[发明专利]基于卷积神经网络和分类器模型的牛脸识别方法

说明书

技术领域

本发明属于计算机视觉与智能识别技术领域，涉及一种牛只个体识别技术，特别是涉及基于卷积神经网络和稀疏表示分类模型的牛脸识别方法。

背景技术

随着我国国民生活水平的提高，人们对牛肉制品和牛奶制品的需求量日益增大，同时对其品质的关注也不断加强，提高牛肉和牛奶的总产量及其品质已成为迫切需要。饲养业的发展须实现牛只养殖的智能化、规模化、自动化及标准化，因此以牛只个体体况为基础的数字化、精细化养殖成为现代牛只科学饲养的主要发展方向。

牛只个体识别作为智能化养殖管理和畜牧保险业的基础，目前多使用以下三种识别方法来识别牛只个体: a. 射频识别（Radio Frequency Identification, RFID）电子耳标，b. 传统的图像特征提取与分类识别，c. 基于卷积神经网络的牛只个体识别。

射频识别技术：是一项利用无线电频率资源通过电磁耦合实现的非接触自动识别技术，射频识别系统通常由电子标签和阅读器组成。CN106874971A公开了一种基于RFID的牛只信息识别管理系统及其方法，包括无源RFID耳标、RFID智能识读器，还包括终端计算机、位于所述终端计算机上的数据处理子系统及移动终端。然而，使用RFID电子耳标进行牛只个体识别存在以下问题：一是生产、流通阶段的应用成本较高，造成RFID电子耳标产品价格过高，难以大规模使用；二是畜牧业生产中圈舍环境差异性较大，相关的RFID标准不统一，RFID的识别距离、识别精度等技术差异性较大；三是电子耳标需安装在牛只身体上，给牛只带来了伤害和痛苦；四是牛舍内存在干扰源，且电子耳标极易脱落或被人替换，导致识别系统可靠性降低。

传统的图像特征提取与分类方法：因生物特征具有较强的稳定性和个体差异性，利用图像处理技术将其应用到动物个体识别中能有效的克服这些缺点。经研究表明，牛只背花图案及图案的分布各不相同且终生不变，可作为其个体识别的重要依据。但就目前国内牛只养殖场的现状来看，采用图像处理技术来识别牛只主要面临着两个难点：第一，采集到的牛只图像背景混乱，有杂草、墙体和泥土等，同时光照条件也各不相同。这些差异有可能使得不同牛只图像之间的差异小于相同牛只图像之间的差异。第二，采集图像时牛只目标在图片中的位置随机，姿势不固定，识别算法必须克服光线明暗、位移、仿射等变化。这些难点给牛只图像识别算法带来了非常大的挑战。目前已经有很多传统分类器，包括支持向量机、贝叶斯分类器、随机森林分类器等被用于图像识别。这些方法的特点是先利用典型的特征描述方法，如尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)、加速鲁棒特征(Speeded Up Robust Feature, SURF)、方向梯度直方图(Histogram of Oriented Gradient, HOG)等对训练样本进行角点、边缘、纹理等特征提取，然后再对这些特征进行分类训练。然而，这些特征描述方法主要是由人工设计的，复杂场景下识别率较低，不能达到商业化产品的要求。