[发明专利]一种宠物种类识别方法及识别系统

权利要求书

1.一种宠物种类识别方法，其特征在于，包括下述步骤：

获取待识别宠物图片的位置信息，并根据所述位置信息对所述待识别宠物各部位的图片进行存储，所述待识别宠物各部位包括主体或头部或左眼或右眼或鼻子或嘴部或左耳或右耳；

根据所述位置信息得到关键点坐标，并根据所述关键点坐标构成宠物头部的关键点集合；

根据所述关键点坐标，与预设的宠物标准脸部坐标系进行对齐操作，使得宠物的头部头像变换至正面方向；

根据所述待识别宠物各部位的图片，按宠物种类分别存放，并进行扩充增广操作，得到数据集；

根据所述数据集，构建卷积神经网络模型并加以训练；

根据所述卷积神经网络模型训练的深度学习模型，对整张宠物图片进行种类识别。

2.根据权利要求1所述的宠物种类识别方法，其特征在于，在获取待识别宠物图片的位置信息，根据所述位置信息对所述待识别宠物各部位的图片进行存储的步骤中，具体包括下述步骤：

使用预先标注好的位置信息对目标检测模型加以训练；

使用目标检测模型对所述待识别宠物图片的所有图片进行目标检测，并对检测结果进行常规的阈值筛选和非极大值抑制操作，最终得到上述各部位的位置信息boundingboxes；

按照所有bounding boxes将原图分别裁切为各个部分，并且分别存储。

3.根据权利要求2所述的宠物种类识别方法，其特征在于，所述目标检测模型包括YoloV4模型、Faster R-CNN、SSD、YOLO。

4.根据权利要求3所述的宠物种类识别方法，其特征在于，在根据所述位置信息得到关键点坐标，并根据所述关键点坐标构成宠物头部的关键点集合的步骤中，具体包括下述步骤：

对于每个bounding box，即为目标框的中心点坐标(x,y)和宽w高h，得到所述目标框左边线中点坐标为((x-w/2),y)，右边线中点坐标为((x+w/2),y)，上边线中点坐标为(x,(y-h/2))，下边线中点坐标为(x,(y+h/2))；

根据每个bounding box的位置信息，得到各部位的关键点坐标集合。

5.根据权利要求4所述的宠物种类识别方法，其特征在于，在根据所述关键点坐标，与预设的宠物标准脸部坐标系进行对齐操作，使得宠物的头部头像变换至正面方向的步骤中，所述对齐的方法为仿射变换。

6.根据权利要求5所述的宠物种类识别方法，其特征在于，在根据所述待识别宠物各部位的图片，按宠物种类分别存放，并进行扩充增广操作，得到数据集的步骤中，具体包括：

随机选择若干图像序列，对其依次随机选择一个或多个部位图像进行替换；

使用数据增广方法对所述数据集进行进一步增广，所述数据增广方法包括随机明暗度、随机剪裁、随机旋转以及添加HOG、LBP、Gabor算法提取的特征。

7.根据权利要求6所述的宠物种类识别方法，其特征在于，在随机选择若干图像序列，对其依次随机选择一个或多个部位图像进行替换的步骤中，具体包括：

随机挑选同种类的图像序列，选取其相同部位图像，进行缩放和裁剪等操作后，并将该图像覆盖于随机挑选出来的某一张图片中的主图像相应部位，并且替换掉该随机挑选出来的图片中该部位图像。

8.根据权利要求1所述的宠物种类识别方法，其特征在于，在根据所述数据集，构建卷积神经网络模型并加以训练的步骤中，

所述卷积神经网络模型的骨网络选择inception V3，网络输入为统一尺寸后的各图像序列，骨网络通过多通道，分别对图像序列中的主图像以及眼部、鼻部、嘴部和耳部图像进行卷积、池化、Dropout操作，最终得到N×M个向量的特征，其中N代表图像张数，M代表特征维度。

9.一种根据权利要求1至8任一项所述的宠物种类识别方法的识别系统，其特征在于，包括：

待识别宠物图片检测模块，用于获取待识别宠物图片的位置信息，并根据所述位置信息对所述待识别宠物各部位的图片进行存储，所述待识别宠物各部位包括主体或头部或左眼或右眼或鼻子或嘴部或左耳或右耳；

关键点集合构建模块，用于根据所述位置信息得到关键点坐标，并根据所述关键点坐标构成宠物头部的关键点集合；

宠物正脸图像获取模块，用于根据所述关键点坐标，与预设的宠物标准脸部坐标系进行对齐操作，使得宠物的头部头像变换至正面方向；数据集构建模块，用于根据所述待识别宠物各部位的图片，按宠物种类分别存放，并进行扩充增广操作，得到数据集；

深度学习神经网络模型训练模块，用于根据所述数据集，构建卷积神经网络模型并加以训练；

宠物图片种类识别模块，用于根据所述卷积神经网络模型训练的深度学习模型，对整张宠物图片进行种类识别。