基于深度学习的欧拉羊羊脸识别研究

作     者：孟祥磊 

作者单位：青海大学 

学位级别：硕士

导师姓名：陶品

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：欧拉羊 深度学习 羊脸检测 羊脸识别 热力图 

摘      要：青海省地处青藏高原,具有丰富的生态资源和独有的畜牧特色,盛产欧拉羊。为了有效地利用生态资源,促进特色畜牧业的发展,欧拉羊精准化养殖势在必行。为了缓解传统的欧拉羊识别方法在养殖过程中出现的问题,本文结合深度学习技术与目标识别技术,提出了一种两阶段的欧拉羊羊脸识别方法,包括羊脸检测阶段和羊脸识别阶段。本文在自己编写的视频截图软件辅助下,从欧拉羊视频中提取出了有代表性的5797张帧图像,建立了一个欧拉羊图像数据集。在欧拉羊数据集中,原始帧图像以及截取的羊脸图像共有11594张,欧拉羊有547只。欧拉羊数据集分为羊脸检测数据集与羊脸识别数据集。在羊脸检测数据集中,5217张图像作为训练集,580张图像作为测试集。在羊脸识别数据集中,490只欧拉羊的5210张羊脸图像作为训练集,其余的57只欧拉羊的587张羊脸图像作为测试集,并且不存在同一只欧拉羊的羊脸图像既在训练集中也在测试集中的情况。在羊脸检测阶段,本文借鉴YOLO系列算法思想,在对比了四种主干网络性能的基础上,提出了一种以距离交并比(Distance Intersection over Union,DIo U)为引导的羊脸检测网络,此羊脸检测网络可以有效地检测到羊脸的位置与大小,检测的平均DIo U值为0.66,检测速度为每张图像24毫秒。在羊脸识别阶段,本文建立了一个欧拉羊羊脸特征库,并提出了一种可以跨数据集识别的羊脸识别方法。该方法是以不同欧拉羊的羊脸图像的特征向量之间的欧氏距离作为判断不同羊脸图像是否代表同一只欧拉羊的依据。当新的一只欧拉羊出现时,该方法不需要重新训练神经网络。该方法的识别准确率达到了87.6%,识别每张羊脸图像所需的时间为41毫秒。另外,本文结合羊脸识别方法的特性,提出了一种基于特征向量差值的可视化热力图方法,给出了特征提取网络在羊脸图像上的感兴趣区域,展示了本文羊脸识别方法的有效性。