[發明專利]一種基于注意力和局部特征的密集場景牛身份識別方法

在審

• 申請號: 202011632392.5
• 申請日: 2020-12-31
• 公開（公告）號: CN112699804A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 鄭鵬;沈雷;李琦
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于注意力和局部特征的密集場景牛身份識別方法。本發明在深度學習技術的基礎上在牛群密集場景的基礎上設計了CGL模塊、空間信息增強SEM模塊使提取到的特征作為牛識別依據時更具有魯棒性。同時為了解決強遮擋場景，設計了GLR模塊尋找局部特征之間相關性，用局部特征之間相關性去表征一頭牛。本發明提出了一種基于注意力和局部特征的密集場景牛身份識別方法，能有效解決在牛群密集場景下的牛身份識別問題，在復雜場景下的1:1比對識別能獲得優異的識別性能。

技術領域

本發明涉及生物識別領域，具體是一種基于注意力和局部特征的密集場景牛身份識別方法。

背景技術

最近幾年，畜牧業作為農業和農村經濟的主導產業，已成為保障城鄉居民肉、蛋、奶消費和動物蛋白攝入的基礎產業。特別是自2012年以來，畜牧業已成為許多西部地區和少數民族較多省份扶貧攻堅的重要舉措。在傳統養殖業中，奶牛和肉牛養殖是養殖業的重要組成部分，在傳統農牧養殖經濟體系中占有重要地位。因此，開展個體精細育種是現代育種的主要研究方向。

隨著畜牧業向規模化、信息化、精細化方向發展，集約化養牛場將逐步取代散養等小規模養殖模式。在規模化養牛場，要實現個體化、自動化、信息化的日常精細化管理，實現每頭奶牛健康狀況的跟蹤和奶、肉制品的可追溯性，必須建立和完善質量追溯體系，關鍵在于對個體牛的識別。因此，快速準確的牛個體識別不僅是乳制品和肉制品可追溯性的基礎，也是奶牛生產績效記錄系統和育種、產犢等遺傳改良系統的重要組成部分，肉牛保險作為我國政策性農業保險制度的重要組成部分，已成為各級政府支持肉牛發展、保障養殖利益的重要手段。牛個體身份的準確識別將促進肉牛保險的順利發展，解決索賠肉牛與被保險肉牛不能完全匹配的問題，提高承保和索賠的準確性。因此，實施奶牛個體識別，結合可穿戴設備采集其他生理信息，建立全產業鏈質量追溯體系，將大大提高勞動生產率，提高乳制品和肉制品的產量和質量，這對提高消費者的健康水平具有重要意義。同時，也為加強奶牛養殖業生產、有效的疾病防控和肉牛保險虛假理賠等提供重要信息，促進畜牧業健康發展。

傳統的牛個體識別可以通過物理方法或嵌入微芯片的方式對身體某一部位進行標記，通過射頻ID的方式對牛個體加以區分。但這種方式不能防止欺詐行為，包括復制標記和盜竊設備，還會對牛本身造成傷害。

由于近幾年人工智能技術的告訴發展，在生物識別方面也涌現了許多基于深度學習的新方法。在模型設計上出現了基于注意力的特征提取方法，如SE(Squeeze-and-Excitation)、SK(Selective Kernel)等新穎的方法，但是當應用到牛群密集場景下時，由于牛群互相遮擋的問題讓這些方法不能發揮出良好的性能。如SE在選取各通道的權重時只利用了特征圖的全局特征，但是在牛群發生遮擋時，牛的表面特征只漏出一部分，特別是在密集牛群場景下牛群之間的遮擋現象更加嚴重。這時圖像的局部特征對于識別準確率的貢獻更大，而SE則忽視了局部特征的利用，造成在密集遮擋場景中識別率較低。同時，SK則是讓網絡自主的根據圖像內容選取不同的卷積核大小，讓圖像的特征具有不同的感受野。這樣雖然能在一定程度上利用圖像的空間局部特征，但是在牛群密集遮擋情況下，牛的表面特征可能會被大面積遮擋，真正的有用信息占整幅圖像的比列很小。網絡前項傳播時，隨著特征圖分辨率的降低牛特征會越來越小，甚至會被干擾信息淹沒。因為SK沒有在網絡傳播時進行特征增強，所以在嚴重遮擋場景下SK也不能提供較高的識別性能。

在特征處理方面，研究員們也開始在識別前將特征進行分塊進而獲得特征圖中相較于原圖的局部特征。如Part-based Convolutional Baseline(PCB)將骨干網絡提取到的全局特征直接進行分塊，再將每塊特征各自用交叉熵損失函數進行約束。經過我們測試，PCB在牛身沒有遮擋時能表現出較高的識別性能。但是當牛身發生遮擋時，會造成特征不匹配、模型對不齊帶來的識別準確率下降的問題。

發明內容