CN115457338B - 牛只唯一性识别方法、装置、计算机设备及存储介质 - Google Patents
牛只唯一性识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115457338B CN115457338B CN202211395036.5A CN202211395036A CN115457338B CN 115457338 B CN115457338 B CN 115457338B CN 202211395036 A CN202211395036 A CN 202211395036A CN 115457338 B CN115457338 B CN 115457338B
- Authority
- CN
- China
- Prior art keywords
- cattle
- face
- image
- module
- cow
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种牛只唯一性识别方法、装置、计算机设备及存储介质。所述方法包括:采集待识别牛只的牛脸图像以及牛体图像;将牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,将所述牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量,根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。本申请实施例提升了纯白脸品类牛只的唯一性识别的稳定性与准确率。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种牛只唯一性识别方法、装置、计算机设备及存储介质。
背景技术
随着养殖技术的不断提升与经济效益的提高,近年来,我国的牛类养殖业呈现蓬勃发展的趋势。一方面,为了提升对牛的信息化、智能化管理,同时便于牛只承保,抵御养殖风险,如何快速精确的判断牛只的唯一性越来越受到重视。
目前判断牛只的唯一性方法主要包括传统方法以及基于人工智能的牛脸识别技术,具体的:
传统方法:在牛的耳朵上打耳标,通过耳标编号来判断唯一性。这种方法不仅增加费用成本,且耳标可人为更换,给保险公司增加了风控风险。
牛脸识别技术:随着人工智能的发展,牛脸识别技术基于图像特征比对方法,通过深度神经网络对牛只的脸部图片信息进行特征提取,根据特征向量相似度确定每头牛的唯一性。
与传统方法相比,牛脸识别技术可以在牛只无感知的情况下快速采集牛脸图像以确定牛的唯一性,不仅节约费用成本,且提取的牛脸特征具备出色的唯一性,为保险公司降低了人为因素带来的欺诈风险。然而,在实际场景中,对于脸部有明显花色的牛只品类,现有的牛脸识别技术可达到唯一性识别的要求。但是对于脸部为纯白色的牛只品类,目前的基于牛的脸部整体信息进行特征提取的牛脸识别技术无法准确的进行唯一性识别。
发明内容
本申请提供了一种牛只唯一性识别方法、装置、计算机设备及存储介质,旨在解决现有的牛脸识别技术无法对脸部为纯白脸的牛只品类进行唯一性识别的技术问题。
为解决上述技术问题,本申请采用的技术方案为:
一种牛只唯一性识别方法,包括:
采集待识别牛只的牛脸图像以及牛体图像;其中,所述牛脸图像包括设定数量的左脸图像、正脸图像及右脸图像,所述牛体图像包括左、右两侧各一张侧身图像;
将所述牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,
将所述牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;
将所述牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。
本申请实施例采取的技术方案还包括:所述牛脸分类模块包括牛脸分割子模块和牛脸花色分类子模块,所述通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类具体为:
将所述牛脸图像中的正脸图像输入牛脸分割子模型,通过所述牛脸分割子模型从正脸图像中提取牛脸轮廓区域,并对除所述牛脸轮廓区域之外的非牛脸轮廓区域进行背景颜色填充;
将所述背景颜色填充后的正脸图像输入牛脸花色分类子模块,所述牛脸花色分类子模块基于Haishoku获取正脸图像的主色调和配色方案,并计算所述正脸图像的主色调颜色构成与预设的纯白脸主色调颜色构成之间的相似度,通过设定的相似度阈值判断所述正脸图像是否为纯白脸,并采用投票机制,如果所述正脸图像中的大多数为纯白脸,则判定所述待识别牛只为纯白脸品类。
本申请实施例采取的技术方案还包括:所述将所述牛脸图像以及牛体图像输入特征提取模块之前还包括:
将所述牛体图像输入训练好的牛体检测模型,通过所述牛体检测模型检测所述牛体图像中的牛体位置坐标,并根据所述牛体位置坐标从所述牛体图像中提取出待识别牛只的牛体信息。
本申请实施例采取的技术方案还包括:所述将所述牛脸图像以及牛体图像输入特征提取模块之前还包括:
将所述牛脸轮廓提取后的牛脸图像以及牛体信息提取后的牛体图像输入矫正对齐模块,所述矫正对齐模块利用预设的关键点位置信息分别对牛脸轮廓以及牛体信息进行矫正对齐,得到矫正对齐后的牛脸图像以及牛体图像。
本申请实施例采取的技术方案还包括:所述矫正对齐模块包括牛脸矫正对齐子模块和牛体矫正对齐子模块;
所述牛脸矫正对齐子模块基于牛只的正脸图像,选取批量标准的牛只正脸图像,基于预训练的牛脸关键点检测模型对牛只的左眼、右眼、鼻子以及嘴巴左右两侧共5个关键点位置信息进行统计与均值处理,构建得到标准牛只的正脸模板,在进行牛脸矫正对齐时,所述牛脸矫正对齐子模块基于所述标准牛只的正脸模板,利用sift特征匹配算法对牛脸轮廓提取后的正脸图像进行仿射变换,得到标准化的矫正对齐后的正脸图像;
所述牛体矫正对齐子模块基于预训练的牛体关键点检测模型对牛体侧身的关键点数据进行统计与均值处理,分别得到标准牛只的左侧身模板和右侧身模板,在进行牛体矫正对齐时,所述牛体矫正对齐子模块基于标准牛只的左侧身模板和右侧身模板,利用sift特征匹配算法对所述待识别牛只的左右两张侧身图像进行仿射变换,得到标准化的矫正对齐后的牛体图像。
本申请实施例采取的技术方案还包括:所述特征提取模块包括牛脸局部特征提取子模块和牛体侧身特征提取子模块,所述利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量具体为:
将所述矫正对齐后的正脸图像以及牛体图像分别输入牛脸局部特征提取子模块和牛体侧身特征提取子模块,所述牛脸局部特征提取子模块基于选取的牛脸局部区域特征对正脸图像进行牛脸分割,然后通过特征提取模型生成512维牛脸局部特征向量;其中,所述选取的牛脸局部区域特征包括左牛角、右牛角、左牛耳、右牛耳、牛前额、左眼区域、右眼区域和鼻子区域;
所述牛体侧身特征提取子模块对输入的牛体图像进行牛体分割,分别生成左侧身图像和右侧身图像的512维牛体特征向量。
本申请实施例采取的技术方案还包括:所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别具体为:
所述唯一性识别模块分别对待识别牛只的牛脸局部特征向量以及牛体特征向量与底库中已有牛只的牛脸局部特征向量以及牛体特征向量计算余弦相似度,得到所述待识别牛只与底库中各个已有牛只的相似度分数,并将最高的相似度分数与设置的相似度阈值进行对比,如果所述最高的相似度分数与设置的相似度阈值之间的差值小于设定阈值,表示所述待识别牛只与底库中相似度分数最高的牛只重复,则不为所述待识别牛只建库;如果最高的相似度分数与设置的相似度阈值差值之间的差值大于设定阈值,表示所述待识别牛只与底库中的已有牛只不重复,则利用所述待识别牛只的牛脸局部特征向量以及牛体特征向量在底库中进行注册并建库。
本申请实施例采取的另一技术方案为:一种牛只唯一性识别装置,包括:
数据采集模块:用于采集待识别牛只的牛脸图像以及牛体图像;其中,所述牛脸图像包括设定数量的左脸图像、正脸图像及右脸图像,所述牛体图像包括左、右两侧各一张侧身图像;
品类判断模块:用于将所述牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,
特征提取模块:用于将所述牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;
唯一性识别模块:用于将所述牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。
本申请实施例采取的又一技术方案为:一种计算机设备,所述计算机设备包括:
存储有可执行程序指令的存储器;
与所述存储器连接的处理器;
所述处理器调用所述存储器中存储的所述可执行程序指令,执行如上所述的牛只唯一性识别方法。
本申请实施例采取的又一技术方案为: 一种存储介质,存储有处理器可执行的程序指令,所述程序指令用于执行上述的牛只唯一性识别方法。
本申请实施例的牛只唯一性识别方法、装置、计算机设备及存储介质首先利用牛脸花色分类算法识别出纯白脸品类的牛只,并分别利用牛脸局部特征提取算法和牛体侧身特征提取算法对纯白脸品类的牛只进行牛脸局部特征和牛体特征的提取,将提取的牛脸局部特征和牛体特征进行结合后,进行牛只的唯一性匹配识别。其中,通过对牛脸进行区分性的局部特征提取,有利于提升唯一性辨识度,通过提取牛只的侧身特征以辅助进行唯一性识别,提升了牛只唯一性识别的稳定性与准确率,通过构建牛只的正脸以及左、右侧身的标准化模板,使得牛只的脸部、左右侧体转化为相同的姿态,解决了特征对齐问题,有利于提高特征提取的准确度,显著提升了表征特征的鲁棒性,提高了唯一性识别准确率,进一步杜绝了保险理赔中存在的欺诈风险。
附图说明
图1是本申请第一实施例的牛只唯一性识别方法的流程示意图。
图2是本申请第二实施例的牛只唯一性识别方法的流程示意图。
图3是本申请实施例牛只唯一性识别装置的结构示意图。
图4是本申请实施例的计算机设备结构示意图。
图5是本申请实施例的存储介质结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。 人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
请参阅图1, 是本申请第一实施例的牛只唯一性识别方法的流程示意图。本申请第一实施例的牛只唯一性识别方法包括以下步骤:
S100:采集待识别牛只的牛脸图像以及牛体图像;其中,所述牛脸图像包括设定数量的左脸图像、正脸图像及右脸图像,所述牛体图像包括左、右两侧各一张侧身图像;
S110:将所述牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,
S120:将所述牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;
S130:将所述牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。
基于上述,本申请第一实施例的牛只唯一性识别方法首先利用牛脸花色分类算法识别出纯白脸品类的牛只,并分别利用牛脸局部特征提取算法和牛体侧身特征提取算法对纯白脸品类的牛只进行牛脸局部特征和牛体特征的提取,将提取的牛脸局部特征和牛体特征进行结合后,进行牛只的唯一性匹配识别。其中,通过对牛脸进行区分性的局部特征提取,有利于提升唯一性辨识度,通过提取牛只的侧身特征以辅助进行唯一性识别,提升了牛只唯一性识别的稳定性与准确率,通过构建牛只的正脸以及左、右侧身的标准化模板,使得牛只的脸部、左右侧体转化为相同的姿态,解决了特征对齐问题,有利于提高特征提取的准确度,显著提升了表征特征的鲁棒性,提高了唯一性识别准确率。
请参阅图2, 是本申请第二实施例的牛只唯一性识别方法的流程示意图。本申请第二实施例的牛只唯一性识别方法包括以下步骤:
S200:采集待识别牛只的牛脸图像以及牛体图像;
本步骤中,可通过安装于手机等智能设备上的APP调用摄像头,采用实时视频扫描的方式,通过移动端部署的牛脸检测模型和牛体检测模型,采集待识别牛只的牛脸图像与牛体图像,其中,牛脸图像分别包括待识别牛只的左脸、正脸及右脸各5张图像数据,牛体图像分别包括待识别牛只的左、右两侧各一张侧身图像数据,可以理解,牛脸图像以及牛体图像的采集数量可根据实际应用场景进行设定。在采集完单头或多头待识别牛只的牛脸图像以及牛体图像后,可根据网络状况选取实时或异步处理方式,将拍摄到的图像数据上传至云数据服务器,并向业务调度服务平台发送请求,业务调度服务平台接收到请求后,调用AI识别接口进行牛只识别及牛只建库处理。
S210:将采集的牛脸图像输入训练好的牛脸分类模块,通过牛脸分类模块对牛脸图像进行牛脸轮廓提取,并基于提取的牛脸轮廓,利用牛脸花色分类算法判断待识别牛只是否是纯白脸品类,如果是纯白脸品类,执行S220;
本步骤中,牛脸分类模块包括牛脸分割子模块和牛脸花色分类子模块,其中,牛脸分割子模型为基于mask rcnn神经网络,通过批量牛只的牛脸轮廓标注数据进行训练得到的牛脸实例分割模型。牛脸花色分类子模块具体为:基于Haishoku获取输入图片的主色调和配色方案,并计算输入图片的主色调颜色构成与预设的纯白脸主色调颜色构成之间的相似度,并通过相似度阈值判断输入图片是否为纯白脸。具体的,牛脸分类模块的具体处理流程为:首先,将牛脸图像中的正脸图像输入牛脸分割子模型,通过牛脸分割子模型从正脸图像中提取完整的牛脸轮廓区域,并将除牛脸轮廓区域之外的非牛脸轮廓区域进行背景颜色填充,背景填充颜色可以是除牛脸颜色以外的其他任意颜色,优选地,本申请实施例选取蓝色对非牛脸轮廓区域进行背景颜色填充。然后,将完成背景颜色填充后的正脸图像输入牛脸花色分类子模块,牛脸花色分类子模块基于Haishoku获取输入图像的主色调和配色方案,并计算输入图像的主色调颜色构成与预设的纯白脸主色调颜色构成之间的相似度,通过相似度阈值判断输入图像是否为纯白脸,并采用投票机制,如果输入图像中的大多数为纯白脸,则判定待识别牛只为纯白脸品类;否则,则判定待识别牛只为非纯白脸品类。若判定为非纯白脸品类,则进入非纯白脸识别流程。由于本申请仅针对纯白脸品类的牛只进行唯一性识别,对于非纯白品类的牛只唯一性识别可采用现有的牛脸识别技术,此处不做具体限定。
S220:将采集的牛体图像输入训练好的牛体检测模型,通过牛体检测模型检测牛体图像中的牛体位置坐标,并根据牛体位置坐标从牛体图像中提取出待识别牛只的牛体信息;
本步骤中,牛体检测模型为基于深度学习网络,通过批量牛体侧身标注数据进行训练得到的牛体目标检测模型,牛体检测模型检测得到的牛体包括左侧身和右侧身2个牛体类别。当S210中的判定结果为纯白脸品类时,利用牛体检测模型对待识别牛只的左右两张侧身图像进行牛体检测,分别得到两张侧身图像中的牛体位置坐标,并根据牛体位置坐标分别从两张侧身图像中提取出待识别牛只的牛体信息。
S230:将牛脸轮廓提取后的牛脸图像以及牛体信息提取后的牛体图像输入矫正对齐模块,矫正对齐模块利用预设的关键点位置信息分别对牛脸轮廓以及牛体信息进行矫正对齐,分别得到矫正对齐后的牛脸图像以及牛体图像;
本步骤中,矫正对齐模块包括牛脸矫正对齐子模块和牛体矫正对齐子模块,其中,牛脸矫正对齐子模块基于牛只的正脸图像,选取批量标准的牛只正脸图像,基于预训练的牛脸关键点检测模型,对牛只的左眼、右眼、鼻子以及嘴巴左右两侧共5个关键点位置信息进行统计与均值处理,构建得到标准牛只的正脸模板。在进行牛脸矫正对齐时,将纯白脸牛只的5张牛脸轮廓提取后的正脸图像输入牛脸矫正对齐子模块,牛脸矫正对齐子模块基于标准牛只的正脸模板,利用sift特征匹配算法对正脸图像进行仿射变换,得到标准化的矫正对齐后的正脸图像。同理,牛体矫正对齐子模块分别基于预训练的牛体关键点检测模型,对牛体侧身的关键点数据进行统计与均值处理,分别得到标准牛只的左侧身模板和右侧身模板。在进行牛体矫正对齐时,将纯白脸牛只的牛体信息提取后的左右两张侧身图像传入牛体矫正对齐子模块,牛体矫正对齐子模块基于标准牛只的左侧身模板和右侧身模板,利用sift特征匹配算法对两张侧身图像进行仿射变换,得到标准化的矫正对齐后的左右两张侧身图像。
S240:将矫正对齐后的牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;
本步骤中,特征提取模块包括牛脸局部特征提取子模块和牛体侧身特征提取子模块。其中,牛脸局部特征提取子模块为基于选取的左牛角、右牛角、左牛耳、右牛耳、牛前额、左眼区域、右眼区域和鼻子区域等牛脸局部区域特征预训练得到的牛脸局部特征实例分割模型,牛体侧身特征提取子模块为基于牛的左、右侧身图片预训练得到的牛体局部特征实例分割模型。具体的,牛脸局部特征向量以及牛体特征向量提取过程为:首先将矫正对齐后的正脸图像以及牛体图像分别输入牛脸局部特征提取子模块和牛体侧身特征提取子模块,牛脸局部特征提取子模块基于选取的基于牛脸局部区域特征对正脸图像进行牛脸分割,然后通过特征提取模型生成512维牛脸局部特征向量;同时,牛体侧身特征提取子模块对输入的牛体图像进行牛体分割,分别生成左侧身图像和右侧身图像的512维牛体特征向量。可以理解,本申请实施例通过对牛脸进行区分性的局部特征提取,有利于提升唯一性辨识度,通过分别构建牛只的正脸以及左、右侧身的标准化模板,使得牛只的脸部、左右侧体转化为相同的姿态,解决了特征对齐问题,有利于提高特征提取的准确度,显著提升了表征特征的鲁棒性,提高了唯一性识别准确率。
S250:将牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对待识别牛只与底库中已有的牛只进行相似度匹配,根据匹配结果判断待识别牛只是否与底库中的已有牛只重复,如果重复,执行S260;如果不重复;执行S270;
本步骤中,唯一性识别模块通过判断牛脸局部特征向量和牛体特征向量的权重因子加权结果是否大于设置的相似度阈值来判断待识别牛只是否重复,其中,牛脸局部特征向量的权重因子为0.6,牛体特征向量的权重因子为0.4,具体可以根据实际应用场景进行设定。将牛脸局部特征向量以及牛体特征向量输入唯一性识别模块后,唯一性识别模块首先分别对待识别牛只的牛脸局部特征向量以及牛体特征向量与底库中所有牛只的牛脸局部特征向量以及牛体特征向量计算余弦相似度,得到待识别牛只与底库中各个已有牛只的相似度分数,然后将最高的相似度分数与设置的相似度阈值进行对比,根据对比结果得到牛只匹配结果,即如果最高的相似度分数与设置的相似度阈值之间的差值小于设定阈值,则认为匹配成功,即待识别牛只与底库中相似度分数最高的牛只重复,则不为该牛只建库;如果最高的相似度分数与设置的相似度阈值差值之间的差值大于设定阈值,则认为匹配不成功,即待识别牛只与底库中的牛只不重复,则利用该牛只的牛脸局部特征向量以及牛体特征向量在底库中进行注册并建库,从而确保底库中每头牛只的唯一性,并将匹配结果返回业务调度服务平台,业务调度服务平台接收到匹配结果后,将匹配结果传输给手机等智能设备进行展示。
S260:表示待识别牛只已在底库中注册,不进行重复建库;
S270:表示待识别牛只未在底库中注册,则对待识别牛只在底库中进行注册及建库,并将待识别牛只的牛脸局部特征向量以及牛体特征向量保存在底库中。
基于上述,本申请第二实施例的牛只唯一性识别方法利用牛脸花色分类算法判断待识别牛只是否是纯白脸品类,对于纯白脸品类的牛只,利用矫正对齐模块分别对牛脸图像和牛体左右侧身图像进行矫正对齐后,分别利用牛脸局部特征提取算法和牛体侧身特征提取算法进行牛脸局部特征和牛体特征的提取,将提取的牛脸局部特征和牛体特征进行结合后,进行牛只的唯一性匹配识别。其中,通过对牛脸进行区分性的局部特征提取,有利于提升唯一性辨识度。同时,本申请针对纯白脸牛只,通过将牛只的左、右侧身特征进行提取,辅助唯一性识别,提升了牛只唯一性识别的稳定性与准确率。另外,本申请通过构建牛只的正脸以及左、右侧身的标准化模板,使得牛只的脸部、左右侧体转化为相同的姿态,解决了特征对齐问题,有利于提高特征提取的准确度,显著提升了表征特征的鲁棒性,提高了唯一性识别准确率。
在一个可选的实施方式中,还可以:将所述的牛只唯一性识别方法的结果上传至区块链中。
具体地,基于所述的牛只唯一性识别方法的结果得到对应的摘要信息,具体来说,摘要信息由所述的牛只唯一性识别方法的结果进行散列处理得到,比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户可以从区块链中下载得该摘要信息,以便查证所述的牛只唯一性识别方法的结果是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
请参阅图3,是本申请实施例牛只唯一性识别装置的结构示意图。本申请实施例牛只唯一性识别装置40包括:
数据采集模块41:用于采集待识别牛只的牛脸图像以及牛体图像;其中,所述牛脸图像包括设定数量的左脸图像、正脸图像及右脸图像,所述牛体图像包括左、右两侧各一张侧身图像;
品类判断模块42:用于将所述牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,
特征提取模块43:用于将所述牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;
唯一性识别模块44:用于将所述牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。
本申请实施例的牛只唯一性识别装置利用牛脸花色分类算法判断牛只是否是纯白脸品类,对于纯白脸品类的牛只,利用矫正对齐模块分别对牛脸图像和牛体左右侧身图像进行矫正对齐后,分别利用牛脸局部特征提取算法和牛体侧身特征提取算法进行牛脸局部特征和牛体特征的提取,将提取的牛脸局部特征和牛体特征进行结合后,进行牛只的唯一性匹配识别。其中,通过对牛脸进行区分性的局部特征提取,有利于提升唯一性辨识度,通过将牛只的左、右侧身特征进行提取,辅助唯一性识别,提升了牛只唯一性识别的稳定性与准确率,通过构建牛只的正脸以及左、右侧身的标准化模板,使得牛只的脸部、左右侧体转化为相同的姿态,解决了特征对齐问题,有利于提高特征提取的准确度,显著提升了表征特征的鲁棒性,提高了唯一性识别准确率。
请参阅图4,为本申请实施例的计算机设备结构示意图。该计算机设备50包括:
存储有可执行程序指令的存储器51;
与存储器51连接的处理器52;
处理器52用于调用存储器51中存储的可执行程序指令并执行以下步骤:采集待识别牛只的牛脸图像以及牛体图像;其中,所述牛脸图像包括设定数量的左脸图像、正脸图像及右脸图像,所述牛体图像包括左、右两侧各一张侧身图像;将所述牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,将所述牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;将所述牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。
其中,处理器52还可以称为CPU(Central Processing Unit,中央处理单元)。处理器52可能是一种集成电路芯片,具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例的计算机设备首先利用牛脸花色分类算法识别出纯白脸品类的牛只,并分别利用牛脸局部特征提取算法和牛体侧身特征提取算法对纯白脸品类的牛只进行牛脸局部特征和牛体特征的提取,将提取的牛脸局部特征和牛体特征进行结合后,进行牛只的唯一性匹配识别。其中,通过对牛脸进行区分性的局部特征提取,有利于提升唯一性辨识度,通过提取牛只的侧身特征以辅助进行唯一性识别,提升了牛只唯一性识别的稳定性与准确率,通过构建牛只的正脸以及左、右侧身的标准化模板,使得牛只的脸部、左右侧体转化为相同的姿态,解决了特征对齐问题,有利于提高特征提取的准确度,显著提升了表征特征的鲁棒性,提高了唯一性识别准确率。
请参阅图5,图5为本申请实施例的存储介质的结构示意图。本申请实施例的存储介质存储有能够实现以下步骤的程序指令61:采集待识别牛只的牛脸图像以及牛体图像;其中,所述牛脸图像包括设定数量的左脸图像、正脸图像及右脸图像,所述牛体图像包括左、右两侧各一张侧身图像;将所述牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,将所述牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;将所述牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。其中,该程序指令61可以以软件产品的形式存储在上述存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序指令的介质,或者是计算机、服务器、手机、平板等终端设备。其中,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
本申请实施例的存储介质首先利用牛脸花色分类算法识别出纯白脸品类的牛只,并分别利用牛脸局部特征提取算法和牛体侧身特征提取算法对纯白脸品类的牛只进行牛脸局部特征和牛体特征的提取,将提取的牛脸局部特征和牛体特征进行结合后,进行牛只的唯一性匹配识别。其中,通过对牛脸进行区分性的局部特征提取,有利于提升唯一性辨识度,通过提取牛只的侧身特征以辅助进行唯一性识别,提升了牛只唯一性识别的稳定性与准确率,通过构建牛只的正脸以及左、右侧身的标准化模板,使得牛只的脸部、左右侧体转化为相同的姿态,解决了特征对齐问题,有利于提高特征提取的准确度,显著提升了表征特征的鲁棒性,提高了唯一性识别准确率。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,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系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种牛只唯一性识别方法,其特征在于,包括:
采集待识别牛只的牛脸图像以及牛体图像;其中,所述牛脸图像包括设定数量的左脸图像、正脸图像及右脸图像,所述牛体图像包括左、右两侧各一张侧身图像;
将所述牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,
将所述牛脸图像以及牛体图像输入特征提取模块,利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;其中,所述牛脸分类模块包括牛脸分割子模块和牛脸花色分类子模块,所述通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类具体为:将所述牛脸图像中的正脸图像输入牛脸分割子模型,通过所述牛脸分割子模型从正脸图像中提取牛脸轮廓区域,并对除所述牛脸轮廓区域之外的非牛脸轮廓区域进行背景颜色填充;将所述背景颜色填充后的正脸图像输入牛脸花色分类子模块,所述牛脸花色分类子模块基于Haishoku获取正脸图像的主色调和配色方案,并计算所述正脸图像的主色调颜色构成与预设的纯白脸主色调颜色构成之间的相似度,通过设定的相似度阈值判断所述正脸图像是否为纯白脸,并采用投票机制,如果所述正脸图像中的大多数为纯白脸,则判定所述待识别牛只为纯白脸品类;
将所述牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。
2.根据权利要求1所述的牛只唯一性识别方法,其特征在于,所述将所述牛脸图像以及牛体图像输入特征提取模块之前还包括:
将所述牛体图像输入训练好的牛体检测模型,通过所述牛体检测模型检测所述牛体图像中的牛体位置坐标,并根据所述牛体位置坐标从所述牛体图像中提取出待识别牛只的牛体信息。
3.根据权利要求2所述的牛只唯一性识别方法,其特征在于,所述将所述牛脸图像以及牛体图像输入特征提取模块之前还包括:
将所述牛脸轮廓提取后的牛脸图像以及牛体信息提取后的牛体图像输入矫正对齐模块,所述矫正对齐模块利用预设的关键点位置信息分别对牛脸轮廓以及牛体信息进行矫正对齐,得到矫正对齐后的牛脸图像以及牛体图像。
4.根据权利要求3所述的牛只唯一性识别方法,其特征在于,所述矫正对齐模块包括牛脸矫正对齐子模块和牛体矫正对齐子模块,利用所述矫正对齐模块对所述牛脸图像以及牛体图像进行矫正对齐具体为:
所述牛脸矫正对齐子模块基于牛只的正脸图像,选取批量标准的牛只正脸图像,基于预训练的牛脸关键点检测模型对牛只的左眼、右眼、鼻子以及嘴巴左右两侧共5个关键点位置信息进行统计与均值处理,构建得到标准牛只的正脸模板,在进行牛脸矫正对齐时,所述牛脸矫正对齐子模块基于所述标准牛只的正脸模板,利用sift特征匹配算法对牛脸轮廓提取后的正脸图像进行仿射变换,得到标准化的矫正对齐后的正脸图像;
所述牛体矫正对齐子模块基于预训练的牛体关键点检测模型对牛体侧身的关键点数据进行统计与均值处理,分别得到标准牛只的左侧身模板和右侧身模板,在进行牛体矫正对齐时,所述牛体矫正对齐子模块基于标准牛只的左侧身模板和右侧身模板,利用sift特征匹配算法对所述待识别牛只的左右两张侧身图像进行仿射变换,得到标准化的矫正对齐后的牛体图像。
5.根据权利要求4所述的牛只唯一性识别方法,其特征在于,所述特征提取模块包括牛脸局部特征提取子模块和牛体侧身特征提取子模块,所述利用特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量具体为:
将所述矫正对齐后的正脸图像以及牛体图像分别输入牛脸局部特征提取子模块和牛体侧身特征提取子模块,所述牛脸局部特征提取子模块基于选取的牛脸局部区域特征对正脸图像进行牛脸分割,然后通过特征提取模型生成512维牛脸局部特征向量;其中,所述选取的牛脸局部区域特征包括左牛角、右牛角、左牛耳、右牛耳、牛前额、左眼区域、右眼区域和鼻子区域;
所述牛体侧身特征提取子模块对输入的牛体图像进行牛体分割,分别生成左侧身图像和右侧身图像的512维牛体特征向量。
6.根据权利要求1至5任一项所述的牛只唯一性识别方法,其特征在于,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别具体为:
所述唯一性识别模块分别对待识别牛只的牛脸局部特征向量以及牛体特征向量与底库中已有牛只的牛脸局部特征向量以及牛体特征向量计算余弦相似度,得到所述待识别牛只与底库中各个已有牛只的相似度分数,并将最高的相似度分数与设置的相似度阈值进行对比,如果所述最高的相似度分数与设置的相似度阈值之间的差值小于设定阈值,表示所述待识别牛只与底库中相似度分数最高的牛只重复,则不为所述待识别牛只建库;如果最高的相似度分数与设置的相似度阈值差值之间的差值大于设定阈值,表示所述待识别牛只与底库中的已有牛只不重复,则利用所述待识别牛只的牛脸局部特征向量以及牛体特征向量在底库中进行注册并建库。
7.一种牛只唯一性识别装置,其特征在于,包括:
数据采集模块:用于采集待识别牛只的牛脸图像以及牛体图像;其中,所述牛脸图像包括设定数量的左脸图像、正脸图像及右脸图像,所述牛体图像包括左、右两侧各一张侧身图像;
品类判断模块:用于将所述牛脸图像输入牛脸分类模块,通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类,如果是纯白脸品类,将所述牛脸图像以及牛体图像输入特征提取模块,利用所述特征提取模块分别对所述牛脸图像和牛体图像进行牛脸和牛体分割,并基于分割后的牛脸和牛体提取牛脸局部特征向量以及牛体特征向量;其中,所述牛脸分类模块包括牛脸分割子模块和牛脸花色分类子模块,所述通过所述牛脸分类模块提取牛脸图像的牛脸轮廓,并基于所述牛脸轮廓,利用牛脸花色分类算法判断所述待识别牛只是否是纯白脸品类具体为:将所述牛脸图像中的正脸图像输入牛脸分割子模型,通过所述牛脸分割子模型从正脸图像中提取牛脸轮廓区域,并对除所述牛脸轮廓区域之外的非牛脸轮廓区域进行背景颜色填充;将所述背景颜色填充后的正脸图像输入牛脸花色分类子模块,所述牛脸花色分类子模块基于Haishoku获取正脸图像的主色调和配色方案,并计算所述正脸图像的主色调颜色构成与预设的纯白脸主色调颜色构成之间的相似度,通过设定的相似度阈值判断所述正脸图像是否为纯白脸,并采用投票机制,如果所述正脸图像中的大多数为纯白脸,则判定所述待识别牛只为纯白脸品类;
唯一性识别模块:用于将所述牛脸局部特征向量以及牛体特征向量输入唯一性识别模块,所述唯一性识别模块根据牛脸局部特征向量以及牛体特征向量对所述待识别牛只进行唯一性识别。
8.一种计算机设备,其特征在于,所述计算机设备包括:
存储有可执行的程序指令的存储器;
与所述存储器连接的处理器;
所述处理器调用所述存储器中存储的所述可执行程序指令,执行如权利要求1-6任一项所述的牛只唯一性识别方法。
9.一种存储介质,所述存储介质存储有处理器可执行的程序指令,其特征在于,所述程序指令用于执行权利要求1至6任一项所述的牛只唯一性识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211395036.5A CN115457338B (zh) | 2022-11-09 | 2022-11-09 | 牛只唯一性识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211395036.5A CN115457338B (zh) | 2022-11-09 | 2022-11-09 | 牛只唯一性识别方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115457338A CN115457338A (zh) | 2022-12-09 |
CN115457338B true CN115457338B (zh) | 2023-03-28 |
Family
ID=84311065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211395036.5A Active CN115457338B (zh) | 2022-11-09 | 2022-11-09 | 牛只唯一性识别方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457338B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821658A (zh) * | 2022-05-11 | 2022-07-29 | 平安科技(深圳)有限公司 | 牛脸识别方法、运行控制装置、电子设备及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150131868A1 (en) * | 2013-11-14 | 2015-05-14 | VISAGE The Global Pet Recognition Company Inc. | System and method for matching an animal to existing animal profiles |
JP6291927B2 (ja) * | 2014-03-13 | 2018-03-14 | 富士通株式会社 | 特定方法、特定プログラム、特定装置および特定システム |
AU2016268525A1 (en) * | 2015-05-25 | 2017-12-07 | Cattle-Watch Ltd | System and method for monitoring livestock |
CN109190477A (zh) * | 2018-08-02 | 2019-01-11 | 平安科技(深圳)有限公司 | 基于牛脸识别的保险理赔方法、装置、计算机设备及存储介质 |
CN110298291B (zh) * | 2019-06-25 | 2022-09-23 | 吉林大学 | 基于Mask-RCNN的牛脸及牛脸关键点检测方法 |
CN111259978A (zh) * | 2020-02-03 | 2020-06-09 | 东北农业大学 | 一种融合多区域深度特征的奶牛个体身份识别方法 |
CN111368657A (zh) * | 2020-02-24 | 2020-07-03 | 京东数字科技控股有限公司 | 牛脸识别方法和装置 |
CN114067351A (zh) * | 2021-09-02 | 2022-02-18 | 四川楠水农牧科技有限公司 | 一种基于图像的牛只唯一性识别方法、装置及管理系统 |
CN113808156B (zh) * | 2021-09-18 | 2023-04-18 | 内蒙古大学 | 一种户外牛体体尺检测方法与装置 |
CN114463729A (zh) * | 2021-12-13 | 2022-05-10 | 浙江大华技术股份有限公司 | 一种奶牛识别方法及装置 |
-
2022
- 2022-11-09 CN CN202211395036.5A patent/CN115457338B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821658A (zh) * | 2022-05-11 | 2022-07-29 | 平安科技(深圳)有限公司 | 牛脸识别方法、运行控制装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115457338A (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229509B (zh) | 用于识别物体类别的方法及装置、电子设备 | |
US11837017B2 (en) | System and method for face recognition based on dynamic updating of facial features | |
WO2019061658A1 (zh) | 眼镜定位方法、装置及存储介质 | |
CN109376604B (zh) | 一种基于人体姿态的年龄识别方法和装置 | |
CN111144284B (zh) | 深度人脸图像的生成方法、装置、电子设备及介质 | |
CN110909618A (zh) | 一种宠物身份的识别方法及装置 | |
CN113449704B (zh) | 人脸识别模型训练方法、装置、电子设备及存储介质 | |
CN112101124B (zh) | 一种坐姿检测方法及装置 | |
US11023714B2 (en) | Suspiciousness degree estimation model generation device | |
CN110442783A (zh) | 基于人脸识别的信息推送方法、装置、计算机设备 | |
CN110728242A (zh) | 基于人像识别的图像匹配方法、装置、存储介质及应用 | |
JP2007048172A (ja) | 情報分類装置 | |
CN113392741A (zh) | 视频片段提取方法、装置、电子设备及存储介质 | |
CN115546845B (zh) | 一种多视角牛脸识别方法、装置、计算机设备及存储介质 | |
CN115457338B (zh) | 牛只唯一性识别方法、装置、计算机设备及存储介质 | |
JP2022048464A (ja) | 鼻紋照合装置および方法並びにプログラム | |
CN112257628A (zh) | 一种户外比赛运动员的身份识别方法、装置及设备 | |
CN113705643B (zh) | 一种目标物检测方法、装置以及电子设备 | |
CN113420767B (zh) | 一种用于字体分类的特征提取方法、系统和装置 | |
CN114463729A (zh) | 一种奶牛识别方法及装置 | |
JP6855175B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
CN111091160B (zh) | 一种图像分类方法 | |
CN114782994A (zh) | 姿态识别方法、装置、存储介质及电子设备 | |
CN114511877A (zh) | 一种行为识别方法、装置、存储介质及终端 | |
CN111144378B (zh) | 一种目标对象的识别方法及装置 |
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 |