[发明专利]一种猴脸多属性联合识别方法

说明书

本发明公开一种猴脸多属性联合识别方法，包括：构建猴脸样本数据库：采集猴子视频和图片资料进行处理，基于Matlab生成猴脸样本数据库，且所有样本都具有猴属性类别的人工标记；生成人脸属性识别预训练模型：根据恒等映射的扰动的学习建立人脸属性识别预训练模型的ResNet50；训练猴脸多属性联合识别模型：基于MXNet平台，在人脸属性识别预训练模型的基础上，再利用猴脸样本数据库进行调优训练，获得猴脸多属性联合识别模型。本发明可以根据年龄和性别属性的共同特征实现同时识别两个属性的目标。

技术领域

本发明涉及计算机视觉领域，特别涉及一种猴脸多属性联合识别方法。

背景技术

多属性联合识别(Multi-Task)指的是利用属性之间的共性特征，训练出可以同时实现多个属性识别的模型。在人脸方面，随着单一属性识别的发展，多属性联合识别逐渐成为属性识别的趋势,这种联合识别在准确率和效率方面都优于单一属性识别，也具有更广阔的应用空间。目前常用的多属性联合识别的深度网络是VGG网络，用于联合识别的人脸属性通常为年龄、性别、国籍、民族等。Abdulnab等研究者将CNN网络应用到二元特征上来得到特定属性的特征表征，从而使用Multi-Task学习这些特征并做出多属性识别。Liu等研究者则级联了两个CNN网络：LNet和ANet来识别自然条件下的面部属性。Hwang设计了一个特征共享的网络实现识别任务。

在动物研究方面，计算机视觉技术也已经应用到了个体的属性研究中，做出了许多相应的研究成果。剑桥大学研究人员采用机器学习算法开发了一套绵羊面部表情识别系统，能够自动评估绵羊的疼痛指数；一些研究者提出一种名为“狐猴面部ID系统”的面部识别系统，达到了较高的准确率；另一些研究人员采用卷积神经网络技术(CNN)对黑猩猩进行了图像层面的研究，成功实现了对黑猩猩的身份、年龄、年龄群、性别等属性的识别。同样，在对大猩猩的研究中，研究者采用Gabor特征和局部保留映射相结合的方法提取特征，利用稀疏表示人脸识别算法来实现分类。这些技术的成功应用为生物保护区生物多样性的管理提供了新的渠道。

传统的个体的方法主要有两种：一种是依靠捕获和标记技术；另一种则依赖研究人员对于个体外形的认知。然而，传统的研究方法却面临着诸多的困境。

捕获和标记技术指的是采用人工的办法标记动物(如配戴耳标或电子项圈)。虽然这种做法可以在一定程度上满足个体研究的需求，但同时也存在这成本高昂、设备损坏或老化带来的数据采集不准确的风险。并且，在捕获和标记的过程中，可能造成被捕获的动物受到惊吓，造成一些生理损伤甚至精神伤害，影响其之后的生活、繁衍。而另一种传统的个体研究方法——研究者自身对于个体外形变化的知识——则容易受到内部或者观察者之间的误差影响，并带来观测数据数据整合方面的困难。

同样的，计算机视觉技术在动物研究中的应用仍然存在诸多问题。绵羊的面部疼痛识别更多关注的是耳朵的形态的变化，面部的研究相对较少；猫脸识别采用的仍然是传统的机器学习的算法，在准确率上偏低；狐猴ID识别系统侧重于身份识别而不是属性分析；大猩猩和黑猩猩的属性分析是使用CNN网络进行单一属性分析，缺少多属性联合分析。

发明内容

本发明的主要目的是提出一种猴脸多属性联合识别方法，旨在克服以上问题。

为实现上述目的，本发明提出的一种猴脸多属性联合识别方法，包括如下步骤：

S10构建猴脸样本数据库：采集猴子视频和图片资料进行处理，基于Matlab生成猴脸样本数据库，且所有样本都具有猴属性类别的人工标记；

S20生成人脸属性识别预训练模型：根据恒等映射的扰动的学习建立人脸属性识别预训练模型ResNet50；

S30训练猴脸多属性联合识别模型：基于MXNet平台，在人脸属性识别预训练模型的基础上，再利用猴脸样本数据库进行调优训练，获得猴脸多属性联合识别模型。

优选地，所述S10中对采集的猴子视频和图片资料进行处理的步骤包括：