[發(fā)明專利]一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的梅花鹿面部識別方法

在審

• 申請?zhí)枺?/td>: 202111161433.1
• 申請日: 2021-09-30
• 公開（公告）號: CN113947780A
• 公開（公告）日: 2022-01-18
• 發(fā)明（設(shè)計）人: 宮鶴;陳琳;穆葉
• 申請（專利權(quán)）人: 吉林農(nóng)業(yè)大學(xué)
• 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

本發(fā)明涉及一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的梅花鹿面部識別方法。其中，基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的梅花鹿面部識別方法包括：利用目標(biāo)檢測模型檢測出梅花鹿個體，保存梅花鹿個體圖片，從中截取梅花鹿面部圖像并按照個體標(biāo)簽進(jìn)行分類保存；使用圖像分割模型對梅花鹿面部數(shù)據(jù)進(jìn)行分割，得到無背景干擾的梅花鹿面部數(shù)據(jù)集；采用AM?Softmax損失函數(shù)的SE?ResNet作為主干網(wǎng)絡(luò)構(gòu)建梅花鹿面部識別模型：使用改進(jìn)后網(wǎng)絡(luò)提取梅花鹿面部特征，將網(wǎng)絡(luò)提取的特征輸入Softmax分類器進(jìn)行分類識別出梅花鹿個體，使用訓(xùn)練集訓(xùn)練網(wǎng)絡(luò)模型及對改進(jìn)后的卷積網(wǎng)絡(luò)模型進(jìn)行調(diào)參優(yōu)化；用測試集測試網(wǎng)絡(luò)模型的識別性能。本發(fā)明在識別相似度較高的圖像特征時具有較強(qiáng)的魯棒性，實現(xiàn)非接觸式梅花鹿的個體識別。

技術(shù)領(lǐng)域

本申請涉及計算機(jī)視覺領(lǐng)域，尤其涉及一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的梅花鹿面部識別方法。

背景技術(shù)

隨著中國吉林省的梅花鹿養(yǎng)殖數(shù)量逐年增加，對其進(jìn)行精準(zhǔn)化智能化管理迫在眉睫，且梅花鹿個體識別是實現(xiàn)精準(zhǔn)化管理的基礎(chǔ)。梅花鹿作為一種半野生動物，對其進(jìn)行個體識別十分困難，隨著機(jī)器學(xué)習(xí)的不斷發(fā)展，應(yīng)用機(jī)器學(xué)習(xí)識別動物個體能夠有效地提高梅花鹿個體識別的自動化程度，降低梅花鹿養(yǎng)殖成本。近年來，動物面部識別技術(shù)作為機(jī)器學(xué)習(xí)領(lǐng)域的一個新的研究方向已經(jīng)成為了學(xué)者們關(guān)注的熱點(diǎn)。面部識別作為生物識別技術(shù)之一，具有成本低、可靠性高等優(yōu)點(diǎn)。相較于耳標(biāo)與耳號，基于動物面部特征的識別技術(shù)對動物健康更有利，因此得到人們的重視。通過面部識別技術(shù)來識別養(yǎng)殖場中的動物個體，以達(dá)到跟蹤養(yǎng)殖的目的，因此使用面部識別技術(shù)對梅花鹿進(jìn)行無接觸監(jiān)測在梅花鹿精準(zhǔn)智能養(yǎng)殖方面具有重要意義。目前，在畜牧養(yǎng)殖業(yè)中，動物面部識別技術(shù)較多運(yùn)用在豬、牛等面部差異較大的動物識別上，而對梅花鹿這種面部相似度較高的動物方面還鮮有研究。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中存在的不足，本發(fā)明提出一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的梅花鹿面部識別方法，該方法可以利用改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)從梅花鹿數(shù)據(jù)集圖像中提取更詳細(xì)的面部信息，可以提高在梅花鹿真實養(yǎng)殖環(huán)境下對梅花鹿的識別能力。發(fā)明采用技術(shù)手段如下：為了解決上述技術(shù)問題或者至少部分地解決上述技術(shù)問題，本申請?zhí)峁┝艘环N基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的梅花鹿面部識別方法。

本申請?zhí)峁┝艘环N基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)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(biāo)檢測；利用YOLO目標(biāo)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(biāo)個體進(jìn)行定位，將檢測到的目標(biāo)梅花鹿應(yīng)用圖像工具截取每頭目標(biāo)梅花鹿的面部圖像，分別按照梅花鹿個體標(biāo)簽保存至梅花鹿面部數(shù)據(jù)集；

步驟(2)、圖像分割；對所述梅花鹿面部數(shù)據(jù)集中的每個所述目標(biāo)梅花鹿的面部圖像進(jìn)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(gòu)建用于模型訓(xùn)練的梅花鹿面部訓(xùn)練數(shù)據(jù)集，將所述梅花鹿面部訓(xùn)練數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集和驗證數(shù)據(jù)集，同時建立測試數(shù)據(jù)集；

步驟(4)、圖像預(yù)處理；對所述梅花鹿面部訓(xùn)練數(shù)據(jù)集中的每個所述梅花鹿面部圖片進(jìn)行數(shù)據(jù)增強(qiáng)，得到數(shù)據(jù)增強(qiáng)后的訓(xùn)練數(shù)據(jù)集、驗證數(shù)據(jù)集和測試數(shù)據(jù)集；

步驟(5)、構(gòu)建梅花鹿面部識別網(wǎng)絡(luò)模型；基于改進(jìn)后的殘差訓(xùn)練網(wǎng)絡(luò)構(gòu)建用于提取梅花鹿面部特征的梅花鹿面部識別網(wǎng)絡(luò)模型，采用 AM-Softmax作為所述梅花鹿面部識別網(wǎng)絡(luò)模型的輸出層的損失函數(shù)；步驟(6)、使用數(shù)據(jù)增強(qiáng)后的所述梅花鹿面部訓(xùn)練數(shù)據(jù)集并采用梯度下降法訓(xùn)練所述梅花鹿面部識別網(wǎng)絡(luò)模型及調(diào)參優(yōu)化，通過數(shù)據(jù)增強(qiáng)后的所述驗證數(shù)據(jù)集驗證后獲得網(wǎng)絡(luò)權(quán)重參數(shù)；

步驟(7)、測試時，利用數(shù)據(jù)增強(qiáng)后的所述測試數(shù)據(jù)集對所述梅花鹿面部識別網(wǎng)絡(luò)模型進(jìn)行測試，所述梅花鹿面部識別網(wǎng)絡(luò)模型的模型參數(shù)為所述網(wǎng)絡(luò)權(quán)重參數(shù)，測試通過時，確定所述梅花鹿面部識別網(wǎng)絡(luò)模型訓(xùn)練完成；

步驟(8)、識別時，向所述梅花鹿面部識別網(wǎng)絡(luò)模型輸入采集的梅花鹿面部圖片，所述梅花鹿面部識別網(wǎng)絡(luò)模型輸出識別結(jié)果，所述識別結(jié)果包括梅花鹿個體標(biāo)簽。