一种猫的面部个体识别装置和方法制造方法及图纸

本发明专利技术提供一种猫的面部个体识别装置，包括：猫脸采集模块：用于获取目标的面部图像；猫脸检测模块：用于从所述面部图像进行猫的面部坐标点的提取，依据所述坐标点裁剪所述面部图像，获取猫的面部区域；猫脸识别模块：用于从所述面部区域获取猫的面部特征向量；猫脸建档模块：用于根据预先获取的面部特征向量建立宠物猫档案库，以便用于宠物猫的身份识别；猫脸判别模块：用于将待识别目标的面部特征向量与档案库中宠物猫的面部特征向量进行比对，判别目标的个体身份。

【技术实现步骤摘要】
一种猫的面部个体识别装置和方法
本专利技术涉及面部识别
，具体涉及一种猫的面部个体识别装置和方法。
技术介绍
随着人们生活质量的提升，宠物猫在人们生活中扮演着越来越重要的角色，由此衍生出宠物猫管理、宠物猫保险等应用场景，因而在宠物猫管理平台、宠物猫保险理赔等环节中面临宠物猫个体识别的问题。当前，宠物猫的个体识别主要分为生物识别技术和非生物识别技术。非生物识别技术如RFID宠物识别技术，识别芯片靠扫描仪发出的信号产生感应电流，靠这些能量，将存储在芯片中的信息发送出去，并被扫描仪接收和识别。但需要将芯片植入宠物体内，且需要专业设备发射信号才能进行识别，对宠物可能造成伤害，且使用不方便。生物识别技术包括多种。鼻纹识别，具备唯一性，但部分品种猫的鼻纹较浅，现有技术难以采集，技术难度高。虹膜识别，虹膜具备唯一性，精度高；但需要专业设备采集图像，开发成本高，使用不方便。声纹、步态识别：声纹和步态也具备唯一性，理论上可行，但技术不够成熟。面部识别，对猫面部特征进行提取，图像采集方便，但准确性不足。
技术实现思路
鉴于上述技术问题，为了克服上述现有技术的不足，本专利技术提出了一种猫的面部个体识别装置和方法，以高效、准确地完成猫的个体识别。本专利技术提供一种猫的面部个体识别装置，包括：猫脸采集模块：用于获取目标的面部图像；猫脸检测模块：用于从所述面部图像进行猫的面部坐标点的提取，依据所述坐标点裁剪所述面部图像，获取猫的面部区域；猫脸识别模块：用于从所述面部区域获取猫的面部特征向量；猫脸建档模块：用于根据预先获取的面部特征向量建立宠物猫档案库，以便用于宠物猫的身份识别；猫脸判别模块：用于将待识别目标的面部特征向量与档案库中宠物猫的面部特征向量进行比对，判别目标的个体身份。在一些实施例中，所述猫脸检测模块包括猫脸检测模型，所述检测模型的训练流程包括：检测图像收集、检测图像标注、检测网络训练和检测模型测试。在一些实施例中，所述检测图像收集为从宠物领养网站上按照宠物名称爬取图片，再通过人工PS合成各类不同背景的训练图片，将训练图片分为训练集和测试集，训练集用于网络训练，测试集用于模型测试，验证网络训练的效果。在一些实施例中，所述检测图像标注为在训练图片上标注猫的面部坐标点信息以及面部轮廓外接矩形。在一些实施例中，所述检测网络训练采用训练集图片进行训练，训练所用的损失函数为其中：pi(ω,θ)为预测的坐标，yi为真实坐标，N为抽取数量，ω、θ为网络参数。在一些实施例中，所述检测测试模型为用测试集图片验证训练效果，用训练过的检测网络及参数预测测试集，并结合测试集标签求出验证集的损失，然后与训练集损失对比，判断所述检测模型训练效果的好坏。在一些实施例中，所述猫脸识别模块包括猫脸识别模型，所述识别模型的训练流程包括：识别图像采集、识别图像整理、识别网络训练和识别模型测试。在一些实施例中，所述识别图像采集包括人工采集大量宠物猫面部信息。在一些实施例中，所述识别图像整理为用采集到的猫的面部图片，裁剪猫的面部区域，并按个体对面部区域图片进行归类。在一些实施例中，所述识别网络训练采用Softmaxloss和centerloss联合训练，所用的损失函数为其中LS为Softmaxloss函数，LC为centerloss函数，为中心损失的权重值，m为每批次取样本的数量，n为训练类别的总数，权重WT相当于多个向量组成的矩阵，byi和bj分别为类别yi和j的偏置参数，Xi为每次通过网络提取到的预测值，Cyi为每个类别的中心。在一些实施例中，所述识别网络训练的训练过程为将训练数据输入识别网络得到面部特征向量，并计算中心损失，随机初始化类别中心，而后每一个batch里计算当前数据与类别中心的距离，而后将这个梯度形式的距离加到类别中心上。本专利技术还提供一种猫的面部个体识别方法，利用前述的面部识别装置对猫的面部进行个体识别，具体步骤包括：S10，获取待识别目标的面部图像；S20，从所述面部图像进行猫的面部坐标点的提取，依据所述坐标点裁剪所述面部图像，获取猫的面部区域；S30，从所述面部区域获取待识别目标的面部特征向量；S40，将待识别目标的面部特征向量与档案库中宠物猫的面部特征向量进行比对，判别目标的个体身份。本专利技术结合生物识别技术和深度学习算法来实现猫的面部个体识别，识别准确高效，效果显著。附图说明图1为本专利技术猫的面部个体识别装置的示意图；图2为本专利技术猫脸检测模型的训练流程图；图3为本专利技术猫脸识别模型的训练流程图；图4为本专利技术猫的面部个体识别的示意图。具体实施方式本专利技术某些实施例于后方将参照所附附图做更全面性地描述，其中一些但并非全部的实施例将被示出。实际上，本专利技术的各种实施例可以许多不同形式实现，而不应被解释为限于此数所阐述的实施例；相对地，提供这些实施例使得本专利技术满足适用的法律要求。为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。生物识别技术：通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性，(如指纹、脸象、虹膜等)和行为特征(如笔迹、声音、步态等)来进行个人身份的鉴定。深度学习：是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。本专利技术一实施例提供一种猫的面部个体识别装置，如图1所示，包括：猫脸采集模块10：用于获取目标的面部图像；猫脸检测模块20：用于从所述面部图像进行猫的面部坐标点的提取，依据所述坐标点裁剪所述面部图像，获取猫的面部区域；猫脸识别模块30：用于从所述面部区域获取猫的面部特征向量；猫脸建档模块40：用于根据预先获取的面部特征向量建立宠物猫档案库，以便用于宠物猫的身份识别；猫脸判别模块50：用于将待识别目标的面部特征向量与档案库中宠物猫的面部特征向量进行比对，判别目标的个体身份。如果面部特征向量的欧式距离足够低，且小于设定的阈值，可判定待识别目标与档案库中比对的宠物猫是同一只宠物猫，否则为不同只。如图2所示，本专利技术提供的一种所述猫脸检测模块20包括猫脸检测模型100，所述检测模型100的训练流程包括：检测图像收集110、检测图像标注120、检测网络训练130和检测模型测试140。猫面部特征具有唯一性，可作为宠物身份识别的依据。猫脸检测是为获取面部区域以及7个面部关键点，左猫耳，右猫耳，左眼，右眼，左侧鼻孔，右侧鼻孔，嘴巴中心。因为不同品种猫脸都大体相近，所以使用这7个点比较好泛化，更能体现出猫的轮廓，训练数据标注也会方便点，排除其他因素如躯干等对识别的干扰。传统的图像处理方式也可以获取本文档来自技高网...

【技术保护点】
1.一种猫的面部个体识别装置，其特征在于，包括：/n猫脸采集模块：用于获取目标的面部图像；/n猫脸检测模块：用于从所述面部图像进行猫的面部坐标点的提取，依据所述坐标点裁剪所述面部图像，获取猫的面部区域；/n猫脸识别模块：用于从所述面部区域获取猫的面部特征向量；/n猫脸建档模块：用于根据预先获取的面部特征向量建立宠物猫档案库，以便用于宠物猫的身份识别；/n猫脸判别模块：用于将待识别目标的面部特征向量与档案库中宠物猫的面部特征向量进行比对，判别目标的个体身份。/n

【技术特征摘要】
1.一种猫的面部个体识别装置，其特征在于，包括：
猫脸采集模块：用于获取目标的面部图像；
猫脸检测模块：用于从所述面部图像进行猫的面部坐标点的提取，依据所述坐标点裁剪所述面部图像，获取猫的面部区域；
猫脸识别模块：用于从所述面部区域获取猫的面部特征向量；
猫脸建档模块：用于根据预先获取的面部特征向量建立宠物猫档案库，以便用于宠物猫的身份识别；
猫脸判别模块：用于将待识别目标的面部特征向量与档案库中宠物猫的面部特征向量进行比对，判别目标的个体身份。


2.根据权利要求1所述的识别装置，其特征在于，所述猫脸检测模块包括猫脸检测模型，所述检测模型的训练流程包括：检测图像收集、检测图像标注、检测网络训练和检测模型测试。


3.根据权利要求2所述的识别装置，其特征在于，所述检测图像收集为从宠物领养网站上按照宠物名称爬取图片，再通过人工PS合成各类不同背景的训练图片，将训练图片分为训练集和测试集，训练集用于网络训练，测试集用于模型测试，验证网络训练的效果。


4.根据权利要求2所述的识别装置，其特征在于，所述检测图像标注为在训练图片上标注猫的面部坐标点信息和面部轮廓外接矩形。


5.根据权利要求2所述的识别装置，其特征在于，所述检测网络训练采用训练集图片进行训练，训练所用的损失函数为其中：pi(ω,θ)为预测的坐标，yi为真实坐标，N为抽取数量，ω、θ为网络参数。


6.根据权利要求2所述的识别装置，其特征在于，所述检测测试模型为用测试集图片验证训练效果，用训练过的检测网络及参数预测测试集，并结合测试集标签求出验证集的损失，然后与训练集损失对比，判断所述检测模型训练效果的好坏。


7.根据权利要求1所述的识别...

【专利技术属性】
技术研发人员：虞爱，周涛，刘周可，谭升，肖唐财，
申请(专利权)人：深圳市悦保科技有限公司，
类型：发明
国别省市：广东;44