[发明专利]一种基于通道注意力机制的猪脸识别方法

说明书

本发明公开了一种基于通道注意力机制的猪脸识别方法，属于计算机视觉技术领域，该识别方法通过训练样本集对主干网络的优化得到猪脸识别网络，并利用猪脸识别网络对猪脸进行识别。本发明识别方法采用基于通道注意力机制的残差网络作为主干网络，加入了通道注意力机制，引入了新的数据压缩方法，相比于传统的通道注意力机制，采取全局平均池化的压缩方法，通道注意力机制的数据压缩方法，能更好的提高网络的识别率。本发明的方法在测试样本集中的准确率，均高于其他方法，能更好的适应复杂的农场环境。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于通道注意力机制的猪脸识别方法。

背景技术

计算机视觉技术已经深入到畜牧业的众多领域，其中利用图像处理与深度学习的方法实现猪个体识别成为近年来的研究热点。猪作为一种杂食性哺乳动物，不同个体之间面部特征存在差异，理论上可以将人脸识别领域的相关技术迁移至猪的身份识别。但是猪脸识别又有其特殊性，第一，猪的近亲繁殖特性导致其个体相似度很高，第二，长期不清洗的猪脸也会掩盖其面部特征，第三，猪不会配合进行猪脸的识别，想采集到较好质量的猪脸图片较为困难，这些问题，都给猪脸识别带来很大的困难。直接将人脸识别技术应用到猪脸识别领域会存在着一些局限性。

目前传统的猪个体识别技术的方法之一是在猪身体背部喷涂彩色图案，利用图像对比技术和尺度不变特征变换匹配等算法识别猪个体，这种方法对猪的身体造成了侵害，影响后续猪肉的销售，同时，当实际畜牧养殖中，猪个体数量较多时，给每只猪身体背部喷涂彩色图案，将是一个耗时耗力的工作；方法之二是在猪的耳朵上穿孔佩戴无线射频识别RFID标签，这种识别方法会引起动物的不适，咬标、掉标的情况经常发生；方法之三是使用支持向量机、等度量映射融合以及Fisherface等算法通过识别脸部确定猪只身份；但实际畜牧养殖中，环境较差，传统的识别算法应用于复杂的农场环境时，准确率并不理想，无法满足实际需求。

综上所述，现有的猪脸识别技术存在以下问题：

1.猪的近亲繁殖导致个体间相似度很高，人脸识别技术直接应用到猪脸上效果不是很好。

2.长期不清洗的猪脸，会比较脏，掩盖猪脸本来的特征，对特征提取造成一定的影响。

3.对猪脸进行识别时，猪不会配合着进行识别，猪脸会出现多个角度。

4.现有的猪脸识别算法，在复杂的农场环境下，无法保证一个较好的识别率。

发明内容

本发明的目的是解决上述现有技术中存在的问题。具体地，采用基于通道注意力机制的残差网络作为主干网络，利用训练样本集来优化主干网络，利用测试样本集，挑选出优化效果最好的主干网络，作为猪脸识别网络，对猪脸进行识别。与传统方法相比，本发明方法，由于通道注意力机制的加入，能够提高猪脸识别网络的识别率，能够更好的适应复杂的农场环境，保证一定的识别率，同时对于多角度的猪脸识别也是有效的。

为达上述目的，本发明提供了一种基于通道注意力机制的猪脸识别方法，包括通过训练基于通道注意力机制的残差网络得到具有最佳识别效果的猪脸识别网络，并利用该猪脸识别网络对猪脸进行识别，具体包括以下步骤：

步骤1，猪脸图像的采集和处理

采集Z类猪脸图像；

在Z类猪脸图像的每类中选M张猪脸图像，得到M×Z张猪脸图像，然后对M×Z张猪脸图像分别用A种图像处理方式进行数据增强并保留每种图像处理方式得到的猪脸图像，即共得到(A+1)×M×Z张猪脸图像，该(A+1)×M×Z猪脸图像构成一个训练样本集；

在Z类猪脸图像的每类中另外选N张猪脸图像，得到N×Z张猪脸图像，该N×Z张猪脸图像构成一个测试样本集，N≠M；

步骤2，通过训练基于通道注意力机制的残差网络得到具有最佳识别效果的网络，并将该具有最佳识别效果的网络记为猪脸识别网络，步骤如下：