一种结合面部特征与鼻纹特征的宠物识别方法及系统技术方案

本发明专利技术涉及智能识别技术领域，特别涉及一种结合面部特征与鼻纹特征的宠物识别方法及其系统；先对宠物进行正面拍照，再对宠物照片中的面部和鼻子进行检测识别，得到宠物的面部图像和鼻子的鼻纹图像，然后对鼻纹图像进行纹理提取，得到鼻纹纹理图，再然后将宠物的面部图像和鼻纹纹理图输入深度学习模型进行训练，训练完成后生成身份特征，最后将生成的身份特征与保存在数据库中的特征进行比对，判断被识别的宠物是否是数据库中记录的宠物；本发明专利技术可采用面部和鼻纹相结合的识别方法能够有效地提高宠物识别的准确率且识别速度更快。提高宠物识别的准确率且识别速度更快。提高宠物识别的准确率且识别速度更快。

【技术实现步骤摘要】
一种结合面部特征与鼻纹特征的宠物识别方法及系统


[0001]本专利技术涉及智能识别
，特别涉及一种结合面部特征与鼻纹特征的宠物识别方法及其系统。

技术介绍

[0002]随着生活水平的提高，饲养宠物的家庭越来越多，宠物的管理也变成了一项必不可少的工作；有效的管理小区、家庭之中的宠物，可以减少外来宠物、流浪宠物带来的各种问题，使小区和家庭更加安全。
[0003]目前宠物的识别有三种方式：
[0004]1、采用注射芯片的方法，利用射频识别技术通过无线射频方式进行非接触双向数据通信，利用无线射频方式对芯片进行读写，从而达到识别目标和数据交换的目的，但注射芯片会对宠物造成一定程度的伤害，且芯片容易被替换进而造假；
[0005]2、采用脱氧核糖核酸鉴定的方法，准确度高，但耗时很长且费用较高；
[0006]3、采用生物特征识别，宠物的鼻纹类似于人的指纹，是独一无二的特征，可以通过提取鼻纹特征对宠物进行身份识别，然而目前的鼻纹识别的精度不高，很难应用在实际场景中。

技术实现思路

[0007]本专利技术主要解决的技术问题是提供了一种结合面部特征与鼻纹特征的宠物识别方法，其将宠物面部特征和鼻纹特征相结合的身份识别技术来进行识别，主要利用宠物的面部特点结合鼻纹纹理特征进行宠物的精准识别，还提供了一种结合面部特征与鼻纹特征的宠物识别系统。
[0008]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种结合面部特征与鼻纹特征的宠物识别方法，其中，包括如下步骤：
[0009]步骤S1、对宠物进行正面拍照；
[0010]步骤S2、对宠物照片中的面部和鼻子进行检测识别，得到宠物的面部图像和鼻子的鼻纹图像；
[0011]步骤S3、对鼻纹图像进行纹理提取，得到鼻纹纹理图；
[0012]步骤S4、将宠物的面部图像和鼻纹纹理图输入深度学习模型进行训练，训练完成后生成身份特征；
[0013]步骤S5、将生成的身份特征与保存在数据库中的特征进行比对，判断被识别的宠物是否是数据库中记录的宠物。
[0014]作为本专利技术的一种改进，在步骤S2内，将宠物的正面图像通过目标检测模型得到宠物的面部图像和鼻纹图像。
[0015]作为本专利技术的进一步改进，在步骤S2内，所述目标检测模型采用YOLO目标检测模型。
[0016]作为本专利技术的更进一步改进，步骤S3包括如下步骤：
[0017]步骤S31、采用高斯滤波器对鼻纹图像进行滤波；
[0018]步骤S32、对鼻纹图像中每个像素点进行提取，得到每个像素点的梯度强度和方向；
[0019]步骤S33、对鼻纹图像采用非极大值抑制；
[0020]步骤S34、对鼻纹图像的边缘进行检测，得到真实的边缘和潜在的边缘；
[0021]步骤S35、采用抑制孤立的弱边缘从而完成边缘检测，得到鼻纹纹理图。
[0022]作为本专利技术的更进一步改进，在步骤S4内，深度学习模型对宠物的面部图像和鼻纹纹理图分别进行特征提取和特征输出，再将输出的两个特征进行合并。
[0023]作为本专利技术的更进一步改进，在步骤S4内，深度学习模型对宠物的面部图像和鼻纹纹理图均先后进行骨网络的特征提取、注意力机制层的训练和池化层的训练，再输出特征，对输出的两个特征在联合层进行拼接合并为一组特征值，将拼接合并的特征值先后通过损失层和分类层后输出特征向量。
[0024]作为本专利技术的更进一步改进，在步骤S5内，将特征向量与数据库中已保存的特征向量依次计算得到相似度值。
[0025]作为本专利技术的更进一步改进，在步骤S5内，将相似度值与预设的设定阈值进行比较，如果相似度值大于设定阈值，则识别成功，判断被识别的宠物是数据库中记录的宠物；如果相似度值小于设定阈值，则识别失败，判断被识别的宠物不是数据库中记录的宠物。
[0026]一种结合面部特征与鼻纹特征的宠物识别系统，其中，包括：
[0027]摄像头，用于对宠物进行拍照；
[0028]检测模块，用于对宠物照片进行检测，提取出宠物的面部图像和鼻子的鼻纹图像；
[0029]纹理提取模块，用于对鼻纹图像进行纹理提取得到鼻纹纹理图；
[0030]训练模块，用于构建深度学习模型，对宠物的面部图像和鼻纹纹理图进行训练；
[0031]识别模块，用于构建宠物识别模型，判断被识别的宠物是否是数据库中记录的宠物。
[0032]本专利技术的有益效果是：与现有技术相比，本专利技术结合宠物面部特征和鼻纹特征来进行识别，其主要利用宠物的面部特点结合鼻纹纹理特征进行宠物的精准识别，本专利技术提高了宠物识别的精度，从而应用在实际场景中。
附图说明
[0033]图1为本专利技术的步骤框图；
[0034]图2为本专利技术的步骤S3的步骤框图；
[0035]图3为本专利技术的深度学习模型的训练框图；
[0036]图4为本专利技术的宠物识别模型的识别流程框图。
具体实施方式
[0037]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0038]请参照图1至图4，本专利技术的一种结合面部特征与鼻纹特征的宠物识别方法，包括如下步骤：
[0039]步骤S1、对宠物进行正面拍照；
[0040]步骤S2、对宠物照片中的面部和鼻子进行检测识别，得到宠物的面部图像和鼻子的鼻纹图像；
[0041]步骤S3、对鼻纹图像进行纹理提取，得到鼻纹纹理图；
[0042]步骤S4、将宠物的面部图像和鼻纹纹理图输入深度学习模型进行训练，训练完成后生成身份特征；
[0043]步骤S5、将生成的身份特征与保存在数据库中的特征进行比对，判断被识别的宠物是否是数据库中记录的宠物。
[0044]本专利技术结合宠物面部特征和鼻纹特征来进行识别，其主要利用宠物的面部特点结合鼻纹纹理特征进行宠物的精准识别，本专利技术提高了宠物识别的精度，从而应用在实际场景中。
[0045]在步骤S2内，将宠物的正面图像通过目标检测模型得到宠物的面部图像和鼻纹图像；进一步，目标检测模型采用YOLO目标检测模型。
[0046]在本专利技术内，步骤S3包括如下步骤：
[0047]步骤S31、采用高斯滤波器对鼻纹图像进行滤波；
[0048]步骤S32、对鼻纹图像中每个像素点进行提取，得到每个像素点的梯度强度和方向；
[0049]步骤S33、对鼻纹图像采用非极大值抑制；
[0050]步骤S34、对鼻纹图像的边缘进行检测，得到真实的边缘和潜在的边缘；
[0051]步骤S35、采用抑制孤立的弱边缘从而完成边缘检测，得到鼻纹纹理图。
[0052]具体地讲，将获得的鼻纹图像通过Canny边缘检测方法得到鼻纹的纹理图，Canny边缘检测方法可以分为以下5个步骤：
[0053]1)使用高斯滤波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合面部特征与鼻纹特征的宠物识别方法，其特征在于，包括如下步骤：步骤S1、对宠物进行正面拍照；步骤S2、对宠物照片中的面部和鼻子进行检测识别，得到宠物的面部图像和鼻子的鼻纹图像；步骤S3、对鼻纹图像进行纹理提取，得到鼻纹纹理图；步骤S4、将宠物的面部图像和鼻纹纹理图输入深度学习模型进行训练，训练完成后生成身份特征；步骤S5、将生成的身份特征与保存在数据库中的特征进行比对，判断被识别的宠物是否是数据库中记录的宠物。2.根据权利要求1所述的一种结合面部特征与鼻纹特征的宠物识别方法，其特征在于，在步骤S2内，将宠物的正面图像通过目标检测模型得到宠物的面部图像和鼻纹图像。3.根据权利要求2所述的一种结合面部特征与鼻纹特征的宠物识别方法，其特征在于，在步骤S2内，所述目标检测模型采用YOLO目标检测模型。4.根据权利要求1所述的一种结合面部特征与鼻纹特征的宠物识别方法，其特征在于，步骤S3包括如下步骤：步骤S31、采用高斯滤波器对鼻纹图像进行滤波；步骤S32、对鼻纹图像中每个像素点进行提取，得到每个像素点的梯度强度和方向；步骤S33、对鼻纹图像采用非极大值抑制；步骤S34、对鼻纹图像的边缘进行检测，得到真实的边缘和潜在的边缘；步骤S35、采用抑制孤立的弱边缘从而完成边缘检测，得到鼻纹纹理图。5.根据权利要求1所述的一种结合面部特征与鼻纹特征的宠物识别方法，其特征在于，在步骤S4内，深度学习模...

【专利技术属性】
技术研发人员：童小平，陈云，王浩，
申请(专利权)人：杭州宠博科技有限公司，
类型：发明
国别省市：