[发明专利]牲畜识别方法、装置及存储介质

权利要求书

1.一种牲畜识别方法，应用于电子装置，其特征在于，该方法包括：

接收步骤：接收待识别牲畜的面部照片和相应的待验证的身份标识；

提取步骤：利用特征向量提取算法，提取出该面部照片的预设类型的特征向量，包括：

根据所述待识别牲畜的种类与第二预设类型识别模型的映射关系，确定该种类牲畜对应的第二预设类型识别模型；

利用训练好的对应的第二预设类型识别模型识别所述面部照片中牲畜面部所在的面部图像区域；

对所述面部图像区域进行归一化处理后，利用梯度公式计算每个面部图像区域的梯度值；

将每个面部图像区域切分为多个图像单元，计算每个图像单元的梯度直方图；

将所述图像单元按照在面部图像区域的位置组合成多个图像区间，对所有图像区间进行对比度归一化；

将各梯度直方图中的梯度模最大值按照对应图像单元在面部图像区域的位置组成每张面部照片的预设类型的特征向量；

确定步骤：根据所述待验证的身份标识与第一预设类型识别模型的映射关系，确定该身份标识对应的第一预设类型识别模型；及

识别步骤：将所述待识别牲畜的面部照片的预设类型的特征向量输入确定的第一预设类型识别模型，输出识别结果。

2.如权利要求1所述的牲畜识别方法，其特征在于，所述第一预设类型识别模型的训练过程包括如下步骤：

A1、获取第一预设数量的某种牲畜的面部照片集合，为每头牲畜分配一个唯一的身份标识，其中，该种牲畜与所述待识别牲畜的种类相同，每头牲畜的面部照片集合包括第二预设数量的不同拍摄角度的面部照片，分配的身份标识中包括所述待验证的身份标识；

A2、从所述第一预设数量的该种牲畜中选择一头牲畜的面部照片集合为正样本，以所述第一预设数量的该种牲畜中的其他牲畜的面部照片集合为负样本，将该正、负样本面部照片集合分别分为第一预设比例的训练集和第二预设比例的验证集；

A3、利用所述特征向量提取算法，提取出所述训练集和验证集中每张面部照片的预设类型的特征向量；

A4、利用所述正、负样本训练集中各张面部照片的预设类型的特征向量和对应的身份标识对所述第一预设类型识别模型进行训练，得到所述选择的牲畜的第一预设类型识别模型，利用验证集中各张面部照片的预设类型的特征向量和对应的身份标识对该第一预设类型识别模型的准确率进行验证；及

A5、若准确率大于第一预设阈值，则训练完成，若准确率小于或等于第一预设阈值，则增加所述正、负样本面部照片集合的数量，并基于增加的面部照片集合重新执行上述步骤。

3.如权利要求1所述的牲畜识别方法，其特征在于，所述第二预设类型识别模型的训练过程如下：

B1、获取某种牲畜的多张样本面部照片，每张样本面部照片中标注有面部图像区域，其中，该样本面部照片中的牲畜与所述待识别牲畜的种类相同；

B2、将所述样本面部照片分为第一预设比例的训练集和第二预设比例的验证集；

B3、利用训练集中各张样本面部照片和对应的面部图像区域标注对所述第二预设类型识别模型进行训练，得到该种牲畜对应的第二预设类型识别模型，利用验证集中各张样本面部照片和对应的面部图像区域标注对该第二预设类型识别模型的准确率进行验证；

B4、若准确率大于第一预设阈值，则训练完成，若验证率小于或等于第一预设阈值，则增加所述样本面部照片的数量，并基于增加的面部照片集合重新执行上述步骤。

4.如权利要求1所述的牲畜识别方法，其特征在于，所述梯度公式为：

G(x，y)＝dx(i，j)+dy(i，j)

dx(i，j)＝I(i+1，j)-I(i，j)

dy(i，j)＝I(i，j+1)-I(i，j)

其中，G(x，y)代表梯度公式，I代表像素值，(i，j)为像素点的坐标，dx(i，j)、dy(i，j)分别表示像素点(i，j)沿x、y方向的梯度。