[發明專利]一種基于改進卷積神經網絡的梅花鹿面部識別方法

在審

• 申請號: 202111161433.1
• 申請日: 2021-09-30
• 公開（公告）號: CN113947780A
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 宮鶴;陳琳;穆葉
• 申請（專利權）人: 吉林農業大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/25;G06V10/26;G06K9/62;G06V10/774;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進卷積神經網絡的梅花鹿面部識別方法，其特征在于；包括以下步驟：

步驟(1)、梅花鹿目標檢測；

利用YOLO目標檢測模型檢測視頻中的梅花鹿，對每個感興趣的梅花鹿目標個體進行定位，將檢測到的目標梅花鹿應用圖像工具截取每頭目標梅花鹿的面部圖像，分別按照梅花鹿個體標簽保存至梅花鹿面部數據集；

步驟(2)、圖像分割；

對所述梅花鹿面部數據集中的每個所述目標梅花鹿的面部圖像進行圖像分割，得到多個單一背景的梅花鹿面部圖片；

步驟(3)、基于多個單一背景的所述梅花鹿面部圖片，構建用于模型訓練的梅花鹿面部訓練數據集，將所述梅花鹿面部訓練數據集劃分為訓練數據集和驗證數據集，同時建立測試數據集；

步驟(4)、圖像預處理；

對所述梅花鹿面部訓練數據集中的每個所述梅花鹿面部圖片進行數據增強，得到數據增強后的訓練數據集、驗證數據集和測試數據集；步驟(5)、構建梅花鹿面部識別網絡模型；

基于改進后的殘差訓練網絡構建用于提取梅花鹿面部特征的梅花鹿面部識別網絡模型，采用AM-Softmax作為所述梅花鹿面部識別網絡模型的輸出層的損失函數；

步驟(6)、使用數據增強后的所述梅花鹿面部訓練數據集并采用梯度下降法訓練所述梅花鹿面部識別網絡模型及調參優化，通過數據增強后的所述驗證數據集驗證后獲得網絡權重參數；

步驟(7)、測試時，利用數據增強后的所述測試數據集對所述梅花鹿面部識別網絡模型進行測試，所述梅花鹿面部識別網絡模型的模型參數為所述網絡權重參數，測試通過時，確定所述梅花鹿面部識別網絡模型訓練完成；

步驟(8)、識別時，向所述梅花鹿面部識別網絡模型輸入采集的梅花鹿面部圖片，所述梅花鹿面部識別網絡模型輸出識別結果，所述識別結果包括梅花鹿個體標簽。

2.根據權利要求1所述的一種基于改進卷積神經網絡的梅花鹿面部識別方法，其特征在于，所述步驟(1)的具體實現方法為：

采用YOLO模型檢測視頻中的梅花鹿位置，對視頻中的目標梅花鹿進行面部圖片截取并存儲到與所述目標梅花鹿的梅花鹿個體標簽對應的編號的文件夾中，要識別的數據集通過以下方式選擇的：

DEER＝{deti|Adeti＞At,labeldeti＝deer；i＝0,1,2...n}

其中，DEER表示要識別的圖像集，表示對象檢測結果的deti的區域，At表示定義的區域閾值，的值設置為0.25×(640×480)，利用閾值可以選出視頻中的梅花鹿，表示對象檢測結果的名稱，表示圖像序列的對象檢測結果的數量，挑選出每一個物體檢測結果，其物體名稱為梅花鹿，若檢測出的梅花鹿個體面積占圖片面積大于，截取該圖片中的梅花鹿面部圖片并存儲到對應編號的文件夾中以用于識別。

3.根據權利要求1所述的一種基于卷積神經網絡的梅花鹿面部識別方法，其特征在于，所述步驟(2)的具體實現方法為：利用Unet圖像分割模型對所述梅花鹿面部數據集中的面部圖像進行圖像分割，得到去除干擾的單一背景的梅花鹿面部數據集。

4.根據權利要求1所述的一種基于卷積神經網絡的梅花鹿面部識別方法，其特征在于，所述步驟(3)的具體實現方法為：將步驟(2)得到的所述梅花鹿面部數據集按照8：2的比例隨機劃分為訓練數據集和驗證數據集，并從整個梅花鹿面部數據集中選出每頭梅花鹿的部分清晰圖像作為測試數據集，該梅花鹿面部測試數據集用于測試使用。