大熊猫识别技术规范编制说明.pdf

四川省地方标准

《大熊猫识别技术规范》编制说明

一、工作简况

1．任务来源背景

大熊猫生育率较低，在中国濒危动物红皮书等级中被评为濒危物种，被人们称为

生物界的活化石。野外大熊猫种群调查是大熊猫保护的必要手段。大熊猫种群数目、

结构是种群调查的核心指标。根据国家林业局2015年2月发布的第四次全国大熊猫

调查结果显示，野外大熊猫种群数量稳步增长、栖息地范围显著增加，但国家林业局

也同时指出，部分大熊猫局域种群面临生存风险，栖息地破碎化严重，圈养大熊猫种

群间遗传交流不足，保护形势依然十分严峻。依赖于10年一次、耗时4年左右的全

国调查，可能会出现数据、信息滞后，延误改善、补救的时间，造成不可估量的后果。

目前大熊猫调查采用的技术有DNA分析技术、距离区分法和咬节区分法综合分析虽

能准确的鉴定个体，但尚存在采集难度大、样本保存困难等问题。所幸的是，为了保

护大熊猫，相关部门在野外部署了大量的红外相机，通过摄像头对野外大熊猫进行正

确的统计和分析，势必在时效、人力、花费、安全等方面远超目前基于人员深入可能

栖息地野外考察的方式。

目前尚无国家标准、行业标准、地方标准作为大熊猫识别技术的管理规范。为了

保证基于图像的大熊猫个体正确且有效地统计、分析，制定基于图像的大熊猫识别技

术规范十分必要。为规范、指导四川省大熊猫识别技术，升级大熊猫圈养种群管理，

达到准确、高效、统一的目的，以适应对大熊猫识别技术的迫切需求。2020年8月

18日四川省市场监督管理局发布《四川省市场监督管理局关于下达2020年度地方标

准制修订项目立项计划（第四批）的通知》下达了包括本规范在内的地方标准立项计

划。

2．工作过程

本标准的研究、编制、起草形成标准送审稿的时限规定于下达计划的次年，即

2021年。其工作过程有以下六个主要部分：

1

（1）数据采集与数据库建立2017年1月～2019年12月，在技术开发的同时，

陆续对成都熊猫基地圈养种群及我国部分大熊猫饲养管理机构进行了采样及调查，如：

中国大熊猫保护研究中心、重庆动物园、成都动物园、等机构进行了调查和影像视频

数据采集，主要内容涉及大熊猫谱系确定、出生年龄、性别等个体信息及其即时影像

数据的一一对应；广泛采集了不同视角和拍摄距离的图像，展示了大熊猫的日常活动，

如吃竹子、散步，以及躺下休息等。建立了具有15万张图片数据的大熊猫数据库。

（2）技术开发2017年1月～2019年12月。研究团队自2017年开始进行对大

熊猫个体识别的图像识别研究，从大熊猫图像数据库中挑选出了6411张包含218只

大熊猫个体的标准正脸图片作为大熊猫个体库，并对其进行了手工标注和分割。标注

过程分为两个阶段。在第一阶段，标注用于定位熊猫脸的包围框，在第二阶段，标注

用于包围脸部和五官的多边形区域，其中脸部、左耳、左眼、右耳、右眼、鼻子和嘴

巴多边形的平均顶点数量为44、14、12、14、12、10和11。这些标注的包围框和面

部特征仅仅用来训练网络模型。包围框用于训练面部检测网络。三组数据被用于训练

分割和对齐网络。手工裁剪的图像和手工分割的图像分别作为训练分割网络的输入和

目标输出的基准。使用基于眼睛和嘴巴标注的对齐算法来对齐裁剪和分割后的图像作

为对齐网络的基准数据集。

（3）验证试验2020年1月～2020年12月，提出熊猫面部识别算法，首先，

检测网络通过输出包围框来指示原始输入图像中大熊猫脸部的位置，第二步，提取包

围框中的面部区域并送入图像分割网络和空间变换网络分别用于分割和对齐。最后，

将归一化的面部图像输入深度网络以确定大熊猫的身份。使用基于ResNet50的Faster

R-CNN。预训练模型微调用于熊猫面部检测。输入到FasterR-CNN的熊猫图像，横

向图像被缩放到1024×600，纵向图像被缩放到600×1024。FasterR-CNN输出的包

围框坐标用于裁剪熊猫脸，裁剪后的图像就是检测到的熊猫脸，并调整缩放大小为

224×224像素。通过模块生成二值掩膜来去除背景，通过与输入图像做像素级乘法

产生一个分割后的熊猫脸部图像。将分割后的熊猫脸部图像与参考模板对齐的仿射变

换参数，以最小化不同熊猫脸因旋转、偏移和尺度变化而带来的差