一种基于迁移学习的牦牛脸识别方法技术

本发明专利技术公开了一种基于迁移学习的牦牛脸识别方法，包括以下步骤：S1：从牦牛脸视频数据中提取牦牛脸图像数据；S2：筛选牦牛脸图像数据，确定牦牛脸数据集，并将牦牛脸数据集分为训练数据和测试数据；S3：将训练数据作为VGG‑CNN网络的输入，进行训练；S4：将测试数据输入至训练完成的VGG‑CNN网络中，并输出分类结果，完成牦牛脸识别。本发明专利技术的牦牛脸识别方法不仅能够直接使用已训练好的且具有多优点的VGG16网络，有效减少网络训练时间，联合CNN网络还能解决牦牛脸部毛发多和不易提取脸部特征的问题。

【技术实现步骤摘要】
一种基于迁移学习的牦牛脸识别方法
本专利技术属于人工智能图像识别
，具体涉及一种基于迁移学习的牦牛脸识别方法。
技术介绍
近年来，人工智能快速发展，一些关键技术被应用于畜牧业。牦牛养殖场为了集中化管理，需要对每个牦牛个体进行记录以及精确的识别。目前已有的各种动物脸部识别技术取得了不错的效果。不过牦牛脸识别本身具有其特殊性，由于牦牛脸上毛发较多，会掩盖部分脸部特征，且目前牦牛脸部的数据集较少，如果直接利用现有的网络模型训练会出现识别效果不佳和训练时间过长等问题。而广泛应用于动物识别的VGG16网络，经过了大量数据和大量时间的训练，具有特征提取准确的优点，却难以直接用于牦牛脸识别。因此，如何利用好这些已经训练好的且性能优异的VGG16模型，进行牦牛脸识别，是目前需要迫切解决的问题。
技术实现思路
本专利技术的目的是为了解决牦牛脸识别的问题，提出了一种基于迁移学习的牦牛脸识别方法。本专利技术的技术方案是：一种基于迁移学习的牦牛脸识别方法包括以下步骤：S1：从牦牛脸视频数据中提取牦牛脸图像数据；S2：筛本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的牦牛脸识别方法，其特征在于，包括以下步骤：/nS1：从牦牛脸视频数据中提取牦牛脸图像数据；/nS2：筛选牦牛脸图像数据，确定牦牛脸数据集，并将牦牛脸数据集分为训练数据和测试数据；/nS3：将训练数据作为VGG-CNN网络的输入，进行训练；/nS4：将测试数据输入至训练完成的VGG-CNN网络中，并输出分类结果，完成牦牛脸识别。/n

【技术特征摘要】
1.一种基于迁移学习的牦牛脸识别方法，其特征在于，包括以下步骤：
S1：从牦牛脸视频数据中提取牦牛脸图像数据；
S2：筛选牦牛脸图像数据，确定牦牛脸数据集，并将牦牛脸数据集分为训练数据和测试数据；
S3：将训练数据作为VGG-CNN网络的输入，进行训练；
S4：将测试数据输入至训练完成的VGG-CNN网络中，并输出分类结果，完成牦牛脸识别。


2.根据权利要求1所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S2包括以下子步骤：
S21：计算牦牛脸图像数据中相邻图像的均方误差MSE；
S22：通过均方误差MSE对牦牛脸图像数据进行一次筛选；
S23：计算一次筛选后的相邻图像的结构相似度S(x,y)；
S24：通过结构相似度S(x,y)对牦牛脸图像数据进行二次筛选，得到牦牛脸数据集；
S25：将牦牛脸数据集按照7:3的比例划分为训练数据和测试数据。


3.根据权利要求2所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S21中，相邻图像的均方误差MSE的计算公式为：



其中，zij表示相邻图像中其中一张图像的像素点，z′ij表示相邻两张图像中另一张图像的像素点，X表示图像的高，Y表示图像的宽，i表示第i行的像素点，j表示第j列的像素点。


4.根据权利要求2所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S22中，对牦牛脸图像数据进行一次筛选的方法为：通过相邻图像的均方误差MSE对相邻两张图像进行比较，若相邻图像的均方误差MSE大于0.5，则丢弃其中一张图像。


5.根据权利要求2所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S23中，相邻图像的结构相似度S(x,y)的计算公式为：



其中，ux表示相邻图像中其中一张图像的平均值，uy表示相邻图像中另一张图像的平均值，表示相邻图像中其中一张图像的方差，表示相邻图像中另一张图像的方差，σxy表示相邻两张图像的协方差，c1表示第一常数，c2表示第二常数。


6.根据权利要求2所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S25中，对牦牛脸图像数据进行二次筛选的方法为：通过相邻图像的结构相似度S(x,y)对相邻两张图...

【专利技术属性】
技术研发人员：赵立，蔡志镕，尹子松，廖勇，
申请(专利权)人：成都希盟泰克科技发展有限公司，
类型：发明
国别省市：四川;51