基于深度学习的大熊猫脸部图像性别识别方法及装置制造方法及图纸

本发明专利技术实施例公开了一种基于深度学习的大熊猫脸部图像性别识别方法及装置，方法包括：获取待处理的大熊猫脸部图像；按大熊猫个体对待处理的大熊猫脸部图像进行数据集划分，以得到训练集和测试集；对测试图像进行数据增强及预处理，以得到处理结果；基于深度学习的性别识别模型，对处理结果进行识别，以得到大熊猫的性别识别结果。本发明专利技术实施例按大熊猫个体对待处理的大熊猫脸部图像进行数据集划分，合理地选择了数据增强手段和基础模型，能有效的提取具有判别大熊猫性别的针对性特征，通过归一化处理增强了特征的稳定性，为目前大熊猫性别识别这个难题提供了一个新的思路。

Gender recognition method and device of giant panda face image based on deep learning

【技术实现步骤摘要】
基于深度学习的大熊猫脸部图像性别识别方法及装置
本专利技术涉及图像分析
，具体涉及一种基于深度学习的大熊猫脸部图像性别识别方法、装置及存储介质。
技术介绍
大熊猫(Ailuropodamelanoleuca)是国际野生动物保护的旗舰物种。我国长期致力于通过大熊猫野外种群调查开展有效的大熊猫及其伴生珍稀濒危野生动物保护，先后四次组织专业的大熊猫科学调查。但是野外大熊猫的种群结构的研究依然存在大量的瓶颈工作需要突破，其中尤其体现在野外大熊猫的性别比例难以厘清。全国大熊猫第四次调查数据统计表明，全国野生大熊猫现今仅分布于岷山、邛崃、大相岭、小相岭、凉山、秦岭等六个山系中，被分割成33个孤立小种群，其中一些种群濒临灭绝。判断一个野生种群是否健康，了解大熊猫种群的性别比例至关重要，从而为指定科学的保护管理策略乃至种群复壮管理提供重要的科学指导。但大熊猫没有明显的性别二态性，所以很难依靠人眼确定大熊猫的性别，甚至一线饲养员也难以分别。随着大数据的产生和人工智能技术的发展，卷积神经网络能学习到人眼所观察到的高维特征，被广泛应用于图像分析
但对动物脸部图像的识别还较少。
技术实现思路
本专利技术实施例的目的在于提供一种基于深度学习的大熊猫脸部图像性别识别方法、装置及存储介质，利用图像分析技术对野外抓拍到的大熊猫的性别进行辅助判别，进而推动大熊猫的种群管理发展。为实现上述目的，第一方面，本专利技术实施例提供了一种基于深度学习的大熊猫脸部图像性别识别方法，包括：获取待处理的大熊猫脸部图像；按大熊猫个体对待处理的大熊猫脸部图像进行数据集划分，以得到训练集和测试集，所述测试集包括多张测试图像；对所述测试图像进行数据增强及预处理，以得到处理结果；基于深度学习的性别识别模型，对所述处理结果进行识别，以得到大熊猫的性别识别结果。作为本申请一种优选的实施方式，所述训练集包括多张训练图像，所述方法还包括：根据所述多张训练图像构建基于深度学习的性别识别模型。作为本申请一种具体的实施方式，根据所述多张训练图像构建基于深度学习的性别识别模型，具体包括：根据所述训练集训练一组模型的参数；将所述参数输入卷积基础网络，以得到所述性别识别模型；其中，所述卷积基础网络为ResNet-18，采用ImageNet预训练权重初始化，同时移除最后的全连接层，增加归一化层和输出层。作为本申请一种具体的实施方式，获取待处理的大熊猫脸部图像具体包括：获取多张大熊猫图像；对所述大熊猫图像进行人工标注，以得到标注方框，并将所述标注方框确定为临时感兴趣区域，所述临时感兴趣区域包括大熊猫脸部；记录所述标注方框左上角的坐标x和y，以及所述标注方框的宽w和高h；计算所述临时感兴趣区域的中心点坐标值和比较宽w和高h，将其中的最大值记录为a；以所述临时感兴趣区域的中心点为中心，a为边长，剪裁得到一新的正方形感兴趣区域；将所述正方形感兴趣区域的内容转化成图像，并缩放至预设大小，以得到所述待处理的大熊猫脸部图像。作为本申请一种具体的实施方式，对所述测试图像进行数据增强及预处理，以得到处理结果，具体包括：随机对所述待处理的大熊猫人脸图像进行剪裁，以得到高H×宽W大小的剪裁图像；对所述剪裁图像进行水平镜像处理；对所述剪裁图像进行旋转处理，其中残缺部分用黑色填充；随机用黑色像素填充所述剪裁图像中随机一小块部分；随机将所述剪裁图像沿水平、垂直方向进行移动，其中残缺部分用黑色填充；随机对所述剪裁图像进行加噪处理；按照ImageNet数据集的均值和方差，对所述剪裁图像进行归一化处理。作为本申请一种具体的实施方式，所述性别识别方法具体包括：采用所述基础卷积网络对所述处理结果进行高层特征提取，经归一化处理后得到最终的高层特征作为输出结果。第二方面，本专利技术实施例提供了一种基于深度学习的大熊猫脸部图像性别识别装置，包括：获取模块，用于获取待处理的大熊猫脸部图像；划分模块，用于按大熊猫个体对待处理的大熊猫脸部图像进行数据集划分，以得到训练集和测试集，所述测试集包括多张测试图像；处理模块，用于对所述测试图像进行数据增强及预处理，以得到处理结果；识别模块，用于基于深度学习的性别识别模型，对所述处理结果进行识别，以得到大熊猫的性别识别结果。进一步地，所述训练集包括多张训练图像，所述性别识别装置还包括：构建模块，用于根据所述多张训练图像构建基于深度学习的性别识别模型。第三方面，本专利技术实施例提供了另一种基于人脸识别的渠道风险控制装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其内存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。实施本专利技术实施例，利用图像分析技术对野外抓拍到的大熊猫的性别进行辅助判别，进而推动了大熊猫的种群管理发展。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。图1是本专利技术第一实施例提供的基于深度学习的大熊猫脸部图像性别识别方法的流程示意图；图2是本专利技术方法输入的熊猫脸部图像例子；图3是本专利技术验证实验验证结果的ROC曲线；图4是可视化判别区域结果的例子；图5是本专利技术第一实施例提供的基于深度学习的大熊猫脸部图像性别识别装置的结构示意图；图6是本专利技术第二实施例提供的基于深度学习的大熊猫脸部图像性别识别装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。请参考图1，本专利技术实施例提供的基于深度学习的大熊猫脸部图像性别识别方法，可以包括以下步骤：S101，获取多张大熊猫图像。本实施例中，可通过摄像头抓拍多张大熊猫图像。S102，人工标注，得到多张待处理的大熊猫脸部图像。具体地，人工从大熊猫图像中剪裁出大熊猫面部区域，将剪裁出的区域归一化成统一尺寸的图像，具体步骤如下：...

【技术保护点】
1.一种基于深度学习的大熊猫脸部图像性别识别方法，其特征在于，包括：/n获取待处理的大熊猫脸部图像；/n按大熊猫个体对待处理的大熊猫脸部图像进行数据集划分，以得到训练集和测试集，所述测试集包括多张测试图像；/n对所述测试图像进行数据增强及预处理，以得到处理结果；/n基于深度学习的性别识别模型，对所述处理结果进行识别，以得到大熊猫的性别识别结果。/n

【技术特征摘要】
1.一种基于深度学习的大熊猫脸部图像性别识别方法，其特征在于，包括：
获取待处理的大熊猫脸部图像；
按大熊猫个体对待处理的大熊猫脸部图像进行数据集划分，以得到训练集和测试集，所述测试集包括多张测试图像；
对所述测试图像进行数据增强及预处理，以得到处理结果；
基于深度学习的性别识别模型，对所述处理结果进行识别，以得到大熊猫的性别识别结果。


2.如权利要求1所述的性别识别方法，其特征在于，所述训练集包括多张训练图像，所述方法还包括：
根据所述多张训练图像构建基于深度学习的性别识别模型。


3.如权利要求2所述的性别识别方法，其特征在于，根据所述多张训练图像构建基于深度学习的性别识别模型，具体包括：
根据所述训练集训练一组模型的参数；
将所述参数输入卷积基础网络，以得到所述性别识别模型；其中，所述卷积基础网络为ResNet-18，采用ImageNet预训练权重初始化，同时移除最后的全连接层，增加归一化层和输出层。


4.如权利要求3所述的性别识别方法，其特征在于，获取待处理的大熊猫脸部图像具体包括：
获取多张大熊猫图像；
对所述大熊猫图像进行人工标注，以得到标注方框，并将所述标注方框确定为临时感兴趣区域，所述临时感兴趣区域包括大熊猫脸部；
记录所述标注方框左上角的坐标x和y，以及所述标注方框的宽w和高h；
计算所述临时感兴趣区域的中心点坐标值和
比较宽w和高h，将其中的最大值记录为a；
以所述临时感兴趣区域的中心点为中心，a为边长，剪裁得到一新的正方形感兴趣区域；
将所述正方形感兴趣区域的内容转化成图像，并缩放至预设大小，以得到所述待处理的大熊猫脸部图像。


5.如权利要求4所述的性别识别方法，其特征在于，对所述测试图像进行数据增强及预处理，以得到处理结果，具体包括：
随机对所述待处理的大熊猫人脸图像进行剪裁，以得到高H×宽W大小...

【专利技术属性】
技术研发人员：张志和，苏菡，汪鸿年，陈鹏，谢维奕，齐敦武，王海琨，侯蓉，
申请(专利权)人：成都大熊猫繁育研究基地，四川师范大学，
类型：发明
国别省市：四川;51