[发明专利]一种基于改进卷积神经网络的梅花鹿面部识别方法

权利要求书

1.一种基于改进卷积神经网络的梅花鹿面部识别方法，其特征在于；包括以下步骤：

步骤(1)、梅花鹿目标检测；

利用YOLO目标检测模型检测视频中的梅花鹿，对每个感兴趣的梅花鹿目标个体进行定位，将检测到的目标梅花鹿应用图像工具截取每头目标梅花鹿的面部图像，分别按照梅花鹿个体标签保存至梅花鹿面部数据集；

步骤(2)、图像分割；

对所述梅花鹿面部数据集中的每个所述目标梅花鹿的面部图像进行图像分割，得到多个单一背景的梅花鹿面部图片；

步骤(3)、基于多个单一背景的所述梅花鹿面部图片，构建用于模型训练的梅花鹿面部训练数据集，将所述梅花鹿面部训练数据集划分为训练数据集和验证数据集，同时建立测试数据集；

步骤(4)、图像预处理；

对所述梅花鹿面部训练数据集中的每个所述梅花鹿面部图片进行数据增强，得到数据增强后的训练数据集、验证数据集和测试数据集；步骤(5)、构建梅花鹿面部识别网络模型；

基于改进后的残差训练网络构建用于提取梅花鹿面部特征的梅花鹿面部识别网络模型，采用AM-Softmax作为所述梅花鹿面部识别网络模型的输出层的损失函数；

步骤(6)、使用数据增强后的所述梅花鹿面部训练数据集并采用梯度下降法训练所述梅花鹿面部识别网络模型及调参优化，通过数据增强后的所述验证数据集验证后获得网络权重参数；

步骤(7)、测试时，利用数据增强后的所述测试数据集对所述梅花鹿面部识别网络模型进行测试，所述梅花鹿面部识别网络模型的模型参数为所述网络权重参数，测试通过时，确定所述梅花鹿面部识别网络模型训练完成；

步骤(8)、识别时，向所述梅花鹿面部识别网络模型输入采集的梅花鹿面部图片，所述梅花鹿面部识别网络模型输出识别结果，所述识别结果包括梅花鹿个体标签。

2.根据权利要求1所述的一种基于改进卷积神经网络的梅花鹿面部识别方法，其特征在于，所述步骤(1)的具体实现方法为：

采用YOLO模型检测视频中的梅花鹿位置，对视频中的目标梅花鹿进行面部图片截取并存储到与所述目标梅花鹿的梅花鹿个体标签对应的编号的文件夹中，要识别的数据集通过以下方式选择的：

DEER＝{deti|Adeti＞At,labeldeti＝deer；i＝0,1,2...n}

其中，DEER表示要识别的图像集，表示对象检测结果的deti的区域，At表示定义的区域阈值，的值设置为0.25×(640×480)，利用阈值可以选出视频中的梅花鹿，表示对象检测结果的名称，表示图像序列的对象检测结果的数量，挑选出每一个物体检测结果，其物体名称为梅花鹿，若检测出的梅花鹿个体面积占图片面积大于，截取该图片中的梅花鹿面部图片并存储到对应编号的文件夹中以用于识别。

3.根据权利要求1所述的一种基于卷积神经网络的梅花鹿面部识别方法，其特征在于，所述步骤(2)的具体实现方法为：利用Unet图像分割模型对所述梅花鹿面部数据集中的面部图像进行图像分割，得到去除干扰的单一背景的梅花鹿面部数据集。

4.根据权利要求1所述的一种基于卷积神经网络的梅花鹿面部识别方法，其特征在于，所述步骤(3)的具体实现方法为：将步骤(2)得到的所述梅花鹿面部数据集按照8：2的比例随机划分为训练数据集和验证数据集，并从整个梅花鹿面部数据集中选出每头梅花鹿的部分清晰图像作为测试数据集，该梅花鹿面部测试数据集用于测试使用。