[发明专利]一种基于迁移学习的牦牛脸识别方法

权利要求书

1.一种基于迁移学习的牦牛脸识别方法，其特征在于，包括以下步骤：

S1：从牦牛脸视频数据中提取牦牛脸图像数据；

S2：筛选牦牛脸图像数据，确定牦牛脸数据集，并将牦牛脸数据集分为训练数据和测试数据；

S3：将训练数据作为VGG-CNN网络的输入，进行训练；

S4：将测试数据输入至训练完成的VGG-CNN网络中，并输出分类结果，完成牦牛脸识别。

2.根据权利要求1所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S2包括以下子步骤：

S21：计算牦牛脸图像数据中相邻图像的均方误差MSE；

S22：通过均方误差MSE对牦牛脸图像数据进行一次筛选；

S23：计算一次筛选后的相邻图像的结构相似度S(x,y)；

S24：通过结构相似度S(x,y)对牦牛脸图像数据进行二次筛选，得到牦牛脸数据集；

S25：将牦牛脸数据集按照7:3的比例划分为训练数据和测试数据。

3.根据权利要求2所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S21中，相邻图像的均方误差MSE的计算公式为：

其中，z_ij表示相邻图像中其中一张图像的像素点，z′_ij表示相邻两张图像中另一张图像的像素点，X表示图像的高，Y表示图像的宽，i表示第i行的像素点，j表示第j列的像素点。

4.根据权利要求2所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S22中，对牦牛脸图像数据进行一次筛选的方法为：通过相邻图像的均方误差MSE对相邻两张图像进行比较，若相邻图像的均方误差MSE大于0.5，则丢弃其中一张图像。

5.根据权利要求2所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S23中，相邻图像的结构相似度S(x,y)的计算公式为：

其中，u_x表示相邻图像中其中一张图像的平均值，u_y表示相邻图像中另一张图像的平均值，表示相邻图像中其中一张图像的方差，表示相邻图像中另一张图像的方差，σ_xy表示相邻两张图像的协方差，c₁表示第一常数，c₂表示第二常数。

6.根据权利要求2所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S25中，对牦牛脸图像数据进行二次筛选的方法为：通过相邻图像的结构相似度S(x,y)对相邻两张图像进行比较，若结构相似度S(x,y)大于0.7，则丢弃其中一张图像。

7.根据权利要求1所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S3包括以下子步骤：

S31：将训练数据作为VGG-CNN网络的输入，并利用VGG-CNN网络的特征提取函数和全连接函数依次对训练数据进行空间变换和维度变换；

S32：利用VGG-CNN网络的卷积函数对进行空间和维度变换后的输出训练数据进行特征提取；

S33：利用VGG-CNN网络的池化函数对特征提取后的训练数据进行汇聚，输出最终图像，完成训练。

8.根据权利要求7所述的基于迁移学习的牦牛脸识别方法，其特征在于，所述步骤S31中，利用特征提取函数对训练数据进行空间变换的计算公式为：

V(I)＝R

其中，V(·)表示特征提取函数，I表示输入的训练数据，R表示VGG网络的输出数据，表示实数空间，E表示矩阵的行数，F表示矩阵的列数；

利用全连接函数对训练数据进行维度变换的计算公式为：

D(R)＝T

其中，D(·)表示全连接函数，T表示全连接网络的输出数据。