(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211064047.5 (22)申请日 2022.09.01 (71)申请人 内蒙古科技大学 地址 014010 内蒙古自治区包头市昆都仑 区阿尔丁大街7号 (72)发明人 赵建敏　 (74)专利代理 机构 北京博尔赫知识产权代理事 务所(普通 合伙) 16045 专利代理师 于武江 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06V 10/764(2022.01) (54)发明名称 牛脸身份识别特征提取模型构建方法及牛 脸身份识别方法 (57)摘要 本发明公开了一种牛脸身份识别特征提取 模型构建方法及牛脸身份识别方法， 涉及图像处 理技术领域， 包括： 对牛脸检测数据集进行预处 理， 输入神经网络模型中提取全局特征和局部特 征并进行归一化处理； 基于归一化处理后的全局 特征和局部特征， 分别计算类全局特征中心和类 局部特征中心， 构建全局特征三元组和局部特征 三元组， 计算全局特征三元损失函数和局部三元 损失函数， 并利用融合度量损失函数计算总体损 失； 根据总体损失反向不断迭代更新模型参数， 直到模型收敛， 得到特征提取模型， 进一步进行 牛脸身份识别。 本发明一方面利用多部位图像构 造有效局部难例结合全局难例， 提高学习效率； 另一方面给出了特征融合学习机制， 提取图像特 征， 识别牛只身份 。 权利要求书3页 说明书10页 附图3页 CN 115311689 A 2022.11.08 CN 115311689 A 1.一种牛脸身份识别特 征提取模型的构建方法， 其特 征在于， 包括以下步骤： 获取牛脸检测数据集， 对所述牛脸检测数据集进行 预处理， 得到训练数据集； 将所述训练数据集输入神经网络模型中提取全局特征和局部特征， 并对所述全局特征 和所述局部特 征进行归一 化处理； 基于归一化处理后的全局特征和局部特征， 分别计算类全局特征中心和类局部特征中 心， 构建全局特 征三元组和 局部特征三元组； 利用所述全局特征三元组和局部特征三元组计算全局特征三元损失函数和局部三元 损失函数， 并利用融合度量损失函数计算总体损失； 根据所述总体损失反向不断迭代更新模型参数， 直到模型收敛， 得到特 征提取模型。 2.根据权利要求1所述的一种牛脸身份识别特征提取模型的构建方法， 其特征在于， 所 述得到训练数据集， 具体包括以下步骤： 利用类样本均衡采样法， 每次从所述牛脸检测数据集中随机采样m个种类， 每类中随机 抽样n个样本， 批次大小为m*n张图像； 对每个样本进行图像缩放及标准 化处理， 获得批处 理样本， 作为训练数据集。 3.根据权利要求1所述的一种牛脸身份识别特征提取模型的构建方法， 其特征在于， 所 述提取全局特 征和局部特征， 具体包括以下步骤： 选取分类模型， 去掉所述分类模型中的全连接层并保留最后的卷积输出层， 作为特征 提取初始模型； 将所述训练数据集输入所述特征提取初始模型中， 利用平均池化方法， 将最后的卷积 输出层特 征全局池化， 得到全局特 征gil； 对图像进行等分得到若干区域， 对卷积层输出部分进行平局池化得到每个区域的局部 特征 4.根据权利要求3所述的一种牛脸身份识别特征提取模型的构建方法， 其特征在于， 所 述分类模型包括VGG16、 VGG19、 Inception  V1、 Inception  V2、 Inception  V3、 Resnet50、 Resnet101。 5.根据权利要求1所述的一种牛脸身份识别特征提取模型的构建方法， 其特征在于， 所 述构建全局特 征三元组和 局部特征三元组， 具体包括以下步骤： 采用公式(1)的归一化方法对所述全局特征和局部特征进行归一化处理， 由归一化后 的全局特征组成全局特征集合G， (g11,g12,...,g1n,...,gil,...,gm1,gm2,...,gmn)∈G， 由归 一化后的局部特 征组成局部特 征集合P， 计算第i类 类全局特 征中心gi， 公式如下： 式中： gil表示第i类第l个样本的特 征， n为同类样本采样个数； 计算第i类 类内第k个局部中心 公式如下：权　利　要　求　书 1/3 页 2 CN 115311689 A 2式中： 表示第i类第l个样本第k个部位的局部特征， 平均后得到第i类样本第k个部位 的局部特 征 基于类局部特征中心 局部正样本 局部负样本 构造局部特征三元组； 利用 类中心gi、 正样本gil、 负样本gjl构造全局特 征三元组。 6.根据权利要求5所述的一种牛脸身份识别特征提取模型的构建方法， 其特征在于， 所 述计算总体损失， 具体包括以下步骤： 在全局特 征集合G中， 利用全局特 征三元损失函数计算全局特 征损失lg， 公式如下： 式中： N为样本总数， gjl表示第j类第l个样本的特征； Δg为全局特征异类距离边界， 训 练时为超参数； d(gi,gj)表示特征向量gi和gj之间的度量距离， 采用欧式距离表示， 公式如 下： 在局部特征集合P中， 利用基于局部特征度量的局部三元损失函数， 计算局部度量损失 lp， 公式如下： 式中： Δp表示不同类别区域特征之间的距离边界， 表示第j类第 l个样本第k个部位 的局部特 征； lp依次计算每 个类别每个区域的类三元损失来 不断优化特 征之间的距离； 对所述全局 特征损失lg和局部度量损失lp进行平滑加权， 利用融合度量损失函数计算 总体损失l， 公式如下： l＝(1‑λ )*lg+λ*lp     (7)； 式中： λ为平 滑系数， 训练时予以调解。 7.一种基于局部特征度量及特征融合学习的牛脸身份识别方法， 其特征在于， 利用如 权利要求1 ‑6任一项所述的特 征提取模型， 包括以下步骤： 获取牛脸目标检测数据集， 并对所述牛脸目标检测数据集进行处理， 得到牛脸区域图 像； 将所述牛脸区域图像输入所述牛脸身份识别特 征提取模型中， 提取全局特 征； 对所述全局特 征进行归一 化处理， 并通过k ‑NN分类器进行分类， 识别牛只身份。 8.根据权利要求7所述的一种基于局部特征度量及特征融合学习的牛脸身份识别方 法， 其特征在于， 对所述牛脸目标检测数据集进行处 理， 具体为： 将所述牛脸目标检测数据集输入目标检测模型中进行模型训练， 获取牛脸检测模型， 识别牛脸区域并获得分割完成的牛脸区域图像。 9.根据权利要求8所述的一种基于局部特征度量及特征融合学习的牛脸身份识别方权　利　要　求　书 2/3 页 3 CN 115311689 A 3