[发明专利]一种猪脸识别方法

说明书

本发明属于人工智能技术领域，公开了一种猪脸识别方法，包括如下步骤：S1：根据猪脸资料，基于神经网络，建立猪脸识别模型；S2：在猪脸识别模型加入生长周期猪脸特征变化追踪匹配机制，得到追踪生长周期的动态猪脸识别模型；S3：实时获取现场视频，并根据现场视频，使用追踪生长周期的动态猪脸识别模型，得到猪脸识别结果。本发明解决了现有技术存在的难以便捷快速识别猪脸、实用性低、不同周期内识别准确率低以及商用成熟度低的问题。

技术领域

本发明属于人工智能技术领域，具体涉及一种猪脸识别方法。

背景技术

现有技术中，猪脸识别技术采用开源机器学习平台Tensorflow来推理猪脸，但是静态的猪脸识别，需要把单个猪控制在固定摄像头的猪栏前面，每次对单个猪相对固定来进行猪脸识别，存在问题为：进行静态猪脸识别时，在猪场由于猪本身的好动，难以便捷快速识别猪脸，同时，猪脸特征研究方式是经过人手动分割裁剪的“脸”，在实验室之外很难落地，在大规模猪场难以商用，实用性低。

现有技术中，使用的迁移学习方式都是基于人脸相似的方式，针对的是猪单一时刻个体的识别，但由于肉猪从哺乳期到肥育期结束出栏只有短短的6个月，生猪脸部生长特征变化较大，单一时刻的猪脸识别在生猪生长不同周期内识别准确率不高，商用成熟度并不高。

发明内容

本发明旨在于至少在一定程度上解决上述技术问题之一。

为此，本发明目的在于提供一种猪脸识别方法，用于解决现有技术存在的难以便捷快速识别猪脸、实用性低、不同周期内识别准确率低以及商用成熟度低的问题。

本发明所采用的技术方案为：

一种猪脸识别方法，包括如下步骤：

S1：根据猪脸资料，基于神经网络，建立猪脸识别模型；

S2：在猪脸识别模型加入生长周期猪脸特征变化追踪匹配机制，得到追踪生长周期的动态猪脸识别模型；

S3：实时获取现场视频，并根据现场视频，使用追踪生长周期的动态猪脸识别模型，得到猪脸识别结果。

进一步地，步骤S1中，猪脸资料包括正样本和随机负样本，正样本为包含猪脸部分的生猪图像，随机负样本为不包括猪脸部分的随机图片。

进一步地，步骤S1中，神经网络为卷积神经网络，卷积神经网络包括Input层、Focus网络层、BackBone网络层、PANet网络层以及Output层；

卷积神经网络设置有LSTM模块，LSTM模块设置有遗忘门。

进一步地，遗忘门的公式为：

f_t＝σ(W_f·[h_t-1，x_t]+b_f)

式中，f_t为遗忘门函数；σ(*)为sigmoid激活函数；h_t-1为前一个时间步(t-1)的输出；t为时间步指示量；x_t为当前时间步的输入；b_f为卷积层偏置项；W_f为卷积层权重。

进一步地，神经网络的输出公式为：

式中，o_ij为经过注意力加权后的输出特征；α_ij为归一化后的注意力权重；i为注意力指示量；j为单向时间步；n为单向时间步数；h_j为各个时间步的输出。

进一步地，步骤S1的具体步骤为：

S1-1：将猪脸资料进行预处理，得到预处理后数据集，并将预处理后数据集分为训练集和测试集；