基于轻量化神经网络的羊脸识别方法研究

作     者：周利香 

作者单位：西北农林科技大学 

学位级别：硕士

导师姓名：张宏鸣

授予年度：2022年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0905[农学-畜牧学] 080203[工学-机械设计及理论] 09[农学] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

主      题：羊脸检测 RetinaFace GhostNet 注意力机制 羊脸识别 MobileFaceNet 

摘      要：监控设备已成为羊场的基本设施,基于计算机视觉技术检测羊脸,进而识别不同羊只,成为智慧养殖领域智能识别的解决方案之一。本研究以现有动物检测识别模型体积较大,缺少轻量化模型研究工作为研究背景,以奶山羊和滩羊为研究对象。利用摄像头得到的实时视频流数据,展开视频羊脸识别工作。首先通过羊脸检测模型标记羊脸区域,然后通过羊脸识别模型实现个体分类识别,得到一个可行有效的实时视频监控下的羊脸识别方法。针对羊脸相似性大,远距离场景下单一颜色的羊脸错误分类概率更高难以辨别的问题,主要研究内容及结果如下:(1)轻量级羊脸检测模型G-Retina Face构建方法研究。针对视频中存在羊只侧脸导致检测准确率不高,且检测模型规模较大的问题,本研究构建了轻量级羊脸检测模型G-Retina Face。首先根据羊脸区域五官特征和位置关系研究设计羊脸关键点,然后通过利用轻量级Ghost Net网络和改进的多任务损失函数对Retina Face检测模型的参数规模进行优化,最后构建了轻量级羊脸检测模型G-Retina Face。相比于Retina Face模型,G-Retina Face模型的F得分提升了1.10%,运行时间快了181毫秒,模型规模缩小了107.1MB。实验结果表明,G-Retina Face模型能根据羊脸关键点的位置关系和距离更好地展开视频和图片中的羊脸检测的侧脸剔除工作,可为羊脸实时检测识别提供技术支持。(2)轻量级羊脸识别模型ECAS-MFC构建方法研究。针对羊只相似度高导致远距离识别准确度较低的问题,本研究构建了轻量级羊脸识别模型ECAS-MFC。首先根据羊脸轮廓和五官特征构建了融合空间信息的高效通道(Efficient channel and spatial attention,ECAS)模块,然后通过在Mobile Face Net网络的深度特征提取层中引入ECAS模块,构建了轻量级羊脸识别模型ECAS-MFC。相比于Mobile Face Net模型,ECAS-MFC模型在开集验证中的识别率提升了7.21%,在闭集验证中的识别率提升了2.61%,模型规模缩小了0.3MB。实验结果表明,ECAS-MFC模型拥有较高的识别率,模型更为轻量化,针对类间距离更小的羊脸识别任务,具有更好的羊只个体识别效果。基于上述研究,本文设计了有效稳定的轻量级羊脸识别方法,能够在现实场景下实现视频监控下的羊脸识别,可为羊场智慧化养殖提供解决方案。