本申请实施例属于人工智能领域，涉及一种牛脸检测方法，包括：采集牛脸数据并进行数据处理，得到牛脸数据集；预构建牛脸检测模型，并使用所述牛脸数据集训练和测试预构建好的牛脸检测模型，得到目标牛脸检测模型；获取待检测的牛脸数据，输入所述目标牛脸检测模型，检测出对应的目标牛脸。本申请通过专门采集和制作的牛脸数据集来训练预构建的牛脸检测模型，得到的单阶段目标牛脸检测网络，可同时进行多面牛脸的检测和多个牛脸关键点定位的任务，可以使目标牛脸检测模型对关键点的定位更加精准，稳定性好，有助于后续进行牛脸识别，该目标牛脸检测网络具有结构简洁、后处理简单、算法效率高、计算量小、收敛速度快的优点。收敛速度快的优点。收敛速度快的优点。
【技术实现步骤摘要】
牛脸检测方法、装置、计算机设备及可读存储介质
[0001]本申请涉及人工智能
，尤其涉及牛脸检测方法、装置、计算机设备及可读存储介质。
技术介绍
[0002]如今，动物养殖越来越向集中化、规模化、自动化发展，通过对每只动物建立数字档案从而可以对动物进行全生命周期的数字化管理，如牛只的保险投保、理赔、医疗管理等等，但首先都需要对动物进行身份识别，而现代动物身份识别技术主要有下面几类：传统式的(如烙印、纹身等)、电子式的(如耳标、可植入式ID芯片等)、生物特征式的(如鼻纹印、虹膜识别，牛脸识别等)。传统式的、电子式的动物身份识别方法都具有动物福利低、造价高、重复利用率低、操作难、丢失率高、以及可篡改难度低等缺点。牛脸识别技术是基于图像中牛脸部特征的差异进行区分的牛只身份识别方法。整个过程包括牛脸检测、牛脸特征点检测以及牛脸识别三个主要步骤。牛脸检测和牛脸关键点检测是牛脸识别的基础，这一步骤存在的主要问题在于：
[0003]1、目前没有专门的牛脸(左中右脸)检测方法，若直接使用人脸检测的方案，存在关键点回归效果差且不稳定的问题，无法满足业务场景需求；
[0004]2、目前没有针对关于牛脸检测的公开数据集，牛脸关键点的制定也没有参考方案；
[0005]3、两阶段的牛脸检测及关键点检测方法模型计算量大，后处理复杂，落地难度大，稳定性差；
[0006]4、牛脸立体感强，具有三个面，且每个面关键点不一致，只检测一个面存在关键点被遮挡的情况，不利于后续牛脸识别。
技术实现思路
[0007]本申请实施例的目的在于提出一种牛脸检测方法，通过该方法专门采集和制作的牛脸数据集来训练预构建的牛脸检测模型，得到的单阶段目标牛脸检测网络，可同时进行多面牛脸的检测和多个牛脸关键点定位的任务，有助于后续进行牛脸识别，且牛脸关键点的定位更加精准，稳定性好。
[0008]为了解决上述技术问题，本申请实施例提供一种牛脸检测方法，采用了如下所述的技术方案：
[0009]采集牛脸数据并进行数据处理，得到牛脸数据集；
[0010]预构建牛脸检测模型，并使用所述牛脸数据集训练和测试预构建好的牛脸检测模型，得到目标牛脸检测模型；
[0011]获取待检测的牛脸数据，输入所述目标牛脸检测模型，检测出对应的目标牛脸。
[0012]进一步的，所述预构建牛脸检测模型的步骤包括：
[0013]使用ResNet50构建牛脸检测模型的骨干网络层；
[0014]通过卷积核和反卷积核构建牛脸检测模型的颈部网络层；
[0015]根据预设的分类和/或回归任务构建头部网络层。
[0016]进一步的，所述使用所述牛脸数据集训练和测试预构建好的牛脸检测模型，得到目标牛脸检测模型包括:
[0017]对所述牛脸数据集进行数据预处理，并按预设比例随机划分为训练集和测试集；
[0018]初始化所述预构建好的牛脸检测模型，并通过所述训练集训练和所述测试集测试所述牛脸检测模型，直到满足预设训练条件后得到所述目标牛脸检测模型。
[0019]进一步的，所述获取待检测的牛脸数据，输入所述目标牛脸检测模型，检测出对应的目标牛脸包括：
[0020]通过所述目标牛脸检测模型的骨干网络层从所述待检测的牛脸数据提取待识别牛脸的特征组成特征图；
[0021]通过所述目标牛脸检测模型的颈部网络层进一步从所述特征图中自适应提取待识别牛脸的特征信息；
[0022]通过所述目标牛脸检测模型的头部网络层对所述特征信息进行分类和回归，得到目标牛脸的关键信息。
[0023]进一步的，所述根据预设的分类和/或回归任务构建头部网络层包括：
[0024]基于基本卷积、激活函数和瓶颈卷积，至少按预设的牛脸中心点热力图分类任务、牛脸中心点的偏移量回归任务、牛脸区域框的宽高回归任务、牛脸关键点的热力图分类任务、牛脸关键点的偏移量回归任务以及牛脸关键点指向牛脸中心点向量值的回归任务，分别构建对应的任务分支网络组成所述头部网络层。
[0025]进一步的，所述通过所述目标牛脸检测模型的头部网络层对所述特征信息进行分类和回归，得到目标牛脸的关键信息包括：
[0026]通过所述目标牛脸检测模型的头部网络层的各个分支网络从所述特征信息中对应获取目标牛脸的左中右脸型、牛脸中心点的偏移量、牛脸区域框的宽高值、至少5个牛脸的关键点、牛脸关键点的偏移量以及牛脸关键点指向牛脸中心点向量值。
[0027]为了解决上述技术问题，本申请实施例还提供一种牛脸检测装置，采用了如下所述的技术方案：
[0028]所述牛脸检测装置包括：
[0029]采集模块，用于采集牛脸数据并进行数据处理，得到牛脸数据集；
[0030]构建模块，用于预构建牛脸检测模型，并使用所述牛脸数据集训练和测试预构建好的牛脸检测模型，得到目标牛脸检测模型；
[0031]检测模块，用于获取待检测的牛脸数据，输入所述目标牛脸检测模型，检测出对应的目标牛脸。
[0032]进一步的，所述构建模块包括：
[0033]第一构建子模块，用于使用ResNet50构建牛脸检测模型的骨干网络层；
[0034]第二构建子模块，用于通过卷积核和反卷积核构建牛脸检测模型的颈部网络层；
[0035]第三构建子模块，用于根据预设的分类和/或回归任务构建头部网络层。
[0036]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0037]所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现所述的牛脸检测方法的步骤。
[0038]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0039]所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现所述的牛脸检测方法的步骤。
[0040]与现有技术相比，本申请实施例主要有以下有益效果：本申请通过专门采集和制作的牛脸数据集来训练预构建的牛脸检测模型，得到的单阶段目标牛脸检测网络，可同时进行多面牛脸的检测和多个牛脸关键点定位的任务，有助于后续进行牛脸识别，且其中牛脸关键点的预测是基于热力图的，可以使目标牛脸检测模型对关键点的定位更加精准，稳定性好，该目标牛脸检测网络具有结构简洁、后处理简单、算法效率高、计算量小、收敛速度快的优点。
附图说明
[0041]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]图1是本申请可以应用于其中的示例性系统架构图；
[0043]图2是根据本申请的牛脸检测方法的一个实施例的流程图；
[0044]图3是根据本申本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种牛脸检测方法，其特征在于，包括下述步骤：采集牛脸数据并进行数据处理，得到牛脸数据集；预构建牛脸检测模型，并使用所述牛脸数据集训练和测试预构建好的牛脸检测模型，得到目标牛脸检测模型；获取待检测的牛脸数据，输入所述目标牛脸检测模型，检测出对应的目标牛脸。2.根据权利要求1所述的牛脸检测方法，其特征在于，所述预构建牛脸检测模型的步骤包括：使用ResNet50构建牛脸检测模型的骨干网络层；通过卷积核和反卷积核构建牛脸检测模型的颈部网络层；根据预设的分类和/或回归任务构建头部网络层。3.根据权利要求2所述的牛脸检测方法，其特征在于，所述使用所述牛脸数据集训练和测试预构建好的牛脸检测模型，得到目标牛脸检测模型包括:对所述牛脸数据集进行数据预处理，并按预设比例随机划分为训练集和测试集；初始化所述预构建好的牛脸检测模型，并通过所述训练集训练和所述测试集测试所述牛脸检测模型，直到满足预设训练条件后得到所述目标牛脸检测模型。4.根据权利要求3所述的牛脸检测方法，其特征在于，所述获取待检测的牛脸数据，输入所述目标牛脸检测模型，检测出对应的目标牛脸包括：通过所述目标牛脸检测模型的骨干网络层从所述待检测的牛脸数据提取待检测牛脸的特征组成特征图；通过所述目标牛脸检测模型的颈部网络层进一步从所述特征图中自适应提取待识别牛脸的特征信息；通过所述目标牛脸检测模型的头部网络层对所述特征信息进行分类和回归，得到目标牛脸的关键信息。5.根据权利要求4所述的牛脸检测方法，其特征在于，所述根据预设的分类和/或回归任务构建头部网络层包括：基于基本卷积、激活函数和瓶颈卷积，至少按预设的牛脸中心点热力图分类任务、牛脸中心点的偏移量回归任务、牛脸区域框的宽高回...
【专利技术属性】
技术研发人员：张锦华，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。