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】
本专利技术属于基于图像处理的目标识别、检测,同时属于规模化畜牧管理,涉及羊只的面部识别,具体涉及一种基于关键点检测的羊脸对齐与识别方法和系统。
技术介绍
1、羊脸识别技术在畜牧业和养殖业领域具有重要而独特的价值,不仅可以提高畜牧业生产效率,还有助于促进畜群管理的智能化和精细化,同时为科学研究提供了丰富的数据和可能性。当前的羊脸识别方法涵盖了多个关键技术步骤,这些步骤共同构成了一个系统化的识别流程,其中包括面部检测、关键点检测和羊脸对齐等关键环节,最终实现了对羊脸的准确识别。
2、在羊脸识别领域,“羊脸对齐”是指将输入图像中的羊脸调整到一个标准的位置和方向,以便更容易进行特征提取和比较。这一步通常是在预处理阶段完成的,其目的和意义如下:
3、提高准确性:对齐羊脸可以帮助消除图像中的位置和方向差异,使得后续的识别算法更容易捕捉到关键的面部特征。这有助于提高羊脸识别系统的准确性。
4、减小变化影响:羊脸在图像中的位置和方向可能因为摄像头角度、光照条件等因素而有很大的变化。通过对齐,系统能够更好地适应这些变化,提高对不同情况下的羊脸的识别能力。
5、降低计算复杂度:对齐可以减小变换后的图像的尺寸,从而降低了特征提取和比较的计算复杂度。
6、在深度学习
中,对羊脸对齐的方法比较常用的有以下两种方案:
7、基于关键点的仿射变换,通过检测面部的关键点如眼睛、鼻子和嘴巴的位置。使用这些关键点进行仿射变换,包括旋转、缩放和平移,以对齐面部到一个标准的参考框架。该方法中,
8、基于深度学习的直接对齐,使用深度学习直接从图像中学习如何进行对齐。该方法可以自动处理复杂的变换,如三维旋转和倾斜,但是在初期训练阶段需要大量的计算资源。
9、在该上述情境中,关键点的准确检测对于确保羊脸对齐至关重要。目前的以两眼连线为基准的对齐方法在面对毛发遮挡的情况时表现不佳,因其无法有效地处理面部关键点被遮挡的问题。
技术实现思路
1、为了克服上述现有技术的缺点,本专利技术的目的在于提供一种基于关键点检测的羊脸对齐与识别方法和系统,针对羊脸面部单眼被遮挡,使用不同的关键点仿射变换策略来对齐面部,从而解决面部关键点受到遮挡的问题,实现羊脸精确识别。
2、为了实现上述目的,本专利技术采用的技术方案是:
3、一种基于关键点检测的羊脸对齐方法,包括:
4、采集羊脸面部数据,所述羊脸面部数据包括面部关键点被遮挡和均未被遮挡的图像;所述面部关键点为两只眼睛中心、左鼻孔的左上角、右鼻孔的右上角和嘴尖,所述面部关键点被遮挡是指其中一只眼睛中心被遮挡;
5、在各图像中通过人工方式标注出羊脸位置以及未被遮挡的面部关键点位置,并将数据分为测试集和训练集;
6、检测得到羊脸面部在图像中的具体位置;
7、构建关键点检测模型,检测面部关键点;
8、当检测到面部关键点均未被遮挡,采用以两眼连线中心为基准的羊脸对齐算法进行羊脸对齐;当检测到面部关键点被遮挡,采用以四点连线交叉反向延伸中心为基准的羊脸对齐算法进行羊脸对齐。
9、在一个实施例中,将采集的所有图像调整为统一的分辨率和尺寸,然后进行去噪,通过调整对比度、亮度、饱和度增强图像质量,并利用数据增强方法提高泛化能力,随后进行所述标注。
10、在一个实施例中,采用基于改进的yolov8目标检测算法检测得到羊脸面部在图像中的具体位置;
11、所述改进的yolov8目标检测算法,是将yolov8的主干网络替换为轻量化模型mobilenet-v3,并引入深度可分离卷积。
12、在一个实施例中,在panet上采样过程中引入biformer,基于动态稀疏注意力构建金字塔网络架构注意力机制,算法的损失函数采用mpdiou。
13、在一个实施例中,所述关键点检测模型基于stacked hourglass networks卷积神经网络。
14、在一个实施例中,所述以两眼连线中心为基准的羊脸对齐算法,步骤如下:
15、提取两只眼睛中心的坐标,将两只眼睛中心坐标相连,连线与水平线之间产生一个夹角γ,计算连线的中心坐标,以此中心作为旋转中心,γ作为旋转角进行图像旋转得到对齐后的羊脸图像。
16、在一个实施例中,所述以四点连线交叉反向延伸中心为基准的羊脸对齐算法,步骤如下:
17、s1:标注未被遮挡眼睛的中心点为a点,右鼻孔的右上角为b点,左鼻孔的左上角为c点;a点与b点为异侧点,即,a点与b点的间距大于a点与c点的间距;
18、s2:连接b点和c点,形成线段bc,连接a点和b点,形成线段ab;测量线段ab与bc之间的夹角α;计算线段ab的长度x;
19、s3:从c点出发,绘制射线y,使其与线段ab形成的角β等于α,在射线y上截取f点使得cf的长度等于x,f点即被遮挡眼睛的位置;
20、s4:以线段ab和射线y的交点g为中心,在其水平向左右绘制x轴,并在轴线上标记正负方向;同时在点g向上下绘制y轴,并在轴线上标记正负方向,点g为坐标系的中心点;
21、s5:定义f点的坐标为(x1,y1),a点的坐标为(x2,y2);计算线段fa的矢量(dx,dy):dx=x2-x1,dy=y2-y1;垂直于y轴的单位矢量为(0,1);计算叉积和旋转角度θ;
22、叉积=dx*1-dy*0=dx
23、θ=叉积/2π
24、线段旋转:使用旋转角度θ和旋转矩阵旋转线段fa的两个端点,使得线段fa旋转后与y轴垂直;
25、f点旋转后的坐标为(x1′,y1′),a点旋转后的坐标为(x2′,y2′),其中:
26、x1′=x1*cosα-y1*sinα
27、y1′=x1*sinα+y1*cosα
28、x2′=x2*cosα-y2*sinα
29、y2′=x2*sinα+y2*cosα
30、s6:使用python的图像旋转函数方法rotate(),按照计算得到的旋转角度θ并以坐标轴g点对整张图片进行顺时针旋转,旋转后的图像中,线段fa与y轴垂直且平行于x轴,从而实现面部对齐。
31、本专利技术还提供了一种羊脸识别方法,包括:
32、构建羊脸面部特征库;
33、对识别对象,利用所述基于关键点检测的羊脸对齐方法,实现羊脸对齐;
34、利用对齐后的羊脸,结合所述羊脸面部特征库,实现羊脸识别。
35、本专利技术还提供了一种羊脸识别系统,包括:
36、羊脸面本文档来自技高网...
【技术保护点】
1.一种基于关键点检测的羊脸对齐方法,其特征在于,包括:
2.根据权利要求1所述基于关键点检测的羊脸对齐方法,其特征在于,将采集的所有图像调整为统一的分辨率和尺寸,然后进行去噪,通过调整对比度、亮度、饱和度增强图像质量,并利用数据增强方法提高泛化能力,随后进行所述标注。
3.根据权利要求1所述基于关键点检测的羊脸对齐方法,其特征在于,采用基于改进的YOLOv8目标检测算法检测得到羊脸面部在图像中的具体位置;
4.根据权利要求3所述基于关键点检测的羊脸对齐方法,其特征在于,在PANet上采样过程中引入BiFormer,基于动态稀疏注意力构建金字塔网络架构注意力机制,算法的损失函数采用MPDIoU。
5.根据权利要求1所述基于关键点检测的羊脸对齐方法,其特征在于,所述以两眼连线中心为基准的羊脸对齐算法,步骤如下:
6.根据权利要求1所述基于关键点检测的羊脸对齐方法,其特征在于,所述以四点连线交叉反向延伸中心为基准的羊脸对齐算法,步骤如下:
7.一种羊脸识别方法,其特征在于,包括:
8.一种羊脸识别系统
9.根据权利要求8所述羊脸识别系统,其特征在于,所述基于关键点检测的羊脸对齐系统采用分布式计算架构,包括前端和后端,前端为微信小程序,后端为服务器;
10.根据权利要求8所述羊脸识别系统,其特征在于,所述羊脸识别系统采用分布式计算架构,包括前端和后端,前端为微信小程序,后端为服务器;
...【技术特征摘要】
1.一种基于关键点检测的羊脸对齐方法,其特征在于,包括:
2.根据权利要求1所述基于关键点检测的羊脸对齐方法,其特征在于,将采集的所有图像调整为统一的分辨率和尺寸,然后进行去噪,通过调整对比度、亮度、饱和度增强图像质量,并利用数据增强方法提高泛化能力,随后进行所述标注。
3.根据权利要求1所述基于关键点检测的羊脸对齐方法,其特征在于,采用基于改进的yolov8目标检测算法检测得到羊脸面部在图像中的具体位置;
4.根据权利要求3所述基于关键点检测的羊脸对齐方法,其特征在于,在panet上采样过程中引入biformer,基于动态稀疏注意力构建金字塔网络架构注意力机制,算法的损失函数采用mpdiou。
5.根据权...
【专利技术属性】
技术研发人员:杨传颖,闫欣,敖乐根,石宝,马少瑛,
申请(专利权)人:内蒙古工业大学,
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。