一种改进光照与摄像头差异的牛脸识别方法技术

针对在复杂环境牧场时由于牧场环境光照和摄像头差异导致算法在新环境的识别性能显著下降的问题，本发明专利技术公开了一种改进光照与摄像头差异的牛脸识别方法，构建Style

【技术实现步骤摘要】
一种改进光照与摄像头差异的牛脸识别方法


[0001]本专利技术涉及生物识别领域，具体涉及一种改进光照与摄像头差异的牛脸识别算法。

技术介绍

[0002]我国畜牧业养殖正向规模化、信息化、精细化发展，集约化养牛逐步取代小规模养殖模式。
[0003]为了实现牛群的精细化管理，必须对每头牛的健康状况、移动轨迹等信息进行跟踪和监控，其中牛个体的识别是关键。传统的牛个体识别主要是采用物理方法对牛身体某一部位进行标记，或者将微芯片嵌入牛体。
[0004]随着神经网络的快速发展，基于卷积神经网络(Convolutional Neural Networks，CNN)的牛脸识别技术日趋成熟。有研究运用CNN提取的特征构造稀疏表示分类模型，计算各类别的残差，依据残差最小原则进行牛个体识别。但是目前的牛脸识别算法在训练和测试时都使用相同的数据集分割而成。然而，实际牧场中由于复杂的光照环境和图像采集的摄像头差异，导致图像数据的分布发生变化，这极大地削弱了模型的泛化能力，降低了现有的牛脸识别算法在实际应用时的识别性能。考虑到光照和摄像头等风格因素带来的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进光照与摄像头差异的牛脸识别方法，其特征在于，包括以下步骤：S1采集牛脸数据：在若干种不同的光照条件下，使用若干款不同的摄像头采集牛脸视频，从所述牛脸视频中截取牛脸图像并进行分类、编号和筛选，构建COWYCTC
‑
868数据集；将所述COWYCTC
‑
868数据集分为训练集和验证集；S2 Style
‑
ResNet模型建立与数据训练S2.1构建特征归一化模块Style
‑
Block在style
‑
block中，首先按下式所示的方法，对包含风格信息的特征F通过实例归一化得到不包含风格信息的风格归一化特征得到不包含风格信息的风格归一化特征式中μ和σ为牛脸图像特征在每一个通道统计的均值和方差，γ和β为实例归一化中的可学习参数；之后再通过包含风格信息的特征F和不包含风格信息的风格归一化特征按下式所示的方法，计算包含实例归一化丢失牛脸图像内容信息的残差特征R：所述残差特征R∈R
c
×
h
×
w
,该特征是一个c
×
h
×
w的三维数组，所述残差特征R中包含和类别相关的识别特征以及由于光照和摄像头差异产生的风格特征其中，其中c,h,w表示特征的通道数、高度和宽；在所述残差特征R的通道维度，按如下式所示的方法，运用自注意力机制获得残差特征R和识别任务之间的关系向量V：V＝Sigmoid(Conv(Re Lu(Conv(pool(R)))))式中，关系向量V＝[V0,V1,....,V
c
‑1]，Sigmoid为激活函数，pool为全局平均池化层、ReLu是激活函数，Conv是卷积层；通过关系向量V，按如下式所示的方法，计算出残差特征R中的类别信息相关的识别特征R
+
和风格信息特征R
‑
：R
+
(k,:,:)＝V
k
R(k,:,:)R
‑
(k,:,:)＝(1
‑
V
k
)R(k,:,:)其中为特征R的第k个通道的特征，V
k
为关系向量V的第k个维度值，最后将恢复的识别特征R
+
和实例归一化特征相加，得到最后只包含类别信息的输出特征相加，得到最后只包含类别信息的输出特征将style
‑
block从残差特征R中提取的风格特征R
‑
和实例归一化特征相加，得到最后包含风格信息的输出特征包含风格信息的输出特征所述风格信息由牛场光照差异和摄像头差异产生；S2.2构建风格归一化残差块Style
‑
Resnet
‑
Block所述风格归一化残差块的主干框架是使用残差块形式；
所述风格归一化残差块的输入为经过归一化后的图片特征所述经过归一化后的图片特征是通过将输入图像经过3
×
3卷积层、最大值池化层后得到的；对所述归一化后的图片特征进行若干次卷积归一化和Mish激活函数处理，得到的结果，与所述归一化后的图片特征相加，再经过Mish激活函数处理后，输入特征归一化模块Style
‑
Block，输出只包含类别信...

【专利技术属性】
技术研发人员：黄安祥，沈雷，郑鹏，蓝雷斌，方一昊，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：