论文部分内容阅读
金丝猴是国家一级保护动物,在环境生态学和动物行为学研究方面具有重要的研究价值。在对金丝猴进行保护和相关研究的过程中,首要的任务就是准确识别金丝猴的个体身份。还需要对金丝猴个体的高级属性:性别和年龄段进行识别。针对目前相关部门已具有的大量金丝猴的图像和视频数据,而传统的人工识别的方法难易满足繁重的识别与分析任务,以及现有面部识别算法难以直接应用于猴脸特征识别的问题,本文展开基于深度学习的金丝猴面部识别算法的相关研究,快速准确的猴脸自动识别将很大程度上推进金丝猴研究与保护的工作进展。本文首先阐述了金丝猴面部图像识别的研究意义以及相关发展现状,然后概述了深度学习(Deep Learning,DL)以及卷积神经网络(Convolutional Neural Network,CNN)的相关理论基础,并分析了金丝猴面部图像相似性大,角度多变、存在部分遮挡等情况带来的识别难度,结合深度学习中卷积神经网络的基本方法和理论,设计了针对金丝猴个体识别以及性别和年龄段识别的网络结构,并给出了相应的识别算法。最后,设计并实现了基于Qt开源平台的金丝猴面部识别软件。(1)针对金丝猴个体识别任务中存在的难点,通过对金丝猴面部特征进行分析,设计了改进的卷积神经网络模型GKP-Net(Global and Key Part-Net),并给出了一种基于GKP-Net的金丝猴面部识别算法。该算法同时关注面部整体部分与其中的皮肤区域两种不同范围的图像。分别设计了两种不同的网络子结构来提取面部不同区域的特征,并结合整体面部图像和关键的皮肤区域中包含的信息,以进行金丝猴个体身份识别。实验表明,该算法可以在一定程度上提高金丝猴个体识别的准确率。(2)针对不同性别的金丝猴在不同年龄阶段上所体现的差异性特征,设计了改进的卷积神经网络模型FF-Net(Feature Fusion-Net),并给出了一种基于FF-Net的金丝猴性别年龄段识别算法。通过对金丝猴面部图像在性别和年龄段上的差异性分析,将网络中提取的不同层次的特征进行特征融合,以增强网络对特征的表达能力。此外,针对金丝猴性别年龄段识别数据集中类别分配不均衡、识别难度有差异等问题,对传统网络结构中的损失函数进行改进,在一定程度上提升了算法的性能。(3)根据对金丝猴个体识别以及性别年龄段识别的研究结果,设计并实现了基于Qt开源平台的金丝猴面部识别软件。该软件结合了OpenCV计算机视觉库,使用C++语言进行开发,实现了利用金丝猴面部图像进行金丝猴个体识别以及金丝猴的性别年龄段识别等功能模块。