[发明专利]基于人工智能的宠物狗识别方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的宠物狗识别方法，其特征在于，包括：

获取宠物狗图像和目标宠物狗识别模型，所述目标宠物狗识别模型包括特征提取网络、狗脸框预测网络、狗脸关键点检测网络和狗鼻框预测网络；

将所述宠物狗图像输入所述特征提取网络进行特征提取，得到多个分辨率不同的目标特征图；

将所述目标特征图输入所述狗脸框预测网络进行狗脸框预测，得到所述宠物狗图像的狗脸框的第一目标位置点组；

将所述目标特征图输入所述狗脸关键点检测网络进行狗脸关键点检测，得到所述宠物狗图像中的宠物狗的目标狗脸关键点组；

将所述目标特征图输入所述狗鼻框预测网络进行狗鼻框预测，得到所述宠物狗图像的狗鼻框的第二目标位置点组；

从所述宠物狗图像中框选所述第一目标位置点组所对应的狗脸图像和所述第二目标位置点组所对应的狗鼻图像；

根据所述狗脸图像和所述目标狗脸关键点组，对所述狗鼻图像进行校正，得到目标狗鼻图像；

将所述目标狗鼻图像输入预设的鼻纹特征提取模型，得到所述宠物狗图像中的宠物狗的鼻纹特征，并存储所述鼻纹特征。

2.根据权利要求1所述的宠物狗识别方法，其特征在于，所述特征提取网络包括特征提取子网络、第一卷积层、第一上采样层、第一拼接层、第二卷积层、第二上采样层、第二拼接层、第三卷积层、第四卷积层、第五卷积层、第六卷积层，所述将所述宠物狗图像输入所述特征提取网络进行特征提取，得到多个分辨率不同的目标特征图，包括：

将所述宠物狗图像输入所述特征提取子网络，得到分辨率不同的第一特征图、第二特征图和第三特征图；

将所述第一特征图输入所述第一卷积层进行卷积，得到第四特征图，将所述第四特征图输入所述第四卷积层进行卷积，得到第一目标特征图；

将所述第四特征图输入所述第一上采样层进行上采样，得到第五特征图；

将所述第二特征图和所述第五特征图输入所述第一拼接层进行拼接，得到第一拼接特征图；

将所述第一拼接特征图输入所述第二卷积层进行卷积，得到第六特征图，将所述第六特征图输入所述第五卷积层进行卷积，得到第二目标特征图；

将所述第六特征图输入所述第二上采样层进行上采样，得到第七特征图；

将所述第三特征图与所述第七特征图输入所述第二拼接层进行拼接，得到第二拼接特征图；

将所述第二拼接特征图输入所述第三卷积层进行卷积，得到第八特征图，将所述第八特征图输入所述第六卷积层进行卷积，得到第三目标特征图。

3.根据权利要求2所述的宠物狗识别方法，其特征在于，所述第四卷积层包括第一卷积子层、第二卷积子层、第三卷积子层、第四卷积子层和拼接子层，所述将所述第四特征图输入所述第四卷积层进行卷积，得到第一目标特征图，包括：

将所述第四特征图输入所述第一卷积子层进行卷积得到第一候选特征图，将所述第四特征图输入所述第二卷积子层进行卷积得到第二候选特征图；

将所述第二候选特征图输入所述第三卷积子层进行卷积得到第三候选特征图；

将所述第二候选特征图输入所述第四卷积子层进行卷积得到第四候选特征图；

将所述第一候选特征图、所述第三候选特征图和所述第四候选特征图输入所述拼接子层进行拼接，得到第一目标特征图。

4.根据权利要求1所述的宠物狗识别方法，其特征在于，所述根据所述狗脸图像和所述目标狗脸关键点组，对所述狗鼻图像进行校正，得到目标狗鼻图像，包括：

将所述狗脸图像输入预设的宠物狗分类模型，得到宠物狗类型，其中，所述宠物狗分类模型是预先训练好的神经网络模型；

获取所述宠物狗类型对应的标准狗脸图像，并根据所述标准狗脸图像和所述目标狗脸关键点组，确定仿射变换矩阵；

根据所述仿射变换矩阵，对所述狗鼻图像进行校正，得到目标狗鼻图像。