1.一种猪脸识别方法,其特征在于:包括如下步骤:S1:根据猪脸资料,基于神经网络,建立猪脸识别模型;
S2:在猪脸识别模型加入生长周期猪脸特征变化追踪匹配机制,得到追踪生长周期的动态猪脸识别模型;
S3:实时获取现场视频,并根据现场视频,使用追踪生长周期的动态猪脸识别模型,得到猪脸识别结果;
所述步骤S2中,所述生长周期猪脸特征变化追踪匹配机制的具体步骤为:A‑1:根据生猪的年龄阶段,建立生长周期猪脸特征矩阵;
生猪的年龄阶段包括哺乳期、保育期和肥育期,生猪的生长周期包括第1个月至第6个月;
A‑2:获取当前生猪的猪脸特征,并根据猪脸特征匹配对应的生长周期猪脸特征矩阵;
A‑3:根据猪脸特征,进行猪脸识别,得到当前生猪的年龄阶段,根据年龄结果判断当前生猪是否处于肥育期,若是则进入步骤A‑4,否则结束生长周期猪脸特征变化追踪匹配方法;
A‑4:获取猪脸特征步长,并根据猪脸特征步长,将当前生猪的猪脸特征保存至对应的生长周期猪脸特征矩阵的对应位置,更新生长周期猪脸特征矩阵;
所述步骤A‑3中,获取当前生猪的年龄结果的具体方法为:B‑1:获取当前生猪的猪脸特征的LBP特征和HOG特征;
B‑2:使用CCA方法将LBP特征和HOG特征进行融合,得到融合特征;
B‑3:根据融合特征,使用SVR方法得到当前生猪的年龄阶段;
所述步骤S3的具体步骤为:
S3‑1:实时获取现场视频,对现场视频进行猪体检测,得到当前生猪的猪体检测结果;
S3‑2:根据当前生猪的猪体检测结果,判断当前生猪的体重是否大于体重阈值,若是则对当前生猪进行猪体追踪,进入步骤S3‑3,否则结束猪脸识别方法;
S3‑3:追踪到生猪后,使用追踪生长周期的动态猪脸识别模型,提取当前帧图像中当前生猪的猪脸特征;
S3‑4:根据猪脸特征,进行猪脸识别,得到当前生猪的猪脸识别结果,并更新对应的生长周期猪脸特征矩阵,猪脸识别结果包括身份信息和年龄结果。
2.根据权利要求1所述的一种猪脸识别方法,其特征在于:所述步骤S1中,所述猪脸资料包括正样本和随机负样本,所述正样本为包含猪脸部分的生猪图像,所述随机负样本为不包括猪脸部分的随机图片。
3.根据权利要求1所述的一种猪脸识别方法,其特征在于:所述步骤S1中,所述神经网络为卷积神经网络,所述卷积神经网络包括Input层、Focus网络层、BackBone网络层、PANet网络层以及Output层;
所述卷积神经网络设置有LSTM模块,所述LSTM模块设置有遗忘门。
4.根据权利要求3所述的一种猪脸识别方法,其特征在于:所述遗忘门的公式为:式中, 为遗忘门函数; 为sigmoid激活函数; 为前一个时间步 的输出;为时间步指示量; 为当前时间步的输入; 为卷积层偏置项; 为卷积层权重。
5.根据权利要求1所述的一种猪脸识别方法,其特征在于:所述神经网络的输出公式为:式中, 为经过注意力加权后的输出特征; 为归一化后的注意力权重;为注意力指示量;为单向时间步;为单向时间步数; 为各个时间步的输出。
6.根据权利要求1所述的一种猪脸识别方法,其特征在于:所述步骤S1的具体步骤为:S1‑1:将猪脸资料进行预处理,得到预处理后数据集,并将预处理后数据集分为训练集和测试集;
S1‑2:使用训练集对神经网络进行训练,得到初始的猪脸识别模型;
S1‑3:使用测试集对初始的猪脸识别模型进行优化,得到最优的猪脸识别模型。
7.根据权利要求1所述的一种猪脸识别方法,其特征在于:所述步骤A‑4中,猪脸特征步长的获取公式为:式中, 为猪脸特征步长; 为更新前的当前生猪的生长周期猪脸特征矩阵;
为更新后的当前生猪的生长周期猪脸特征矩阵; 为生长周期猪脸特征矩阵和 进行比较的余弦值; 为不同生长周期间隔的设置时间权重。