[發明專利]一種基于計算機視覺的猴臉親緣關系分析方法

在審

• 申請號: 201810400929.1
• 申請日: 2018-04-28
• 公開（公告）號: CN110414299A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 張嫚寧;謝曉華;龔文勇
• 申請（專利權）人: 中山大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于計算機視覺的猴臉親緣關系分析方法，其特征在于，包括如下步驟：

S10基于手工標記的猴臉圖像，運用Faster R-CNN模型訓練猴臉檢測器；

S20基于猴臉檢測器獲取猴臉坐標并保存猴臉圖像，結合已有的猴子身份，種群信息，建立一個猴臉圖像數據庫；

S30設計猴臉親緣關系驗證算法，通過對深度卷積神經網絡的訓練對猴臉分析目標特征進行猴臉親緣關系分析。

2.如權利要求1所述的基于計算機視覺的猴臉親緣關系分析方法，其特征在于，所述S10包括：

S101在Faster R-CNN框架下，通過VGG16的13個可共享的卷積層網絡來提取待分析猴臉圖像的卷積特征圖；

S102使用猴臉圖像深度學習模型的RPN在該卷積特征圖上滑動掃描出數個滑動窗口，所述每個滑動窗口映射為一個低維特征輸入至分類層和回歸層，其中每個所述滑動窗口對應數個錨矩形框；

S103將待分析猴臉圖像分類為猴臉目標和背景，回歸層輸出每個錨矩形框對應的縮放參數，分類層輸出每個錨矩形框所屬猴臉目標或背景的概率，且將其中概率最高的錨矩形框確定為猴臉坐標。

3.如權利要求1所述的基于計算機視覺的猴臉親緣關系分析方法，其特征在于，所述S20包括：

S201調用訓練過的caffe猴臉檢測模型，以獲得檢測圖像中的猴臉目標及其坐標位置；

S202基于S201獲取的猴臉坐標，扣取坐標中的猴臉圖像并保存；

S203結合已知的猴子身份信息和種群信息，就得到猴臉數據庫(即包括猴臉圖像、標記的身份、種群信息)。

4.如權利要求1所述的基于計算機視覺的猴臉親緣關系分析方法，其特征在于，所述S30包括：

S301通過深度卷積網絡來對猴臉圖像提取猴臉分析目標特征；

S302構造一個具有三元組(a,p,n)屬性的訓練樣本，其中三元組中包含一個錨點圖像a和一個相對于a而言的親子對圖像作為正樣本p，相對于a而言的非親子對圖像作為負樣本n；

S303設置三元組約束條件：若單個親子對的圖像和該親子對的其他圖像距離小于α，則認為它們相似度較高，若與其他非親子對的圖像距離大于α，則認為它們相似度不高，由上得到三元組約束條件式(1)，

其中，α是施加在正樣本對和負樣本對之間的距離(margi n)，Γ是訓練集中的所有可能的三元組，×_i是VGG16網絡的輸出分數向量；

S304將VGG16網絡的輸出分數向量進行l₂歸一化處理；

S305使用仿射投影將×_i投影到一個L＜＜D的低維空間中，得到最后投影后的結果為：其中，W'即待求解的投影矩陣；

S306通過最小化下式(2)三元損失函數來訓練W'，

5.如權利要求1所述的基于計算機視覺的猴臉親緣關系分析方法，其特征在于，所述302中訓練樣本的構造是參考FaceNet^[4]中三元組的選擇，基于一個mi n i-batch中所有可能的參考樣本-正樣本對(anchor-pos it i ve對)，來找難分類的負樣本，即semi-hard-negative圖像，假設給定一個anchor樣本挑選一個滿足式子的負樣本，采取生成mi n i-batch的方法，每個mi n i-batch中每個親子對平均有數張圖片，然后隨機加入一些反例來生成具有三元組(a,p,n)屬性的訓練樣本，其中f(x_i)泛指×ⁱ從輸入到映射結束的過程。

6.如權利要求1所述的基于計算機視覺的猴臉親緣關系分析方法，其特征在于，所述S30之后還包括：

S40使用Python接口來調用訓練好的caffe猴臉親子驗證模型，并由數張猴臉親子對圖像生成正匹配對圖像和負匹配對圖像，由此生成猴臉親子對性能測試數據庫，以進行猴臉親緣關系分析的驗證。