別領域飛速發展，涌現出DeepID，DeepFace，FaceNet等一序列方法，識別準確率已經超越了人類識別人臉的水平，并在生成環境中得到大規模使用。

深度學習在奶牛個體識別的領域進行的工作比較少，2016年左右開始有人嘗試。但是受限于數據獲取的難度，這個領域一直緊張比較慢，目前也還沒有一個可以落地使用的系統或方法。

現有技術方案

1. 基于深度卷積神經網絡的奶牛個體識別方法(CN106778902A): 是一種采用深度卷積神經網絡提取特征，結合對奶牛紋理特征實現對奶牛個體的方法。該方法是使用奶牛視頻做為訓練識別數據，采集數據要求高，適應場景苛刻；只能在奶牛數目很少(如：不超過20頭奶牛)的情況下取得較高的識別準確率，無法推廣到擁有成千上萬頭奶牛的大型奶牛場使用。

2. 一種奶牛識別方法及系統(CN105260750A):是一種使用傳統的圖片特征和匹配的算法，每頭奶牛建立背部，側部，后部三個圖片特征庫，然后比較各頭牛的特征相似性。由于該方法使用圖像的傳統特征，無法表達和描述高級的特征，因而準確率和泛化能力都比較低。

3. FaceNet(https://arxiv.org/abs/1503.03832）：Google發布的基于深度學習的人臉識別算法，在人臉數據集上取得極好的效果。但該方法需要海量（千萬或億級）的訓練樣本才能達到最優效果。且無法直接用來做牛臉識別。

4. DeepID，DeepFace等基于深度學習的人臉識別算法，它們都面向人臉識別的；可以借鑒它們的方法，但直接去識別牛臉的話，效果都不好。

現有的奶牛個體識別方法存在以下問題：

1.識別準確率低，僅能在20頭奶牛的規模上實現較好的準確率，無法在大型牛場使用；

2.對奶牛照片的拍攝要求高，或要多個角度照片，導致采集奶牛圖片難度大，不便大規模使用；

3.使用耳標號的奶牛識別方法容易被攻破，無法防止造假行為。

發明內容

本發明的目的在于提供一種基于深度神經網絡的牛臉識別方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：