[发明专利]一种宠物识别方法、装置、设备及存储介质

说明书

本申请公开了一种宠物识别方法、装置、设备及存储介质。该方法包括：获取待检测宠物的音视频信息；所述音视频信息包括所述待检测宠物的视频片段、面部图像和音频片段；从所述视频片段中提取得到步态特征，并从所述面部图像中提取得到面部特征，并从所述音频片段中提取得到声纹特征；对所述步态特征、所述面部特征和所述声纹特征进行特征融合，以得到融合后特征；利用所述融合后特征比对已存档的宠物特征，以实现对所述待检测宠物的识别。可见，通过融合多种模态特征，然后利用得到的融合后特征进行识别，提高了宠物识别的准确性。

技术领域

本发明涉及人工智能领域，特别涉及一种宠物识别方法、装置、设备及存储介质。

背景技术

随着生活水平的提高，饲养宠物的家庭越来越多，宠物的管理也变成了一项必不可少的工作；有效的管理小区、家庭之中的宠物，可以减少外来宠物、流浪宠物带来的各种问题，使小区和家庭更加安全。现有技术中，识别宠物通常通过检测宠物的面部特征，对比注册宠物的面部特征进行识别，但同类型宠物相似度较高，需要很高的识别准确度，而不同类型的宠物服从性不同，对于服从性较差的宠物，难以精准捕捉到宠物的面部特征，另外多毛宠物由于面部容易被遮挡，识别精度也较差。现有技术中，还通过检测宠物鼻纹特征，对比注册宠物的鼻纹特征进行识别。宠物的鼻纹类似于人类的指纹一样，都具有唯一性，但实际应用中，由于鼻纹区域很小，采集难度较大，操作不便捷，影响实际应用效果。

发明内容

有鉴于此，本发明的目的在于提供一种宠物识别方法、装置、设备及介质，能够提高宠物识别的准确性。其具体方案如下：

第一方面，本申请公开了一种宠物识别方法，包括：

获取待检测宠物的音视频信息；所述音视频信息包括所述待检测宠物的视频片段、面部图像和音频片段；

从所述视频片段中提取得到步态特征，并从所述面部图像中提取得到面部特征，并从所述音频片段中提取得到声纹特征；

对所述步态特征、所述面部特征和所述声纹特征进行特征融合，以得到融合后特征；

利用所述融合后特征比对已存档的宠物特征，以实现对所述待检测宠物的识别。

可选的，所述从所述视频片段中提取得到步态特征，包括：

获取不同条件下摄像头采集的目标宠物的行走视频并添加相应的宠物特征标签，以得到步态视频数据集；

以Transformer网络结构为基础进行网络构建，得到第一待训练网络；

利用所述步态视频数据集对所述第一待训练网络进行训练，得到步态特征提取模型，并利用所述步态特征提取模型从所述视频片段中提取得到所述步态特征。

可选的，所述以Transformer网络结构为基础进行网络构建，得到第一待训练网络，包括：

按照Transformer编解码网络、Longformer网络、多层感知机的顺序进行连接，得到所述第一待训练网络；其中，所述Transformer编解码网络中包括多个平行的Transformer的编解码器。

可选的，所述从所述面部图像中提取得到面部特征，包括：

获取不同条件下摄像头采集的所述目标宠物的面部图像并添加相应的宠物特征标签，以得到面部图像数据集；

以ResNet网络结构为基础进行网络构建，得到第二待训练网络；

利用所述面部图像数据集对所述第二待训练网络进行训练，得到面部特征提取模型，并利用所述面部特征提取模型从所述面部图像中提取得到所述面部特征。

可选的，所述从所述音频片段中提取得到声纹特征，包括：

获取不同条件下麦克风采集的所述目标宠物的音频并添加相应的宠物特征标签，以得到音频数据集；

以LSTM网络结构为基础进行网络构建，得到第三待训练网络；