[发明专利]一种基于改进Alexnet网络的羊脸识别方法

权利要求书

1.一种基于改进Alexnet网络的羊脸识别方法，其特征在于，包括以下步骤：

S1，采集自然场景下n只羊的羊脸视频数据，并将采集到的羊脸视频数据转换为羊脸图片数据；

S2，对所述羊脸图片数据进行筛选，得到羊脸数据集；将所述羊脸数据集划分为训练集和测试集，所述训练集和测试集中均划分有正脸数据集、侧脸数据集和羊个体数据集；

S3，将所述训练集输入到改进后的Alexnet网络中进行训练，得到训练后的网络模型；

S4，将所述测试集输入到训练后的网络模型中，得到羊脸分类结果；

S5，验证模型鲁棒性，采集所述n只羊m天之后的羊脸图片数据作为验证集，将所述验证集输入到训练后的网络模型中，得到验证集羊脸识别的准确率；

步骤S3中，所述改进后的Alexnet网络的实现包括以下步骤：

S301，在原始Alexnet网络的基础上扩大感受野的尺寸，将原始Alexnet网络的第一卷积层的卷积核由11*11改为1*1、3*3、5*5、7*7进行多尺度特征提取；

S302，取消原始Alexnet网络中的局部归一化处理；

S303，将SEnet注意力机制模块引入原始Alexnet网络来增强特征提取；

S304，用mish激活函数取代原始Alexnet网络中的Relu激活函数。

2.根据权利要求1所述的一种基于改进Alexnet网络的羊脸识别方法，其特征在于，步骤S1包括以下步骤：

S101，基于不同的采集距离，连续采集羊的一边侧脸到正脸、再到另一边侧脸的羊脸视频数据；

S102，通过MATLAB平台将采集的羊脸视频数据转换为JPG格式的羊脸图片数据。

3.根据权利要求2所述的一种基于改进Alexnet网络的羊脸识别方法，其特征在于，步骤S2包括以下步骤：

S201，将步骤S102中得到的羊脸图片每隔4帧选取一张；

S202，通过计算两张图片的SSIM来判断图片之间的相似性，剔除相似性较大的图片；

SSIM的计算指标公式为：

其中，μ_a为图片a的均值像素，μ_b为图片b的均值像素；为图片a的方差，为图片b的方差，σ_ab为图片a、b的协方差；x₁为图a像素强度的平均值，x₂为图b像素强度的平均值；

SSIM的取值范围为[-1,1]，当SSIM取值为-1时，表示两张图片的相似度为0；当SSIM取值为1时，表示两张图片完全相同；

设定SSIM的阈值为0.8，当SSIM的值大于0.8时，表示两张图片相似，只保留其中一张图片在数据集中；当SSIM的值小于或等于0.8时，表示两张图片不相同，保留两张图片在数据集中；

S203，采用随机剪裁、翻转、旋转、高斯加噪中的一种或多种方式，对采集到的数据集进行均衡化处理以及数据增强；

S204，将增强后的数据集划分为正脸数据集、侧脸数据集和羊个体数据集，并分别从这三个数据集中抽取4/5的图片数据组成训练集，将这三个数据集中剩余的1/5的图片数据组成测试集。