System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
涉及生物信息识别领域。
技术介绍
1、随着养殖市场需求增大和人民对于品质生活的不断提高,国内对牛类养殖的需求不断增加,养殖数量提高的同时,养殖方式也发生了变化。由传统的散养转变为集中化饲养,而在牛场管理过程中,随着牛只的数量增多,需要实现精细化的管理,对于牛只溯源,病情管理,保险理赔等多方面有较高的实用价值。
2、图像识别在牛脸识别中早有应用,但是传统图像识别算法对于多变的牛场环境、牛脸毛发、拍摄环境光线和拍摄角度变化等多重因素,在牛脸特征提取和识别过程存在较大困难,导致实际应用过程中普遍存在误识别和错识别的情况。因此,如何提高图片中牛脸识别中同类牛只特征提取的更优性能和图片采集流程的规范化是亟待解决的问题。
技术实现思路
1、为解决现有技术中存在的,传统图像识别算法对于多变的牛场环境、牛脸毛发、拍摄环境光线和拍摄角度变化等多重因素,在牛脸特征提取和识别过程存在较大困难,导致实际应用过程中普遍存在误识别和错识别的技术问题,本专利技术提供的技术方案为:
2、牛脸唯一性识别方法,所述方法包括:
3、采集牛只脸部视频的步骤;
4、根据所述牛只脸部视频,得到牛脸数据集的步骤;
5、对所述牛脸数据集中,预设关键点进行标注的步骤;
6、对所述牛脸数据集中,经过标注的数据进行数据增强,得到牛脸图像训练数据集的步骤;
7、将所述牛脸图像训练数据集输入关键点检测模型,得到牛脸关键点模型的步骤;
8、根据所
9、通过所述牛脸识别模型识别牛脸的步骤;
10、所述牛脸识别模型的主干网络为live-id-net网络,所述live-id-net网络的学习方式为:
11、对采集到的特征图进行空间特征压缩,并通过fc全连接层操作学习,得到具有通道注意力的特征图,将所述有通道注意力的特征图和所述采集到的特征图进行逐通道乘权重系数的操作;
12、live-id-net模型采用损失函数triplet loss、arcface或cosface。
13、进一步,提供一个优选实施方式,通过从左至右拍摄完整的左、中和右部分牛脸的方式得到所述牛只脸部视频,对所述牛只脸部视频进行抽帧和清晰度筛选,得到所述牛脸数据集。
14、进一步,提供一个优选实施方式,通过所述牛脸识别模型输出的特征向量,基于比较余弦相似度,实现牛脸识别。
15、进一步,提供一个优选实施方式,所述预设关键点包括:牛左眼、右眼、左鼻孔、右鼻孔和脸部中间位置。
16、进一步,提供一个优选实施方式,根据所述牛只脸部视频中,牛脸的左眼和右眼位置,通过yolov8目标识别方法对所述牛只脸部视频中牛脸角度进行校正。
17、进一步,提供一个优选实施方式,所述牛脸识别模型中,采用triplet loss三元组损失函数。
18、基于同一专利技术构思,本专利技术还提供了牛脸唯一性识别装置,所述装置包括:
19、采集牛只脸部视频的模块;
20、根据所述牛只脸部视频,得到牛脸数据集的模块;
21、对所述牛脸数据集中,预设关键点进行标注的模块;
22、对所述牛脸数据集中,经过标注的数据进行数据增强,得到牛脸图像训练数据集的模块;
23、将所述牛脸图像训练数据集输入关键点检测模型,得到牛脸关键点模型的模块;
24、根据所述牛脸关键点模型,对所述牛只脸部视频中牛脸角度进行校正,将牛脸角度校正后得到的牛脸校正数据集,得到牛脸识别模型的模块;
25、通过所述牛脸识别模型识别牛脸的模块;
26、live-id-net模型采用损失函数triplet loss、arcface或cosface。
27、基于同一专利技术构思,本专利技术还提供了计算机储存介质,用于储存计算机程序,当所述计算机程序被计算机读取时,所述计算机执行所述的方法。
28、基于同一专利技术构思,本专利技术还提供了计算机,包括处理器和储存介质,当所述处理器读取所述储存介质中储存的计算机程序时,所述计算机执行所述的方法。
29、与现有技术相比,本专利技术提供的技术方案的有益之处在于:
30、本专利技术提供的牛脸唯一性识别方法,通过视频方式采集牛脸数据,并对数据进行过滤筛选、关键点标注和数据增强等处理,提高了牛脸特征提取的准确性和可靠性。
31、本专利技术提供的牛脸唯一性识别方法,通过训练集输入到live-id-net网络进行训练,得到牛脸识别模型。该模型采用triplet loss损失函数,通过计算特征向量的余弦相似度实现牛脸识别。相比传统的图像识别算法,该方式能够提高牛脸识别的准确率和鲁棒性。
32、本专利技术提供的牛脸唯一性识别方法,在牛脸唯一性识别领域提出了一种基于深度学习的自动化识别方法。与传统的图像识别算法相比,该方案通过牛脸检测矫正和关键点标注等方式,提高了牛脸特征提取的准确性和可靠性。
33、本专利技术提供的牛脸唯一性识别方法,采用triplet loss损失函数和余弦相似度计算方法,能够提高牛脸识别的准确率和鲁棒性。
34、本专利技术提供的牛脸唯一性识别方法,可以应用于牛场管理过程中,实现牛只溯源、病情管理、保险理赔等方面的工作。
本文档来自技高网...【技术保护点】
1.牛脸唯一性识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的牛脸唯一性识别方法,其特征在于,通过从左至右拍摄完整的左、中和右部分牛脸的方式得到所述牛只脸部视频,对所述牛只脸部视频进行抽帧和清晰度筛选,得到所述牛脸数据集。
3.根据权利要求1所述的牛脸唯一性识别方法,其特征在于,通过所述牛脸识别模型输出的特征向量,基于比较余弦相似度,实现牛脸识别。
4.根据权利要求1所述的牛脸唯一性识别方法,其特征在于,所述预设关键点包括:牛左眼、右眼、左鼻孔、右鼻孔和脸部中间位置。
5.根据权利要求1所述的牛脸唯一性识别方法,其特征在于,根据所述牛只脸部视频中,牛脸的左眼和右眼位置,通过yolov8目标识别方法对所述牛只脸部视频中牛脸角度进行校正。
6. 根据权利要求1所述的牛脸唯一性识别方法,其特征在于,所述牛脸识别模型中,采用Triplet Loss三元组损失函数。
7.牛脸唯一性识别装置,其特征在于,所述装置包括:
8.计算机储存介质,用于储存计算机程序,其特征在于,当所述计算机程序被计算机
9.计算机,包括处理器和储存介质,其特征在于,当所述处理器读取所述储存介质中储存的计算机程序时,所述计算机执行权利要求1所述的方法。
...【技术特征摘要】
1.牛脸唯一性识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的牛脸唯一性识别方法,其特征在于,通过从左至右拍摄完整的左、中和右部分牛脸的方式得到所述牛只脸部视频,对所述牛只脸部视频进行抽帧和清晰度筛选,得到所述牛脸数据集。
3.根据权利要求1所述的牛脸唯一性识别方法,其特征在于,通过所述牛脸识别模型输出的特征向量,基于比较余弦相似度,实现牛脸识别。
4.根据权利要求1所述的牛脸唯一性识别方法,其特征在于,所述预设关键点包括:牛左眼、右眼、左鼻孔、右鼻孔和脸部中间位置。
5.根据权利要求1所述的牛脸唯一性识别方法,其特征在于,...
【专利技术属性】
技术研发人员:于福东,赵明,郭琦,张新轶,修汉森,孙立娜,陈忠磊,张兵,靳海科,张晓奚,王莫寒,唐志会,李铁,赵恩泽,朱丽羽,邓婷婷,
申请(专利权)人:吉林省中农阳光数据有限公司,
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。