[发明专利]一种宠物种类识别方法及识别系统

说明书

本申请提供的宠物种类识别方法及系统，可根据宠物种类识别中的实际情况，通过合理增广方法，使得训练所使用的数据集更贴合使用场景时的拍摄方式(稍远距离拍摄全身，稍侧向近距离拍摄，正向近距离拍摄)，提升了识别准确率；同时针对宠物中混血较为常见的特点，在种类间进行关键部位图像替换的数据集扩增，避免了混血可能会导致局部部位的颜色、形状发生改变，进一步提升了识别准确率。

技术领域

本发明属于图像识别技术领域，具体涉及一种宠物种类识别方法及识别系统。

背景技术

随着深度学习技术的快速发展，其在多个方面都有广泛的应用，包括被用于图像的分类。传统的基于深度学习的图像多分类技术是一种粗粒度分类，即每个类之间的差别较大，如：人、花、自行车、猫、狗等。当需要对某个类内的各项子类进行识别时，就需要使用一种细粒度的分类方法。

现有的近似技术是一种通过判别关键域和深度学习对植物图像进行细粒度分类(CN201811556747.X)。其主要步骤为：获取图像样本数据；使用Deeplab对原始图像进行语义分割，将分割出的待测目标的外接矩形框作为判别关键域；将判别关键域图像与原始图像混合形成分类训练数据集；使用GoogLeNet的CNN分类模型来训练分类模型。

现有技术较少关注于宠物种类识别方面的特点，对数据集的扩展较为随机，针对性不强。同时深度学习网络也多采用宠物全身图片进行训练，即使使用了注意力机制，多数也是通过通用的弱监督方法来优化，这样的方法随机性较强，难以达到实际应用中的需求。

发明内容

鉴于此，有必要针对现有技术存在的缺陷提供一种可提高宠物种类识别结果的准确率与适用性的宠物种类识别方法。

为解决上述问题，本发明采用下述技术方案：

本申请提供了一种宠物种类识别方法，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。

在其中一些实施例中，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。

在其中一些实施例中，所述目标检测模型包括Yolo V4模型、Faster R-CNN、SSD、YOLO。

在其中一些实施例中，在针对每张所述待识别宠物各部位的图片的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：