基于深度学习的低成本高精度猪脸识别方法技术

本发明专利技术公开了基于深度学习的低成本高精度猪脸识别方法，包括以下步骤：S1：利用多任务目标检测模型提取图片中猪脸部关键点ROI图片；S2：使用猪脸各部位专用的神经网络模型对于相应的猪脸部关键点ROI图片进行特征提取，得到多个分别代表不同部位特征的特征向量；S3：通过计算步骤S2中特征向量与底库中所有猪只个体之间的度量距离，得到原图与猪只个体之间的度量距离；S4：根据特征距离计算相似度，通过相似度高低判断得到被测图片属于的目标猪只个体。本发明专利技术效率提高了多个量级，不仅减轻了从业人员对猪只个体进行编号管理时的作业量，大幅度降低了人力成本，还提高了分辨猪只个体的准确度，降低了算力成本。降低了算力成本。降低了算力成本。

【技术实现步骤摘要】
基于深度学习的低成本高精度猪脸识别方法


[0001]本专利技术涉及计算机视觉深度学习
，尤其涉及基于深度学习的低成本高精度猪脸识别方法。

技术介绍

[0002]生猪养殖行业中，对猪只个体做区分编号是记录猪只数据库表项的基础，例如称量猪只体重的记录，记录猪只疫苗接种情况等，都是基于猪只个体已经做好区分的前提下进行的。
[0003]传统的猪只个体区分方法主要依靠人工巡视，检查比对猪只栏圈、脸部、生活习性、体表体征等以区分不同个体。此方法效率低下，并且十分消磨工作人员的意志与精力。
[0004]对于长年累月生活在小型养殖场（40头左右规模）的工作人员来说，区分不同猪只个体的任务并不困难，然而对于大型养殖场，仅依靠人工记录区分不同个体，并且以之作为依据开展诸如称重、接种疫苗、配种等其他工作将会是一项繁琐且庞大的工作。该项人力成本占据了生产成本的很大部分，并且随着养殖规模的增大，该项人力成本亦将随之增加。
[0005]肉猪不同于虎、鲸鱼等保护动物，没有特别明显的外在特征，如条纹模式，尾巴形状等，且肉猪为了节约饲喂成本多在出生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的低成本高精度猪脸识别方法，其特征在于，包括以下步骤：S1：利用多任务目标检测模型提取图片中猪脸部关键点ROI图片；S2：使用猪脸各部位专用的神经网络模型对于相应的猪脸部关键点ROI图片进行特征提取，得到多个分别代表不同部位特征的特征向量；S3：通过计算步骤S2中特征向量与底库中所有猪只个体之间的度量距离，得到原图与猪只个体之间的度量距离；S4：根据特征距离计算相似度，通过相似度高低判断得到被测图片属于的目标猪只个体。2.根据权利要求1所述的基于深度学习的低成本高精度猪脸识别方法，其特征在于，所述S1具体为：利用多任务目标检测模型同时检测猪脸和猪脸部关键点所在位置，并将猪脸以及猪脸部关键点周围一定大小的区域均作为ROI进行截取。3.根据权利要求1所述的基于深度学习的低成本高精度猪脸识别方法，其特征在于，所述S2具体为：通过多次卷积和池化操作，将原图片转化为一个若干维的特征向量；若传入多张相同部位的ROI图片，使用同一模型对每张图片进行特征提取，并对得到的特征向量取平均；若传入了多张不同部位的ROI图片，使用各部位模型对相应的部位进行特征提取，得到多个分别代表不同部位特征的特征向量。4.根据权利要求1所述的基于深度学...

【专利技术属性】
技术研发人员：江熠，罗奥成，刘子祯，赵书磊，郭丰瑞，唐铭，唐善雯，章璐，李美伊，宋乐，
申请(专利权)人：天津大学四川创新研究院，
类型：发明
国别省市：