宠物脸部识别方法及系统技术方案

本发明专利技术提供了一种宠物脸部识别方法及系统，包括以下步骤：S1.由APP端获取图片，并判断所述图片中是否存在宠物脸部，若存在，则执行步骤S2；S2.将所述图片上传给服务器，由服务器对所述图片中的宠物进行脸部识别并向APP端返回识别结果；在在步骤S1中，通过判断模型判断所述图片中是否存在宠物脸部，判断模型采用mobile_net_v2网络模型，在服务器端训练所述mobile_net_v2网络模型，并将训练后的mobile_net_v2网络模型转换为tflite文件作为APP端的离线文件。本发明专利技术将图片中有无目标的步骤在APP端进行，减轻服务器端负载压力，提高识别效率，并且使用mobile_net_v2网络模型作为判断模型，网络规模较小，最终模型文件体量小，对APP几乎没有影响。

Pet face recognition method and system

【技术实现步骤摘要】
宠物脸部识别方法及系统
本专利技术属于AI
，尤其涉及一种宠物脸部识别方法及系统。
技术介绍
随着城市人口生活水平不断提高，许多城市居民开始饲养宠物，但是日常生活里不断听到宠物丢失的消息，以及街上随处可见的寻宠启示。宠物丢失给宠物主人带来巨大的打击，宠物主人会花费大量的时间和精力去寻找宠物，最终找到宠物的几率微乎其微；丢失的宠物很可能沦为路边的流浪狗，对市民的安居、交通、卫生、人身安全构成威胁。为了解决上述技术问题，人们进行了的长期的探索，例如中国专利公开了一种基于狗脸图像识别技术的寻狗系统及方法[申请号：CN201810499850.9]，包括移动终端、服务器和数据库，移动终端包括Lost模块、Found模块和Adop模块，Lost模块用于发布寻狗启示，Found模块用于验证流浪狗，Adopt模块用于发布领养启示用户交互界面；服务器用来响应用户请求完成各个功能，实现对数据库的操作以及宠物脸部图像识别；数据库存放发布启示里狗的信息。上述专利方案通过宠物脸部识别技术实现网上寻狗，提高丢失狗狗的找回概率，但是上述方案存在一定的缺陷，例如，上述方案在进行狗脸识别的过程中中是直接将获取到视频、图片上传至服务器，由存储在服务器中的深度学习模型进行狗脸识别，但是用户的操作本质上讲是随机行为，会产生很大比例的无效数据，服务器端会接收到很多没有宠物脸部的图片，这类图片是没有意义的无效图片，而上述方案将这类无意义图片一致上传至服务器端，增加了服务器的负载，使得服务器识别效率大大降低。
技术实现思路
本专利技术的目的是针对上述问题，提供一种便于宠物管理的宠物脸部识别方法；本专利技术的目的是针对上述问题，提供一种基于上述方法的系统。为达到上述目的，本专利技术提出了一种宠物脸部识别方法，包括以下步骤S1.由APP端获取图片，并判断所述图片中是否存在宠物脸部，若存在，则执行步骤S2；S2.将所述图片上传给服务器，由服务器对所述图片中的宠物进行脸部识别并向APP端返回识别结果。在上述的宠物脸部识别方法中，在步骤S1中，通过判断模型判断所述图片中是否存在宠物脸部。在上述的宠物脸部识别方法中，所述判断模型采用mobile_net_v2网络模型，在服务器端训练所述mobile_net_v2网络模型，并将训练后的mobile_net_v2网络模型转换为tflite文件作为APP端的离线文件。在上述的宠物脸部识别方法中，步骤S2具体包括：S21.将所述图片上传给服务器；S22.调用识别模型，提取所述图片中的特征向量，并基于所述特征向量查找数据库中是否存在相应的注册ID，若存在，则返回所述注册ID，否则返回查找失败。在上述的宠物脸部识别方法中，步骤S2还包括：S23.在步骤S22查找失败后或直接调取分类模型；S24.由所述分类模型判断图片中宠物的可能性品种及相应的可能性概率值，当最大的可能性概率值高于第一概率阈值时，向APP端返回最大可能性概率值对应的品种名称，当最大的可能性概率值小于第一概率阈值且大于第二概率阈值时，向APP端返回可能性概率值前三位对应的品种名称，否则返回识别失败。在上述的宠物脸部识别方法中，在步骤S22具体包括：S221.将所述图片缩放到预设大小以获得缩放图片，并通过识别模型提取所述缩放图片512维的特征向量；S222.使用余弦距离或欧式距离将所述特征向量与数据库中相应的特征向量进行距离计算；S223.判断最小距离是否小于第一距离阈值，若是，则输出对应的注册ID。在上述的宠物脸部识别方法中，在步骤S223之后还包括：S224.当最小距离大于第一距离阈值时，判断最小距离是否小于第二距离阈值，若是，判断最小距离对应的注册ID与第二小距离对应的注册ID是否为同一个，若是，则输出所述注册ID，否则执行步骤S245；S225.判断最小距离是否小于第三距离阈值，若是，判断最小距离对应的注册ID与第二小、第三小距离对应的注册ID是否为同一个，若是，则输出所述注册ID，否则执行步骤S245；S226.判断最小距离是否小于第四距离阈值，若是，判断最小距离对应的注册ID与第二小、第三小和第四小距离对应的注册ID是否为同一个，若是，则输出所述注册ID，否则执行步骤S23。在上述的宠物脸部识别方法中，在步骤S221中，提取特征向量之前还包括：通过矫正模型对所述图片中的宠物脸部进行脸部矫正。在上述的宠物脸部识别方法中，所述矫正模型采用MTCNN网络模型，且所述MTCNN网络模型通过定位宠物脸部包括左耳朵、右耳朵、左眼睛、右眼睛、鼻子、额头在内的6个mark点对宠物脸部进行脸部矫正。一种宠物脸部识别系统，包括服务器和客户端，所述服务器包括数据库、矫正模块、分类模块和识别模块，所述客户端包括判断模块，其中判断模块，用于判断获取到的图片中是否存在宠物脸部；数据库，用于存储注册宠物的注册ID及其身份信息；矫正模块，用于对图片中的宠物脸部进行脸部矫正；识别模块，用于判断所述图片中的宠物是否已经过注册，并在判断为经过注册之后向客户端返回相应的注册ID；分类模块，用于判断所述图片中的宠物所属的宠物品种类别。与现有的技术相比，本专利技术具有以下优点：1、将图片中有无目标(即宠物脸部)的步骤在APP端进行，减轻服务器端负载压力，提高识别效率；2、使用mobile_net_v2网络模型作为判断模型，网络规模较小，最终模型文件体量小，对APP几乎没有影响；3、在进行特征提取之前先对脸部进行矫正处理，相较于直接定位得到的狗脸图片，提升了最终的识别准确率。附图说明图1是本专利技术实施例一中注册功能的流程示意图；图2是本专利技术实施例一中mobile_net_v2网络模型结构图图3是本专利技术实施例一中宠物脸部识别的方法流程图；图4是本专利技术实施例一中分类功能的流程示意图；图5是本专利技术实施例一中身份识别功能的流程示意图；图6是本专利技术实施例一中MTCNN网络模型的子网络组成结构图；图7是本专利技术实施例一分类过程的方法流程图；图8是本专利技术实施例二中宠物脸部识别的系统结构图。附图标记，服务器1；数据库11；矫正模块12；分类模块13；识别模块14；检测模块15；客户端2；判断模块21。具体实施方式实施例一近年来随着深度学习技术的发展，图像识别准确率显著提高，例如人脸识别的准确率高达99.8％。基于深度学习的图像识别技术能自动完成特征抽取与分类任务，具有使用简单、易于工业化、识别准确率高等优点，为宠物脸部图像识别奠定夯实的基础。本实施例采用现有技术的深度学习技术提出一种宠物脸部识别方法。本实施例主要包括服务器端和APP端(客户端)两部分，用户可以通过将APP安装在移动终端上进行宠物脸部识别，并且在APP端进行图片中是否有宠物的判断，只有图片中宠物的时候才会将图片上传至服务器，减轻服务器负载。宠物脸部识别过程主要包括宠物分类和宠物身份识别两部分，且本实施例的宠物主要针对犬类宠物。宠物分类用于对用户上传图片中的宠物犬进行品种识别，宠物犬身份识别主要针对在本系统中注册过的宠物犬，所以在进行宠物犬身份识别之前需要对宠物犬进行注册。如图1所示，本实施例的注册方法由服务器端执行，且包括以下步骤：A.接收用户输入的短视频和注册信息，使用opencv(OpenSourceComputerVisionLibrary，计本文档来自技高网...

【技术保护点】
1.一种宠物脸部识别方法，其特征在于，包括以下步骤：S1.由APP端获取图片，并判断所述图片中是否存在宠物脸部，若存在，则执行步骤S2；S2.将所述图片上传给服务器，由服务器对所述图片中的宠物进行脸部识别并向APP端返回识别结果。

【技术特征摘要】
1.一种宠物脸部识别方法，其特征在于，包括以下步骤：S1.由APP端获取图片，并判断所述图片中是否存在宠物脸部，若存在，则执行步骤S2；S2.将所述图片上传给服务器，由服务器对所述图片中的宠物进行脸部识别并向APP端返回识别结果。2.根据权利要求1所述的宠物脸部识别方法，其特征在于，在步骤S1中，通过判断模型判断所述图片中是否存在宠物脸部。3.权利要求2所述的宠物脸部识别方法，其特征在于，所述判断模型采用mobile_net_v2网络模型，在服务器端训练所述mobile_net_v2网络模型，并将训练后的mobile_net_v2网络模型转换为tflite文件作为APP端的离线文件。4.权利要求1-3任意一项所述的宠物脸部识别方法，其特征在于，步骤S2具体包括：S21.将所述图片上传给服务器；S22.调用识别模型，提取所述图片中的特征向量，并基于所述特征向量查找数据库中是否存在相应的注册ID，若存在，则返回所述注册ID，否则返回查找失败。5.权利要求4所述的宠物脸部识别方法，其特征在于，步骤S2还包括：S23.在步骤S22查找失败后或直接调取分类模型；S24.由所述分类模型判断图片中宠物的可能性品种及相应的可能性概率值，当最大的可能性概率值高于第一概率阈值时，向APP端返回最大可能性概率值对应的品种名称，当最大的可能性概率值小于第一概率阈值且大于第二概率阈值时，向APP端返回可能性概率值前三位对应的品种名称，否则返回识别失败。6.根据权利要求5所述的宠物脸部识别方法，其特征在于，在步骤S22具体包括：S221.将所述图片缩放到预设大小以获得缩放图片，并通过识别模型提取所述缩放图片512维的特征向量；S222.使用余弦距离或欧式距离将所述特征向量与数据库中相应的特征向量进行距离计...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：浙江泽曦科技有限公司，
类型：发明
国别省市：浙江,33