[发明专利]家畜脸部图像识别方法及装置

权利要求书

1.一种家畜脸部图像识别方法，其特征在于，包括：

对家畜脸部图像的多个局部区域分别进行特征提取，得到多个局部特征；

将每个局部特征和所有局部特征的融合特征，分别输入与每个特征对应的第一分类网络模型，得到每个局部特征和融合特征对应的家畜编号识别结果；

将所有编号识别结果作为特征向量，输入预设的第二分类网络模型，得到最终的编号识别结果；

其中，所述第一分类网络模型为多个，分别以确定编号的家畜脸部图像提取的每一局部特征和融合特征作为样本，编号作为标签，进行训练得到；所述第二分类网络模型为，以确定编号的家畜脸部图像，经训练后的第一分类网络模型输出结果作为样本，确定的编号作为标签，进行训练得到。

2.根据权利要求1所述的家畜脸部图像识别方法，其特征在于，所述多个局部区域，包括脸部区域、耳朵区域、嘴巴区域和眼睛区域中至少两个。

3.根据权利要求1所述的家畜脸部图像识别方法，其特征在于，所述对家畜脸部图像的多个局部区域分别进行特征提取，得到多个局部特征，包括：

将每个局部区域，分别输入对应的卷积神经网络的多层卷积层进行特征提取；

其中，所述卷积神经网络有多个，每一卷积神经网络分别对应于一个局部区域。

4.根据权利要求1所述的家畜脸部图像识别方法，其特征在于，所述第一分类网络模型为支持向量机分类器。

5.根据权利要求1所述的家畜脸部图像识别方法，其特征在于，所述第二分类网络模型为多层感知机。

6.根据权利要求1所述的家畜脸部图像识别方法，其特征在于，所述对家畜脸部图像的多个局部区域分别进行特征提取之前，还包括：

获取多个编号已知的家畜脸部图像样本；

将任一家畜脸部图像样本的多个局部区域，分别输入构建的多个卷积神经网络进行特征提取，得到多个局部特征；

将每个局部特征，以及所有局部特征融合后的特征，分别输入与每个特征对应的第一分类网络模型，获取对应的家畜编号识别结果；

根据家畜脸部图像样本对应的已知家畜编号，和获取的编号识别结果之间的误差，对卷积神经网络和第一分类网络模型进行参数更新，直至满足预设的训练终止条件。

7.根据权利要求6所述的家畜脸部图像识别方法，其特征在于，所述满足预设的训练终止条件之后，还包括：

将任一家畜脸部图像样本的多个局部区域，分别进行特征提取，得到多个局部特征；

将每个局部特征和所有局部特征的融合特征，分别输入训练后的第一分类网络模型，得到每个局部特征和融合特征对应的家畜编号识别结果；

将所有编号识别结果作为特征向量，输入构建的第二分类网络模型，得到对应的总编号识别结果；

根据家畜脸部图像样本对应的已知家畜编号，和获取的总编号识别结果之间的误差，对第二分类网络模型进行参数更新，直至满足预设的训练终止条件。

8.一种家畜脸部图像识别装置，其特征在于，包括：

特征提取模块，用于对家畜脸部图像的多个局部区域分别进行特征提取，得到多个局部特征；

第一分类模块，用于将每个局部特征和所有局部特征的融合特征，分别输入至与每个特征对应的第一分类网络模型，得到每个局部特征和融合特征对应的家畜编号识别结果；

第二分类模块，用于将所有编号识别结果作为特征向量，输入预设的第二分类网络模型，得到最终的编号识别结果；

其中，所述第一分类网络模型为多个，分别以确定编号的家畜脸部图像提取的每一局部特征和融合特征作为样本，编号作为标签，进行训练得到；所述第二分类网络模型为，以确定编号的家畜脸部图像，经训练后的第一分类网络模型输出结果作为样本，确定的编号作为标签，进行训练得到。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述家畜脸部图像识别方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述家畜脸部图像识别方法的步骤。