CN109543663B - 一种犬只身份识别方法、装置、系统及存储介质 - Google Patents
一种犬只身份识别方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN109543663B CN109543663B CN201811628364.9A CN201811628364A CN109543663B CN 109543663 B CN109543663 B CN 109543663B CN 201811628364 A CN201811628364 A CN 201811628364A CN 109543663 B CN109543663 B CN 109543663B
- Authority
- CN
- China
- Prior art keywords
- dog
- nose
- image
- dog nose
- key points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种犬只身份识别方法、装置、系统及存储介质。所述犬只身份识别方法包括:对包含犬只的图像进行狗鼻检测,得到狗鼻图像;基于所述狗鼻图像进行关键点检测,获得狗鼻的关键点;将所述狗鼻的关键点对齐到参考位置得到对齐后的狗鼻图像;基于对齐后的狗鼻图像进行狗鼻纹特征提取,并对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果。根据本发明的方法、装置、系统及存储介质,采用非接触式的方法,利用犬只的鼻纹特征结合计算机视觉技术进行犬只身份验证,可以提高犬只身份识别的准确度、召回率和运行效率,便于实施和推广。
Description
技术领域
本发明涉及犬只识别技术领域,更具体地涉及一种犬只身份识别方法及装置。
背景技术
当前,城市中养狗的人越来越多,经常会出现一些“丢狗、狗咬人”等事件,使得犬只管理逐渐成了城市管理中的一大难题。对于犬只身份进行验证是解决犬只管理问题的有效途径。
目前,已有的解决方案主要有两种,一是办理狗证,二是向狗体内注射芯片。第一种方案虽然已在国内实施,但由于需要年年复检并交纳一定费用,普及率并不是很高。第二种方案对宠物本身存在伤害,且不是所有人都可以进行识别的,必须在机构的专业仪器帮助下才能识别,局限性很大。
因此,现有技术中的犬只身份识别方法存在可行性低,对犬只伤害大的缺陷,缺乏对犬只身份识别的有效方法。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种犬只身份识别方法、装置、系统及计算机存储介质,采用非接触式的方法,利用犬只的鼻纹特征结合计算机视觉技术进行犬只身份验证,可以提高犬只身份识别的准确度、召回率和运行效率,便于实施和推广。
根据本发明一方面,提供了一种犬只身份识别方法,包括:
对包含犬只的图像进行狗鼻检测,得到狗鼻图像;
基于所述狗鼻图像进行关键点检测,获得所述狗鼻的关键点;
将所述狗鼻的关键点对齐到参考位置得到对齐后的狗鼻图像;
基于对齐后的狗鼻图像进行狗鼻纹特征提取,并对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果。
示例性地,对包含犬只的图像进行狗鼻检测,得到狗鼻图像包括:
将所述包含犬只的图像输入已经训练好的狗鼻检测模型,得到所述狗鼻图像。
示例性地,所述方法还包括:
依据标注有狗鼻的训练样本图像对第一神经网络模型进行训练,得到训练好的狗鼻检测模型。
示例性地,基于所述狗鼻图像进行关键点检测,获得所述狗鼻的关键点包括:将所述狗鼻图像输入已经训练好的关键点检测模型得到所述狗鼻的关键点。
示例性地,将所述狗鼻图像输入已经训练好的关键点检测模型得到所述狗鼻的关键点,包括:
基于所述狗鼻图像与已经训练好的关键点检测模型,得到所述狗鼻图像中狗鼻关键点与对应的各个狗鼻标准关键点的坐标偏差;
根据各个狗鼻标准关键点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻关键点的坐标。
示例性地,所述方法还包括:
基于预定规则对狗鼻训练样本图像中的狗鼻进行关键点标注,并得到各个狗鼻标准关键点的坐标;
计算标注后狗鼻训练样本图像中狗鼻关键点与对应的各个所述狗鼻标准关键点之间的坐标偏差;
依据标注后的狗鼻训练样本图像以及对应的所述坐标偏差对第二神经网络进行训练,得到训练好的所述关键点检测模型。
示例性地,所述方法还包括:
基于所述标注有狗鼻关键点的训练样本图像中的每一种关键点坐标求平均得到所述狗鼻标准关键点的坐标。
示例性地,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行关键点标注。
示例性地,将所述狗鼻的关键点对齐到参考位置得到对齐后的狗鼻图像包括:
计算所述狗鼻的关键点与狗鼻标准关键点之间的仿射矩阵;
将所述狗鼻的关键点基于仿射矩阵进行仿射变换以将所述狗鼻的关键点对齐至参考位置,得到对齐后的狗鼻图像。
示例性地,基于对齐后的狗鼻图像进行狗鼻纹特征提取包括:将所述对齐后的狗鼻图像输入已经训练好的特征提取模型,得到狗鼻纹特征。
示例性地,所述方法还包括:
基于对齐后的狗鼻图像训练样本中的狗鼻图像进行特征提取,得到齐后的狗鼻图像训练样本的狗鼻纹特征;
依据到齐后的狗鼻图像训练样本的狗鼻纹特征对第三神经网络进行训练,得到训练好的特征提取模型。
示例性地,对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果包括:计算所述狗鼻图像的狗鼻纹特征与犬只底库中狗鼻纹特征的距离,根据所述距离得到所述犬只身份识别结果。
示例性地,当所述距离大于距离阈值时,得到所述犬只身份识别结果为无。
示例性地,当所述距离小于或等于距离阈值时,得到所述犬只身份识别结果为所述距离最小的底图或所述距离最小的底图ID。
根据本发明另一方面,提供了一种犬只身份识别装置,包括:
狗鼻检测模块,对包含犬只的图像进行狗鼻检测,得到狗鼻图像;
关键点检测模块,用于基于所述狗鼻图像进行关键点检测,获得狗鼻的关键点;
对齐模块,用于将所述狗鼻的关键点对齐到参考位置得到对齐后的狗鼻图像;
对比模块,用于基于对齐后的狗鼻图像进行狗鼻纹特征提取,并对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果。
示例性地,所述狗鼻检测模块用于:将所述包含犬只的图像输入已经训练好的狗鼻检测模型,得到所述狗鼻图像。
示例性地,所述狗鼻检测模型的训练包括:
依据标注有狗鼻的训练样本图像对第一神经网络模型进行训练,得到训练好的狗鼻检测模型。
示例性地,所述关键点检测模块用于:将所述狗鼻图像输入已经训练好的关键点检测模型得到所述狗鼻的关键点。
示例性地,所述关键点检测模块用于:
基于所述狗鼻图像与已经训练好的关键点检测模型,得到所述狗鼻图像中狗鼻关键点与对应的各个狗鼻标准关键点的坐标偏差;
根据各个狗鼻标准关键点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻关键点的坐标。
示例性地,所述关键点检测模型的训练包括:
基于预定规则对狗鼻训练样本图像中的狗鼻进行关键点标注,并得到各个狗鼻标准关键点的坐标;
计算标注后狗鼻训练样本图像中狗鼻关键点与对应的各个所述狗鼻标准关键点之间的坐标偏差;
依据标注后的狗鼻训练样本图像以及对应的所述坐标偏差对第二神经网络进行训练,得到训练好的所述关键点检测模型。
示例性地,所述关键点检测模块还用于:基于所述标注有狗鼻关键点的训练样本图像中的每一种关键点坐标求平均得到所述狗鼻标准关键点的坐标。
示例性地,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行关键点标注。
示例性地,所述对齐模块包括:
变换矩阵模块,用于计算所述狗鼻的关键点与狗鼻标准关键点之间的仿射矩阵,其中,基于所述标注有狗鼻关键点的训练样本图像中的每一种关键点的坐标求平均,得到所述狗鼻标准关键点的坐标;
变换模块,用于将所述狗鼻的关键点基于仿射矩阵进行仿射变换以将所述狗鼻的关键点对齐至参考位置,得到对齐后的狗鼻图像。
示例性地,所述对比模块包括:
特征提取模块,用于将所述对齐后的狗鼻图像输入已经训练好的特征提取模型,得到狗鼻纹特征;
距离计算模块,用于计算所述狗鼻图像的狗鼻纹特征与犬只底库中狗鼻纹特征的距离;
身份识别模块,用于根据所述距离得到所述犬只身份识别结果。
示例性地,所述特征提取模型的训练包括:
基于对齐后的狗鼻图像训练样本中的狗鼻图像进行特征提取,得到齐后的狗鼻图像训练样本的狗鼻纹特征;
依据到齐后的狗鼻图像训练样本的狗鼻纹特征对第三神经网络进行训练,得到训练好的特征提取模型。
示例性地,身份识别模块还用于当所述距离大于距离阈值时,得到所述犬只身份识别结果为无。
示例性地,身份识别模块还用于当所述距离小于或等于距离阈值时,得到所述犬只身份识别结果为所述距离最小的底图或所述距离最小的底图ID。
根据本发明另一方面,提供了一种犬只身份识别系统,包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
根据本发明另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被计算机执行时实现上述方法的步骤。
根据本发明实施例的犬只身份识别方法、装置、系统和存储介质,采用非接触式的方法,利用犬只的鼻纹特征结合计算机视觉技术进行犬只身份验证,可以提高犬只身份识别的准确度、召回率和运行效率,便于实施和推广。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是用于实现根据本发明实施例的犬只身份识别方法和装置的示例电子设备的示意性框图;
图2是根据本发明实施例的犬只身份识别方法的示意性流程图;
图3是根据本发明实施例的狗鼻图像的示例;
图4是根据本发明实施例的包含狗鼻的关键点的狗鼻图像的示例;
图5是根据本发明实施例的对齐后的狗鼻图像的示例;
图6是根据本发明实施例的狗鼻标准关键点的示例;
图7是根据本发明实施例的对齐后的狗鼻图像的又一示例;
图8是根据本发明实施例的对齐后的狗鼻图像的又一示例;
图9是根据本发明实施例的犬只身份识别装置的示意性框图;
图10是根据本发明实施例的犬只身份识别系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先,参考图1来描述用于实现本发明实施例的犬只身份识别方法和装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器101、一个或多个存储装置102、输入装置103、输出装置104、图像传感器105,这些组件通过总线系统106和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器101可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置102可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置103可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置104可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像传感器105可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置102中以供其它组件使用。
示例性地,用于实现根据本发明实施例的犬只身份识别方法和装置的示例电子设备可以被实现为诸如智能手机、平板电脑、门禁系统的视频采集端等。
下面,将参照图2描述根据本发明实施例的犬只身份识别方法200。
首先,在步骤S210,对包含犬只的图像数据进行狗鼻检测,得到狗鼻图像;
在步骤S220,基于所述狗鼻图像进行关键点检测,获得狗鼻的关键点;
在步骤S230,将所述狗鼻的关键点对齐到参考位置得到对齐后的狗鼻图像;
最后,在步骤S240,基于对齐后的狗鼻图像进行狗鼻纹特征提取,并对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果。
示例性地,根据本发明实施例的犬只身份识别方法可以在具有存储器和处理器的设备、装置或者系统中实现。
根据本发明实施例的犬只身份识别方法可以部署在图像采集端处,例如,可以部署在门禁系统的图像采集端;可以部署在个人终端处,诸如智能电话、平板电脑、个人计算机等。替代地,根据本发明实施例的犬只身份识别方法还可以分布地部署在服务器端(或云端)和个人终端处。
本发明实施例的犬只身份识别方法,根据犬类鼻纹不会因时间的推移而影响纹路的形状,能成为每只狗的唯一识别标识的特点,采用非接触式的方法,利用犬只的鼻纹特征结合计算机视觉技术进行犬只身份验证,可以提高犬只身份识别的准确度、召回率和运行效率,便于实施和推广。
根据本发明实施例,所述犬只身份识别方法在执行步骤210之前还进一步地包括:获取犬只的图像信息,并基于所述犬只的图像信息以建立犬只底库。
示例性地,所述建立犬只底库包括:获取犬只的图像信息,经过狗脸检测处理后,生成对应的狗脸图像;基于所述狗脸图像提取特征得到狗脸特征(如狗鼻纹特征),并将所述狗脸图像及其对应的狗脸特征存储到狗脸底库,或者将所述狗脸特征存储到狗脸底库。
示例性地,所述建立犬只底库还包括:设置与所述狗脸图像和/或所述狗脸特征相对应的ID。其中,同一只狗具有相同的ID,并与其狗脸图像和/或狗脸特征相关联。
示例性地,所述狗脸底库可以根据单个犬只或者多个犬只分别建立,在多个犬只的情况下,每个犬只拥有对应的单独的狗脸图像特征库。所述狗脸底库中的所述狗脸图像及其对应的狗脸特征称为狗脸底图。
示例性地,所述犬只的图像信息包括单帧图像或连续的多帧图像或不连续的任意选定的多帧图像。
根据本发明实施例,步骤210可以进一步地包括:将所述包含犬只的图像输入已经训练好的狗鼻检测模型,得到所述狗鼻图像。参见图3,图3示出了根据本发明实施例的狗鼻图像的示例。
示例性地,所述方法200还包括:
依据标注有狗鼻的训练样本图像对第一神经网络模型进行训练,得到训练好的狗鼻检测模型。
根据本发明实施例,步骤220可以进一步地包括:将所述狗鼻图像输入已经训练好的关键点检测模型得到所述狗鼻的关键点。参见图4,图4示出了根据本发明实施例的包含狗鼻的关键点的狗鼻图像的示例。
示例性地,将所述狗鼻图像输入已经训练好的关键点检测模型得到所述狗鼻的关键点,包括:
基于所述狗鼻图像与已经训练好的关键点检测模型,得到所述狗鼻图像中狗鼻关键点与对应的各个狗鼻标准关键点的坐标偏差;
根据各个狗鼻标准关键点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻关键点的坐标。
示例性地,所述方法200还包括:
依据标注有狗鼻关键点的训练样本图像对第二神经网络进行训练,得的训练好的关键点模型。该步骤可以具体包括如下子步骤:
基于预定规则对狗鼻训练样本图像中的狗鼻进行关键点标注,并得到各个狗鼻标准关键点的坐标;
计算标注后狗鼻训练样本图像中狗鼻关键点与对应的各个所述狗鼻标准关键点之间的坐标偏差;
依据标注后的狗鼻训练样本图像以及对应的所述坐标偏差对第二神经网络进行训练,得到训练好的所述关键点检测模型。
示例性地,所述方法200还包括:
基于所述标注有狗鼻关键点的训练样本图像中的每一种关键点坐标求平均得到所述狗鼻标准关键点的坐标。
其中,狗鼻标准关键点是从大量身份混杂的狗鼻图像数据中得到的,可以用来表示狗鼻关键点的标准。例如,选取N张狗鼻图像以相同的方式进行狗鼻的关键点标注,其中,每张狗鼻图像标注狗鼻关键点n个,N和n均为自然数;那么第i个狗鼻标准关键点的坐标则为第1张至第N张狗鼻图像中的所有第i个狗鼻关键点坐标的平均坐标,i=1,2,……,n。
示例性地,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行关键点标注。
根据本发明实施例,步骤230可以进一步地包括:
计算所述狗鼻的关键点与狗鼻标准关键点之间的仿射矩阵;
将所述狗鼻的关键点基于仿射矩阵进行仿射变换以将所述狗鼻的关键点对齐至参考位置,得到对齐后的狗鼻图像。参见图5,图5示出了根据本发明实施例的对齐后的狗鼻图像的示例。参见图6,图6示出了根据本发明实施例的狗鼻标准关键点的示例。
其中,将所述狗鼻的关键点对齐到参考位置得到对齐后的狗鼻图像,使得相同的狗鼻纹理尽可能呈现相同的分布,有利于提高犬只身份识别的准确度,以及加快运行效率。
根据本发明实施例,步骤240可以进一步地包括:基于对齐后的狗鼻图像进行狗鼻纹特征提取包括:将所述对齐后的狗鼻图像输入已经训练好的特征提取模型,得到狗鼻纹特征。
示例性地,所述方法200还包括:
基于对齐后的狗鼻图像训练样本中的狗鼻图像对第三神经网络进行训练,得到训练好的特征提取模型。
示例性地,所述基于对齐后的狗鼻图像进行特征提取可以采用诸如LBP(局部二值模式)、HoG(方向梯度直方图)、PCA(主成分分析法)或者卷积神经网络等各种适当的特征提取方法来进行特征提取,并生成狗鼻纹特征。
其中,所述狗鼻纹特征为特征向量。所述训练好的特征提取模型使得同一只狗的狗鼻纹特征向量接近,距离很小;而不同狗之间的狗鼻纹特征向量差异很大,距离很远,保证特征提取的准确度,为后续的特征对比提供良好的数据基础。参见图7和图8,图7示出了根据本发明实施例的对齐后的狗鼻图像的又一示例;其中,图7所示的狗鼻图像与图5所示的狗鼻图像为同一只狗的狗鼻图像;图8示出了根据本发明实施例的对齐后的狗鼻图像的又一示例;其中,图8所示的狗鼻图像与图5所示的狗鼻图像不是同一只狗的狗鼻图像。所以,图5所示的狗鼻图像的狗鼻纹特征向量与图7所示的狗鼻图像的狗鼻纹特征向量的距离小于图5所示的狗鼻图像的狗鼻纹特征向量与图8所示的狗鼻图像的狗鼻纹特征向量的距离。
根据本发明实施例,步骤240可以进一步地包括:对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果包括:计算所述狗鼻图像的狗鼻纹特征与犬只底库中狗鼻纹特征的距离,根据所述距离得到所述犬只身份识别结果。
示例性地,当所述距离大于距离阈值时,得到所述犬只身份识别结果为无。
示例性地,当所述距离小于或等于距离阈值时,得到所述犬只身份识别结果为所述距离最小的底图或所述距离最小的底图ID。
图9示出了根据本发明实施例的犬只身份识别装置900的示意性框图。如图9所示,根据本发明实施例的犬只身份识别装置900包括:
狗鼻检测模块910,对包含犬只的图像进行狗鼻检测,得到狗鼻图像;
关键点检测模块920,用于基于所述狗鼻图像进行关键点检测,获得狗鼻的关键点;
对齐模块930,用于将所述狗鼻的关键点对齐到参考位置得到对齐后的狗鼻图像;
对比模块940,用于基于对齐后的狗鼻图像进行狗鼻纹特征提取,并对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果。
根据本发明实施例,所述狗鼻检测模块910可以进一步地用于:将所述包含犬只的图像输入已经训练好的狗鼻检测模型,得到所述狗鼻图像。
示例性地,所述狗鼻检测模型的训练包括:
依据标注有狗鼻的训练样本图像对第一神经网络模型进行训练,得到训练好的狗鼻检测模型。
根据本发明实施例,所述关键点检测模块920可以进一步地用于:将所述狗鼻图像输入已经训练好的关键点检测模型得到所述狗鼻的关键点。
根据本发明实施例,所述关键点检测模块920可以进一步地用于:
基于所述狗鼻图像与已经训练好的关键点检测模型,得到所述狗鼻图像中狗鼻关键点与对应的各个狗鼻标准关键点的坐标偏差;
根据各个狗鼻标准关键点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻关键点的坐标。
示例性地,所述关键点检测模型的训练包括:
基于预定规则对狗鼻训练样本图像中的狗鼻进行关键点标注,并得到各个狗鼻标准关键点的坐标;
计算标注后狗鼻训练样本图像中狗鼻关键点与对应的各个所述狗鼻标准关键点之间的坐标偏差;
依据标注后的狗鼻训练样本图像以及对应的所述坐标偏差对第二神经网络进行训练,得到训练好的所述关键点检测模型。
示例性地,所述关键点检测模块920还用于基于所述标注有狗鼻关键点的训练样本图像中的每一种关键点坐标求平均得到所述狗鼻标准关键点的坐标。
其中,狗鼻标准关键点是从大量身份混杂的狗鼻图像数据中得到的,可以用来表示狗鼻关键点的标准。例如,选取N张狗鼻图像以相同的方式进行狗鼻的关键点标注,其中,每张狗鼻图像标注狗鼻关键点n个,N和n均为自然数;那么第i个狗鼻标准关键点的坐标则为第1张至第N张狗鼻图像中的所有第i个狗鼻关键点坐标的平均坐标,i=1,2,……,n。
示例性地,所述预定规则包括基于所述狗鼻的鼻孔轮廓、鼻子轮廓中的至少一个进行关键点标注。
根据本发明实施例,所述对齐模块930可以进一步地包括:
变换矩阵模块931,用于计算所述狗鼻的关键点与狗鼻标准关键点之间的仿射矩阵,其中,基于所述标注有狗鼻关键点的训练样本图像中的每一种关键点的坐标求平均,得到所述狗鼻标准关键点的坐标;
变换模块932,用于将所述狗鼻的关键点基于仿射矩阵进行仿射变换以将所述狗鼻的关键点对齐至参考位置,得到对齐后的狗鼻图像。
其中,将所述狗鼻的关键点对齐到参考位置得到对齐后的狗鼻图像,使得相同的狗鼻纹理尽可能呈现相同的分布,有利于提高犬只身份识别的准确度,以及加快运行效率。
根据本发明实施例,所述对比模块940可以进一步地包括:
特征提取模块941,用于将所述对齐后的狗鼻图像输入已经训练好的特征提取模型,得到狗鼻纹特征;
距离计算模块942,用于计算所述狗鼻图像的狗鼻纹特征与犬只底库中狗鼻纹特征的距离;
身份识别模块943,用于根据所述距离得到所述犬只身份识别结果。
示例性地,所述特征提取模型的训练包括:
基于对齐后的狗鼻图像训练样本中的狗鼻图像进行特征提取,得到齐后的狗鼻图像训练样本的狗鼻纹特征;
依据到齐后的狗鼻图像训练样本的狗鼻纹特征对第三神经网络进行训练,得到训练好的特征提取模型。
示例性地,所述基于对齐后的狗鼻图像训练样本中的狗鼻图像进行特征提取可以采用诸如LBP(局部二值模式)、HoG(方向梯度直方图)、PCA(主成分分析法)或者卷积神经网络等各种适当的特征提取方法来进行特征提取,并生成狗鼻图像训练样本的特征。
其中,所述狗鼻纹特征为特征向量。所述训练好的特征提取模型使得同一只狗的狗鼻纹特征向量接近,距离很小;而不同狗之间的狗鼻纹特征向量差异很大,距离很远,保证特征提取的准确度,为后续的特征对比提供良好的数据基础。
示例性地,身份识别模块943还用于当所述距离大于距离阈值时,得到所述犬只身份识别结果为无。
示例性地,身份识别模块943还用于当所述距离小于或等于距离阈值时,得到所述犬只身份识别结果为所述距离最小的底图或所述距离最小的底图ID。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
图10示出了根据本发明实施例的犬只身份识别系统1000的示意性框图。犬只身份识别系统1000包括图像传感器1010、存储装置1020、以及处理器1030。
图像传感器1010用于采集图像数据。
所述存储装置1020存储用于实现根据本发明实施例的犬只身份识别方法中的相应步骤的程序代码。
所述处理器1030用于运行所述存储装置1020中存储的程序代码,以执行根据本发明实施例的犬只身份识别方法的相应步骤,并且用于实现根据本发明实施例的犬只身份识别装置中的狗鼻检测模块910,关键点检测模块920,对齐模块930和对比模块940。
此外,根据本发明实施例,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时用于执行本发明实施例的犬只身份识别方法的相应步骤,并且用于实现根据本发明实施例的犬只身份识别装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质包含用于随机地生成动作指令序列的计算机可读的程序代码,另一个计算机可读存储介质包含用于进行犬只身份识别的计算机可读的程序代码。
在一个实施例中,所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的犬只身份识别装置的各个功能模块,并且/或者可以执行根据本发明实施例的犬只身份识别方法。
根据本发明实施例的犬只身份识别系统中的各模块可以通过根据本发明实施例的犬只身份识别的电子设备的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
根据本发明实施例的犬只身份识别方法、装置、系统以及存储介质,根据犬类鼻纹不会因时间的推移而影响纹路的形状,能成为每只狗的唯一识别标识的特点,采用非接触式的方法,利用犬只的鼻纹特征结合计算机视觉技术进行犬只身份验证,可以提高犬只身份识别的准确度、召回率和运行效率,便于实施和推广。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种犬只身份识别方法,其特征在于,所述方法包括:
对包含犬只的图像进行狗鼻检测,得到狗鼻图像;
基于所述狗鼻图像进行关键点检测,获得狗鼻关键点,包括:基于所述狗鼻图像与已经训练好的关键点检测模型,得到所述狗鼻图像中狗鼻关键点与对应的各个狗鼻标准关键点的坐标偏差;其中,所述狗鼻标准关键点的坐标基于标注有狗鼻关键点的训练样本图像中的每一种关键点坐标求平均得到;
根据各个狗鼻标准关键点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻关键点的坐标;
将所述狗鼻关键点对齐到参考位置得到对齐后的狗鼻图像;
基于对齐后的狗鼻图像进行狗鼻纹特征提取,并对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果,其中,基于对齐后的狗鼻图像进行狗鼻纹特征提取包括:将所述对齐后的狗鼻图像输入已经训练好的特征提取模型,得到狗鼻纹特征。
2.如权利要求1所述的犬只身份识别方法,其特征在于,所述对包含犬只的图像进行狗鼻检测,得到狗鼻图像包括:将所述包含犬只的图像输入已经训练好的狗鼻检测模型,得到所述狗鼻图像。
3.如权利要求2所述的犬只身份识别方法,其特征在于,所述方法还包括:
依据标注有狗鼻的训练样本图像对第一神经网络模型进行训练,得到训练好的狗鼻检测模型。
4.如权利要求1所述的犬只身份识别方法,其特征在于,所述基于所述狗鼻图像进行关键点检测,获得狗鼻关键点包括:
将所述狗鼻图像输入已经训练好的关键点检测模型得到所述狗鼻关键点。
5.如权利要求4所述的犬只身份识别方法,其特征在于,所述方法还包括:
依据标注有狗鼻关键点的训练样本图像对第二神经网络进行训练,得到训练好的关键点检测模型。
6.如权利要求5中所述的犬只身份识别方法,其特征在于,将所述狗鼻关键点对齐到参考位置得到对齐后的狗鼻图像包括:
计算所述狗鼻关键点与狗鼻标准关键点之间的仿射矩阵,其中,基于所述标注有狗鼻关键点的训练样本图像中的每一种关键点坐标求平均得到所述狗鼻标准关键点的坐标;
将所述狗鼻关键点基于仿射矩阵进行仿射变换以将所述狗鼻关键点对齐至参考位置,得到对齐后的狗鼻图像。
7.如权利要求1所述的犬只身份识别方法,其特征在于,对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果包括:
计算所述狗鼻图像的狗鼻纹特征与犬只底库中狗鼻纹特征的距离,根据所述距离得到所述犬只身份识别结果。
8.一种犬只身份识别装置,其特征在于,所述装置包括:
狗鼻检测模块,用于对包含犬只的图像进行狗鼻检测,得到狗鼻图像;
关键点检测模块,用于基于所述狗鼻图像进行关键点检测,获得狗鼻关键点,包括:基于所述狗鼻图像与已经训练好的关键点检测模型,得到所述狗鼻图像中狗鼻关键点与对应的各个狗鼻标准关键点的坐标偏差;其中,所述狗鼻标准关键点的坐标基于标注有狗鼻关键点的训练样本图像中的每一种关键点坐标求平均得到;
根据各个狗鼻标准关键点的坐标及所述坐标偏差得到所述狗鼻图像中各个狗鼻关键点的坐标;
对齐模块,用于将所述狗鼻关键点对齐到参考位置得到对齐后的狗鼻图像;
对比模块,用于基于对齐后的狗鼻图像进行狗鼻纹特征提取,并对提取的狗鼻纹特征进行特征对比,得到犬只身份识别结果,其中,基于对齐后的狗鼻图像进行狗鼻纹特征提取包括:将所述对齐后的狗鼻图像输入已经训练好的特征提取模型,得到狗鼻纹特征。
9.一种犬只身份识别系统,包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811628364.9A CN109543663B (zh) | 2018-12-28 | 2018-12-28 | 一种犬只身份识别方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811628364.9A CN109543663B (zh) | 2018-12-28 | 2018-12-28 | 一种犬只身份识别方法、装置、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109543663A CN109543663A (zh) | 2019-03-29 |
CN109543663B true CN109543663B (zh) | 2021-04-27 |
Family
ID=65857938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811628364.9A Active CN109543663B (zh) | 2018-12-28 | 2018-12-28 | 一种犬只身份识别方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543663B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101070B (zh) * | 2019-06-18 | 2022-09-02 | 财团法人农业科技研究院 | 以鼻纹提升识别率的动物身份识别系统及其方法 |
CN110929650B (zh) * | 2019-11-25 | 2022-04-12 | 蚂蚁胜信(上海)信息技术有限公司 | 豢养物身份识别方法、装置、计算设备、可读存储介质 |
CN111428785B (zh) * | 2020-03-23 | 2023-04-07 | 厦门大学 | 基于深度学习的河豚鱼个体识别方法 |
CN112434556A (zh) * | 2020-10-20 | 2021-03-02 | 深圳市悦保科技有限公司 | 宠物鼻纹识别方法、装置、计算机设备及存储介质 |
CN112329573A (zh) * | 2020-10-27 | 2021-02-05 | 苏州中科先进技术研究院有限公司 | 基于猫鼻纹特征提取模型的猫鼻纹识别方法及装置 |
JP2023553812A (ja) * | 2020-12-15 | 2023-12-26 | マース インコーポレーテッド | 鼻を根拠としたペット同定システムおよびその方法 |
CN112784742B (zh) * | 2021-01-21 | 2024-06-18 | 宠爱王国(北京)网络科技有限公司 | 鼻纹特征的提取方法、装置及非易失性存储介质 |
CN112784741A (zh) * | 2021-01-21 | 2021-05-11 | 宠爱王国(北京)网络科技有限公司 | 宠物身份识别方法、装置及非易失性存储介质 |
USD977509S1 (en) | 2021-03-11 | 2023-02-07 | Mars, Incorporated | Display screen or portion thereof with a graphical user interface |
USD977521S1 (en) | 2021-03-11 | 2023-02-07 | Mars, Incorporated | Display screen or portion thereof with a graphical user interface |
CN113673439B (zh) * | 2021-08-23 | 2024-03-05 | 平安科技(深圳)有限公司 | 基于人工智能的宠物狗识别方法、装置、设备及存储介质 |
CN113836205A (zh) * | 2021-10-14 | 2021-12-24 | 北京市振隆科技股份有限公司 | 城市养犬智慧管理服务平台 |
CN114242224A (zh) * | 2021-12-28 | 2022-03-25 | 新瑞鹏宠物医疗集团有限公司 | 医生推荐方法、装置、电子设备及存储介质 |
CN115299377B (zh) * | 2022-06-28 | 2024-04-26 | 新瑞鹏宠物医疗集团有限公司 | 宠物活动预警方法、装置、电子设备及存储介质 |
CN115393904B (zh) * | 2022-10-20 | 2023-05-02 | 星宠王国(北京)科技有限公司 | 一种狗鼻纹识别方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436578A (zh) * | 2012-01-16 | 2012-05-02 | 宁波江丰生物信息技术有限公司 | 狗脸特征检测器的形成方法、狗脸检测方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10972680B2 (en) * | 2011-03-10 | 2021-04-06 | Microsoft Technology Licensing, Llc | Theme-based augmentation of photorepresentative view |
CN103824055B (zh) * | 2014-02-17 | 2018-03-02 | 北京旷视科技有限公司 | 一种基于级联神经网络的人脸识别方法 |
CN106503669B (zh) * | 2016-11-02 | 2019-12-10 | 重庆中科云丛科技有限公司 | 一种基于多任务深度学习网络的训练、识别方法及系统 |
-
2018
- 2018-12-28 CN CN201811628364.9A patent/CN109543663B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436578A (zh) * | 2012-01-16 | 2012-05-02 | 宁波江丰生物信息技术有限公司 | 狗脸特征检测器的形成方法、狗脸检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109543663A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543663B (zh) | 一种犬只身份识别方法、装置、系统及存储介质 | |
CN107944020B (zh) | 人脸图像查找方法及装置、计算机装置和存储介质 | |
CN110033018B (zh) | 图形相似度判断方法、装置及计算机可读存储介质 | |
US9443166B2 (en) | Animal / pet identification system and method based on biometrics | |
CN111476227A (zh) | 基于ocr的目标字段识别方法、装置及存储介质 | |
CN111191067A (zh) | 绘本识别方法、终端设备及计算机可读存储介质 | |
CN107729928B (zh) | 信息获取方法和装置 | |
CN112581227A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN110135245B (zh) | 到店确认方法、装置、电子设备及可读存储介质 | |
CN105893813A (zh) | 生物信息登记装置和生物信息登记方法 | |
CN110751500B (zh) | 分享图片的处理方法、装置、计算机设备及存储介质 | |
CN106156794B (zh) | 基于文字风格识别的文字识别方法及装置 | |
US20230410222A1 (en) | Information processing apparatus, control method, and program | |
CN109829380B (zh) | 一种狗脸特征点的检测方法、装置、系统及存储介质 | |
CN110826452A (zh) | 一种掌纹验证方法、装置、计算机设备及可读存储介质 | |
CN109858363B (zh) | 一种狗鼻纹特征点的检测方法、装置、系统及存储介质 | |
CN114168768A (zh) | 图像检索方法及相关设备 | |
CN110728172B (zh) | 基于点云的人脸关键点检测方法、装置、系统及存储介质 | |
CN111125543A (zh) | 书籍推荐排序模型的训练方法、计算设备及存储介质 | |
US20240104952A1 (en) | Systems and methods for nose-based pet identification | |
CN115359575A (zh) | 身份识别方法、装置和计算机设备 | |
CN112395450B (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
CN111400621B (zh) | 位置信息真实性校验方法、装置及电子设备 | |
CN111652182B (zh) | 一种悬空手势识别的方法、装置、电子设备和存储介质 | |
CN113918769B (zh) | 视频中关键动作标记方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |