[发明专利]基于卷积神经网络的视频图像中家畜识别方法及装置

权利要求书

1.一种基于卷积神经网络的视频图像中家畜识别方法，其特征在于该方法包括：

(1)建立家畜识别网络，所述家畜网络具体为YOLOv3改进网络，所述YOLOv3改进网络将YOLOv3网络的损失函数改进为：

式中，S²为网格的数目，B为先验框的数目，表示第i个网格的第j个先验框是否存在目标，存在为1不存在为0，表示第i个网格的第j个先验框的坐标向量，坐标向量中从第一项到第四项分别对应表示该框中心点横坐标、纵坐标、宽、高，表示第i个网格的第j个真实框的坐标向量，表示第i个网格的第j个预测框的坐标向量；C_ij为实际置信度，为预测置信度，p_ij(c)为c类存在的概率，为预测框中c类存在的概率；

(2)采集若干已知家畜的图像，对图片进行特征提取，将提取的特征作为训练样本，输入家畜识别网络进行训练；

(3)获取待识别家畜视频，将视频划分为若干图像帧，对图像帧进行特征提取，并输入训练好的家畜识别网络，从而识别出所有家畜。

2.根据权利要求1所述的基于卷积神经网络的视频图像中家畜识别方法，其特征在于：步骤(2)和(3)中特征提取的步骤具体为：

将图片进行放缩变换，变换到416×416像素的同一尺度；

使用darknet53网络对图片进行特征提取，得到三个尺度的特征。

3.根据权利要求1所述的基于卷积神经网络的视频图像中家畜识别方法，其特征在于：对家畜识别网络进行训练时采用迁移学习方式。

4.根据权利要求1所述的基于卷积神经网络的视频图像中家畜识别方法，其特征在于：识别到的所有家畜采用矩形框标记。

5.一种基于卷积神经网络的视频图像中家畜识别装置，其特征在于包括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权利要求1-4中任意一项所述的方法。