[发明专利]一种基于YOLOv4的羊舍内羊群个体身份识别方法及系统

权利要求书

1.一种基于YOLOv4神经网络模型的羊舍内羊群个体身份识别方法，其特征在于，包括：

步骤S1：采集羊群中每只羊只的面部信息，对面部图片进行预处理，用标注框对羊脸进行标注，得到数据集，并划分为训练集和测试集；

步骤S2：构建基于YOLOv4的羊只面部识别神经网络模型，其中，所述基于羊只面部识别神经网络模型包括：Input、Backbone、Neck和Head：Backbone作为主干特征提取网络，在Darknet53基础上加入CSPnet构建CSPDarknet53，并采用Mish激活函数；Neck作为加强特征提取网络，采用SSP与PANet分别用于提取上下文特征和参数聚合；Head根据所述标注框，使用K means++算法重新计算锚框大小，基于Neck的输出特征进行预测，对所生成的预测框经过非极大抑制后，计算最终的目标检测框；

步骤S3：构建损失函数，使用羊脸面部数据进行预训练，将预训练后得到模型参数作为所述羊只面部识别神经网络模型的初始参数，使用所述训练集对其进行训练，得到训练好的羊只面部识别神经网络模型；最终将所述测试集输入所述训练好的羊只面部识别神经网络模型，对其性能进行评估。

2.根据权利要求1所述的基于YOLOv4神经网络模型的羊舍内羊群个体身份识别方法，其特征在于，所述步骤S1：采集羊群中每只羊只的面部信息，对面部图片进行预处理，用标注框对羊脸进行手工标注，得到数据集，并划分为训练集和测试集，具体包括：

步骤S11：在不同时段采集羊群中羊只的视频信息；

步骤S12：按照预设截帧频率对所述视频信息进行截取，获取羊只图片，并进行特征点提取与匹配，对每只羊的面部数据进行融合，得到包含每只羊完整面部数据的图片；

步骤S13：对所述每只羊完整面部数据的图片进行平移、旋转增广操作，再对羊脸进行手工标注，得到数据集，按预设比例将其分成训练集和测试集。

3.根据权利要求1所述的基于YOLOv4神经网络模型的羊舍内羊群个体身份识别方法，其特征在于，所述步骤S2：构建基于YOLOv4的羊只面部识别神经网络模型，其中，所述基于羊只面部识别神经网络模型包括：Input、Backbone、Neck和Head：Backbone作为主干特征提取网络，在Darknet53基础上加入CSPnet构建CSPDarknet53，并采用Mish激活函数；Neck作为加强特征提取网络，采用SSP与PANet分别用于提取上下文特征和参数聚合；Head根据所述标注框，使用K means++算法重新计算锚框大小，基于Neck的输出特征进行预测，对所生成的预测框经过非极大抑制后，计算最终的目标检测框，具体包括：

步骤S21：构建Backbone作为主干特征提取网络，在Darknet53基础上加入CSPnet构建CSPDarknet53，其中，所述CSPDarknet53包括：1个卷积层以及5个Resblock_body模块，其中Resblock_body模块包括：2个卷积块、标准化和Mish激活函数；

步骤S22：构建Neck作为加强特征提取网络，采用SSP用于增加感受野并分离出最重要的上下文和PANet用于对SSP和不同Backbone特征层的参数聚合，基于YOLOv4现有结构进行调整，通过将SSP的输出进行卷积并堆叠得到的S1，再经过卷积和上采样后与PANet的一路输出P3进行5次卷积并堆叠后输出P5。P5与PANet的另外两路输出P1和P3，共同作为后续Head的输入；

步骤S23：构建Head，包括若干个1×1的卷积与3×3的卷积的整合，并根据所述手工标注框，使用K means++算法重新计算多个不同大小的锚框大小，按照从小到大分配给Head的输入P1、P3、P5所对应的特征层，每个所述特征层分配3个锚框，输出预测框，对所述预测框经过非极大抑制后，计算最终的目标检测框。