[发明专利]一种基于迁移学习的牦牛脸识别方法

说明书

本发明公开了一种基于迁移学习的牦牛脸识别方法，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。本发明的牦牛脸识别方法不仅能够直接使用已训练好的且具有多优点的VGG16网络，有效减少网络训练时间，联合CNN网络还能解决牦牛脸部毛发多和不易提取脸部特征的问题。

技术领域

本发明属于人工智能图像识别技术领域，具体涉及一种基于迁移学习的牦牛脸识别方法。

背景技术

近年来，人工智能快速发展，一些关键技术被应用于畜牧业。牦牛养殖场为了集中化管理，需要对每个牦牛个体进行记录以及精确的识别。目前已有的各种动物脸部识别技术取得了不错的效果。不过牦牛脸识别本身具有其特殊性，由于牦牛脸上毛发较多，会掩盖部分脸部特征，且目前牦牛脸部的数据集较少，如果直接利用现有的网络模型训练会出现识别效果不佳和训练时间过长等问题。而广泛应用于动物识别的VGG16网络，经过了大量数据和大量时间的训练，具有特征提取准确的优点，却难以直接用于牦牛脸识别。

因此，如何利用好这些已经训练好的且性能优异的VGG16模型，进行牦牛脸识别，是目前需要迫切解决的问题。

发明内容

本发明的目的是为了解决牦牛脸识别的问题，提出了一种基于迁移学习的牦牛脸识别方法。

本发明的技术方案是：一种基于迁移学习的牦牛脸识别方法包括以下步骤：

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。

本发明的有益效果是：

(1)本发明的牦牛脸识别方法不仅能够直接使用已训练好的且具有多优点的VGG16网络，有效减少网络训练时间，联合CNN网络还能解决牦牛脸部毛发多和不易提取脸部特征的问题。

(2)迁移学习是一种机器学习方法，它使用在源数据领域中学习到的知识来解决目标数据领域中的任务，可以有效的降低网络的训练时间，提高牦牛脸识别的精确度。

(3)本发明提出的牦牛脸识别方法能够对牦牛身份进行精确的识别，以便于养殖场管理，减少管理时间。

进一步地，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。

上述进一步方案的有益效果是：在本发明中，为了避免牦牛脸数据集中存在大量相似的图片，从而造成训练的神经网络过拟合，需要将视频数据中提取的牦牛脸图像数据进行相似度判定，判定相似度高的图片需要淘汰，利用图像均方误差以及结构相似性作为判定规则。首先使用图像均方误差进行初次筛选，由于均方误差算法不能完全筛选数据集，因此加入了结构相似性算法进行二次筛选。训练数据用作训练VGG-CNN网络，测试数据用于测试网络。