基于A-SH-BNet的牛脸部识别方法和系统技术方案

本发明专利技术提供一种基于A‑SH‑BNet的牛脸部识别方法和系统，涉及视觉检测技术领域。本发明专利技术通过预先训练的牛脸特征提取模型对待识别牛脸图片进行处理，得到待识别牛脸特征向量；最后将待识别牛脸特征向量与数据库中的牛脸特征向量进行相似度计算，得到识别结果；其中，预先训练的牛脸特征提取模型由A‑SH‑BNet网络训练而成，所述A‑SH‑BNet网络是指在ArcFace构架中嵌入SE模块和HS Block模块；ArcFace提供ResNet和MobileNet，在ArcFace结构的底层主干网络中引入SE注意力机制，并用HS Block模块替换ResNet中阶段末尾的Bottleneck结构。在本发明专利技术中A‑SH‑BNet网络中的SE模块借助通道注意力机制来增强特征表示；HS Block模块则通过分层划分机制，能够在不同层级提取细粒度特征与全局特征，进一步提高特征提取精度，从而提升牛脸识别精度。

【技术实现步骤摘要】

本专利技术涉及视觉检测，具体涉及一种基于a-sh-bnet的牛脸部识别方法和系统。

技术介绍

1、牛脸部识别技术是通过手机app采集牛的脸部特征，利用深度算法构建活牛面部识别3d数据组，为每头牛生成唯一的生物特征数字身份，并建立牛脸id(唯一识别码)数据库，从而实现牛的电子化管理。

2、当前许多用于牛脸识别的网络结构往往沿用了直接为人脸识别设计的深度模型(如resnet、arcface标准版等)，但这些模型在结构设计上并未针对牛脸特有的细粒度判别需求进行优化。传统resnet在进行特征抽象与降采样时，虽然能够提取较强的语义特征，但往往在中高层特征中丢失了大量对于牛脸判别至关重要的细粒度纹理信息，尤其是在下采样和宽特征图过渡时，局部微差异(如鼻部的独特斑纹、耳根毛发排列等)会被平均化、稀释。

3、此外，当前主流的特征嵌入损失设计(如arcface标准版)默认类内差异较小、类间差异较大，这一假设在人脸识别中成立，但在牛脸识别中，容易出现特征空间中个体重叠的问题，进一步拉低了最终的识别准确率。通过上述描述可知，现有的牛脸识别准率低。...

【技术保护点】

1.一种基于A-SH-BNet的牛脸部识别方法，其特征在于，包括：

2.如权利要求1所述的基于A-SH-BNet的牛脸部识别方法，其特征在于，所述预先训练的牛脸特征提取模型的训练过程包括：

3.如权利要求2所述的基于A-SH-BNet的牛脸部识别方法，其特征在于，所述获取牧场中的若干头牛的脸部图片，包括：

4.如权利要求1～3任一所述的基于A-SH-BNet的牛脸部识别方法，其特征在于，所述预先训练的牛脸特征提取模型训练过程中的损失函数包括：

5.如权利要求1～3任一所述的基于A-SH-BNet的牛脸部识别方法，其特征在于，所述图像检测算法...

【技术特征摘要】

1.一种基于a-sh-bnet的牛脸部识别方法，其特征在于，包括：

2.如权利要求1所述的基于a-sh-bnet的牛脸部识别方法，其特征在于，所述预先训练的牛脸特征提取模型的训练过程包括：

3.如权利要求2所述的基于a-sh-bnet的牛脸部识别方法，其特征在于，所述获取牧场中的若干头牛的脸部图片，包括：

4.如权利要求1～3任一所述的基于a-sh-bnet的牛脸部识别方法，其特征在于，所述预先训练的牛脸特征提取模型训练过程中的损失函数包括：

5.如权利要求1～3任一所述的基于a-sh-bnet的牛脸部识别方法，其特征在于，所述图像检测算法包括yolo检测算法。

6.如权...

【专利技术属性】
技术研发人员：张玉安，蔡鹏，
申请(专利权)人：青海大学，
类型：发明
国别省市：