[发明专利]一种基于深度学习的犬脸识别方法

说明书

本发明公开了一种基于深度学习的犬脸识别方法。本发明包括如下步骤：对犬只图像构造图像金字塔，将金字塔中的图像送入第一检测网络，得到大量候选犬脸区域；对候选犬脸区域进行过滤和调整，送入第二检测网络，得到最终的犬脸区域；基于脸部特征点对犬脸图像进行仿射变换，得到对齐后的犬脸图像；将对齐后的犬脸图像缩放到合适尺寸，并进行归一化后，送入特征提取网络，得到犬脸特征；重复上述步骤构造包含犬只信息和犬脸特征的犬只底库；计算待识别的犬只图像的犬脸特征与犬只底库中每个犬脸特征的欧式距离，欧式距离最小的即为最终识别出的犬只。本发明训练特征提取网络时使用TripletLoss损失函数进行反向传播和优化，提高了算法效率和识别的准确度。

技术领域

本发明属于深度学习图像识别技术领域，特别是涉及一种基于深度学习的犬脸识别方法。

背景技术

近年来，我国犬只数量持续快速增长。2019年，全国城镇宠物犬数量已经高达5000万只以上。犬只伤人甚至致死事件时有发生，已经对广大人民群众的生命财产安全带来了严重威胁。如何有效地对数量巨大的犬只进行有效识别和管理，已成为公共安全领域的一个重大课题。

目前，对犬只进行识别主要有三种方法：一是办理养犬证明，二是给犬只带上标志身份的标牌、项圈或二维码，三是给犬只植入微芯片。第一种方法需要养犬人每年定期复检，且犬只一旦丢失成为流浪犬，其他人就无法再确定犬只身份，养犬人也无有效途径寻回丢失的犬只。第二种方法虽然方便，但标牌、项圈或二维码很容易丢失。第三种方法比较可靠，但微芯片需要专门的读取器才能读出身份信息，且有可能在血液中流动，实际使用时不够便捷。

随着人工智能技术的盛行，一些基于深度学习的犬脸识别方法已相继被提出。但这些方法基本都在后台PC服务器端运行，消耗的CPU和内存资源较大，无法应用于移动端设备。为了方便公共安全管理人员，特别是偏远地区的管理人员对犬只进行有效管控，需要设计一种能在移动端实时识别犬脸的方法，能够有效解决上述问题。

发明内容

本发明的目的在于提供一种基于深度学习的犬脸识别方法，通过在移动端设备部署犬脸检测系统，对犬只进行实时高效的犬脸识别，再配合本地犬只数据库，能够在无网络的环境下进行犬脸识别，解决了现有的犬脸检测系统部署在后台服务器时，占用CPU和内存资源大以及犬脸识别不够精准的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于深度学习的犬脸识别方法，包括如下步骤：

步骤S1：构建由第一检测网络、第二检测网络和特征提取网络依次连接的深度神经网络模型；

步骤S2：对犬只图像构造图像金字塔，将金字塔中的图像送入第一检测网络，得到大量候选犬脸区域；

步骤S3：对候选犬脸区域进行过滤和调整，缩放到合适尺寸，送入第二检测网络，得到最终的犬脸区域；

步骤S4：基于脸部特征点对犬脸图像进行仿射变换，得到对齐后的犬脸图像；

步骤S5：将对齐后的犬脸图像缩放到合适尺寸，并进行归一化后，送入特征提取网络，得到犬脸特征；

步骤S6：重复步骤S2至步骤S5，构造包含犬只信息和犬脸特征的犬只底库；

步骤S7：计算待识别的犬只图像的犬脸特征与步骤S6中犬只底库中每个犬脸特征的欧式距离，欧式距离最小的即为最终识别出的犬只。

优选地，所述步骤S2中，第一检测网络将犬只图像作为输入，经过三个轻量级卷积层后，通过一个犬脸二分类器softmax来判断该区域是否为犬脸，并通过边框特征和面部关键点特征的回归来进行犬脸区域的粗定位，最终会生成大量犬脸的候选区域。