[发明专利]基于卷积神经网络和分类器模型的牛脸识别方法

摘要

本发明属于计算机视觉与智能识别技术领域，具体涉及基于卷积神经网络和分类器模型的牛脸识别方法。本发明中卷积神经网络最后一个隐藏层是含有32、64、128、256或者512个神经元的全连接层，用于提取特征，然后利用分类器模型，完成对奶牛个体的识别。同时实现了当有新增牛只时，只需采集该牛只的图像数据，将其输入卷积神经网络模型中，提取特征，追加到原有分类模型中即可进行识别，无需再次训练卷积神经网络模型。本发明优选64维特征提取层的卷积神经网络模型，利用稀疏表示分类模型，对30头奶牛随机挑选的训练数据24000张图片和测试数据6000张图片进行试验，结果表明该方法缩短了识别时间，单头牛只识别平均耗时缩短到了0.00022s，识别率高达99%以上。

主权项

基于卷积神经网络和分类器模型的牛脸识别方法，其特征在于，采用深度学习当中卷积神经网络提取特征，结合分类器模型，通过对牛脸的识别，实现对牛只个体的身份识别，包括以下步骤：S1. 采集所有待注册牛只牛脸数据，生成待注册牛只数据集，并按比例随机分为训练数据集和测试数据集；S2. 设计卷积神经网络模型，所述卷积神经网络模型至少包括输入层、隐藏层和输出层，其中隐藏层最后一层是一个维度为2n的全连接层，作为特征提取层，其中n为5‑9之间的整数；S3. 训练卷积神经网络，记录该网络模型参数λ；S4. 将由步骤S1得到的所有待注册牛只牛脸数据输入到使用网络参数λ初始化的卷积神经网络模型中，提取特征提取层的特征；S5. 使用待注册牛只的特征提取层的特征，利用分类器模型，进行牛只注册；S6. 利用步骤S5的分类器模型进行牛脸识别。