[發明專利]一種豬臉識別方法

在審

• 申請號: 202010851177.8
• 申請日: 2020-08-21
• 公開（公告）號: CN111967413A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 蘇文烈
• 申請（專利權）人: 廣州市微智聯科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 成都頂峰專利事務所(普通合伙) 51224
• 代理人: 李林

1.一種豬臉識別方法，其特征在于：包括如下步驟：

S1：根據豬臉資料，基于神經網絡，建立豬臉識別模型；

S2：在豬臉識別模型加入生長周期豬臉特征變化追蹤匹配機制，得到追蹤生長周期的動態豬臉識別模型；

S3：實時獲取現場視頻，并根據現場視頻，使用追蹤生長周期的動態豬臉識別模型，得到豬臉識別結果。

2.根據權利要求1所述的一種豬臉識別方法，其特征在于：所述步驟S1中，所述豬臉資料包括正樣本和隨機負樣本，所述正樣本為包含豬臉部分的生豬圖像，所述隨機負樣本為不包括豬臉部分的隨機圖片。

3.根據權利要求1所述的一種豬臉識別方法，其特征在于：所述步驟S1中，所述神經網絡為卷積神經網絡，所述卷積神經網絡包括Input層、Focus網絡層、BackBone網絡層、PANet網絡層以及Output層；

所述卷積神經網絡設置有LSTM模塊，所述LSTM模塊設置有遺忘門。

4.根據權利要求3所述的一種豬臉識別方法，其特征在于：所述遺忘門的公式為：

f_t＝σ(W_f·[h_t-1，x_t]+b_f)

式中，f_t為遺忘門函數；σ(*)為sigmoid激活函數；h_t-1為前一個時間步(t-1)的輸出；t為時間步指示量；x_t為當前時間步的輸入；b_f為卷積層偏置項；W_f為卷積層權重。

5.根據權利要求1所述的一種豬臉識別方法，其特征在于：所述神經網絡的輸出公式為：

式中，o_ij為經過注意力加權后的輸出特征；α_ij為歸一化后的注意力權重；i為注意力指示量；j為單向時間步；n為單向時間步數；h_j為各個時間步的輸出。

6.根據權利要求1所述的一種豬臉識別方法，其特征在于：所述步驟S1的具體步驟為：

S1-1：將豬臉資料進行預處理，得到預處理后數據集，并將預處理后數據集分為訓練集和測試集；

S1-2：使用訓練集對神經網絡進行訓練，得到初始的豬臉識別模型；

S1-3：使用測試集對初始的豬臉識別模型進行優化，得到最優的豬臉識別模型。

7.根據權利要求1所述的一種豬臉識別方法，其特征在于：所述步驟S2中，所述生長周期豬臉特征變化追蹤匹配機制的具體步驟為：

A-1：根據生豬的年齡階段，建立生長周期豬臉特征矩陣；

生豬的年齡階段包括哺乳期、保育期和肥育期，生豬的生長周期包括第1個月至第6個月；

A-2：獲取當前生豬的豬臉特征，并根據豬臉特征匹配對應的生長周期豬臉特征矩陣；

A-3：根據豬臉特征，進行豬臉識別，得到當前生豬的年齡階段，根據年齡結果判斷當前生豬是否處于肥育期，若是則進入步驟A-4，否則結束生長周期豬臉特征變化追蹤匹配方法；

A-4：獲取豬臉特征步長，并根據豬臉特征步長，將當前生豬的豬臉特征保存至對應的生長周期豬臉特征矩陣的對應位置，更新生長周期豬臉特征矩陣。

8.根據權利要求7所述的一種豬臉識別方法，其特征在于：所述步驟A-3中，獲取當前生豬的年齡結果的具體方法為：

B-1：獲取當前生豬的豬臉特征的LBP特征和HOG特征；

B-2：使用CCA方法將LBP特征和HOG特征進行融合，得到融合特征；

B-3：根據融合特征，使用SVR方法得到當前生豬的年齡階段。