大熊猫识别技术规范.docxVIP

DB51/T2925—2022

1

大熊猫识别技术规范

1范围

本文件规定了大熊猫个体识别有关术语定义、数据采集、数据分析等。本文件适用于基于图像的大熊猫个体识别。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T26238-2010信息技术生物特征识别术语CJJ/T263-2017动物园动物管理技术规程

3术语和定义

下列术语和定义适用于本文件。3.1

目标检测objectdetection

从图像中找出目标的位置坐标,一般用矩形框框出目标，并对该目标进行分类。3.2

相似度similarity

衡量两个特征的相似程度，数值越大说明它们越相似。3.3

错误接受率falseacceptrate

在验证过程中，将新个体识别为数据库中个体的比率，用百分比表示。错误接受率也称认假率。3.4

残差网络residualnetwork

残差网络其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。3.5

交并比IntersectionoverUnion

交并比是产生的候选框与原标记框的交集与并集的比值。

4缩略语

下列缩略语适用于本文件。

IOU：交并比（IntersectionoverUnion）

FPS：每秒传输帧数（FramesPerSecond）

SSIM：结构相似性(StructuralSimilarity)Rank-1：预测概率最大的类别

DB51/T2925—2022

2

Rank-5：预测概率前五的类别

5数据采集

5.1大熊猫图像采集流程

大熊猫图像数据采集流程如下：

a)将大熊猫的监控视频或者野外红外相机视频数据中含有大熊猫的片段挑选出来，通过视频拆帧将视频数据转化成图像数据；

b)记录转换后的图像数据及大熊猫身份信息。

5.2大熊猫脸部图像筛选

大熊猫脸部图像的筛选需满足以下要求：

a)正脸图像光照均匀，无过度曝光，清晰完整；

b)大熊猫正脸在水平面方向和垂直面方向上的旋转角度±10°;

c)在不影响两眼、耳朵、鼻子、嘴等关键部位的情况下，允许存在10%—20%的遮挡；

d)大熊猫脸部图像的分辨率不低于256×256像素。

5.3大熊猫个体图像档案库建立流程

以大熊猫的身份信息命名文件夹(例：谱系号_个体名)，把对应的大熊猫个体图像数据存入文件夹中，将大熊猫个体图像数据与对应的文件夹路径记录在Excel表格中。

大熊猫个体图像档案库建立流程需满足以下要求：

a)每个文件夹应保证唯一，无重复；

b)每个文件夹中的图像数据属于同一只大熊猫，且图片唯一，无重复；

c)Excel表格中的每条记录唯一，且准确。

6数据处理

6.1大熊猫图像数据处理

6.1.1大熊猫脸部图像检测

通过预训练后的目标检测算法，获取图像中大熊猫正脸区域的边界框，裁剪大熊猫的脸部图像，并将裁剪后的图像转换为单通道灰度图。

6.1.2大熊猫脸部图像检测算法

大熊猫正脸图像检测算法需满足以下要求：

a)算法推理的实时性应达到20FPS；

b)无新个体图像输入时，检测算法Rank-1准确度应达到96%，Rank-5准确度应达到97%；

c)交并比（IOU）达到70%时，检测精度应达到90%。

6.1.3大熊猫正脸图像分割

大熊猫正脸图像分割流程：

a)将检测得到的大熊猫正脸图像输入至预训练后的残差网络中，提取特征；

b)将输出的特征图输入至面部分割网络中，生成二元掩膜；

DB51/T2925—2022

3

c)二元掩膜与原输入脸部图像相乘，输出分割后的大熊猫正脸图像。

6.1.4大熊猫正脸图像分割算法

大熊猫正脸图像分割算法，要求大熊猫正脸图像与分割后图像IOU不低于90%。

6.1.5大熊猫正脸对齐

将分割后的图像输入至面部对齐网络中，提取正脸特征并裁剪，裁剪后的图像依据模板进行校准。

6.1.6大熊猫正脸图像对齐算法

大熊猫正脸图像对齐算法需满足以下要求：

a)算法推理的实时性不低于30FPS；

b)关键点预测误差不大于5像素。

6.2大熊猫正脸数据库

6.2.1大熊猫正脸数据库建立

大熊猫正脸数据库建立流程：

a)通过智能成像设备采集，批量导入大熊猫正脸图像数据信息；

b)注册登记过程中，绑定大熊猫脸部图像与大熊猫身份信息；

c)对所有图像，标注大熊猫正脸目标框区域的左上角和右下角坐标，并使用多边形来标注左耳、右耳、左眼、右眼、鼻子、嘴巴、正脸；

d)使用SSIM方法测量图像间