基于改进K-SVD算法在牛脸识别上的应用*

赵建敏,姜世奇,李 琦

(内蒙古科技大学 信息工程学院，内蒙古 包头 014000)

0 引 言

目前传统畜牧业正在不断寻找新的发展模式，不再仅以增产为主，转而更加注重产品的质量与品种，向智能化、精细化、规模化方向发展，提出了精准畜牧业的发展理念，这也是由我国目前的发展现状与时代特征所决定的，同时也对牲畜的个体身份识别提出了更高的要求。目前主流的牛个体识别都是采用基于射频识别(radio frequency identification,RFID)的识别方式[1～3]，这种方法不仅识别距离有限，而且存在被替换、损坏和丢失导致无法准确识别的潜在风险。因此，国内外学者利用图像处理技术对牲畜的识别展开了广泛的研究。Xia M等人[4]提出了利用稀疏表示分类器(SRC)对牛脸图像进行识别，通过主成分分析(PCA)进行特征提取后利用SRC进行识别。陈娟娟等人[5]用改进的特征袋模型(BOF)对奶牛头部图像进行识别，在基于空间金字塔匹配原理(SPM)的BOF模型上，引入了HOG特征替换SIFT特征，针对奶牛图像降低特征复杂度，提升了识别性能。深度学习的兴起使得卷积神经网络(CNN)对图像识别表现优异，很多学者利用CNN进行牛的个体识别[6，7]，取得了较好的识别效果，但基于CNN的网络模型需要大量人工标注的数据进行训练与测试，对于人力成本要求较高，在实际牧场应用中难以大范围开展。Kumar S等人[8,9]利用牛的鼻口点(muzzle point)信息来进行个体识别，这些信息与人类指纹类似具有较高的辨识度，但相比脸部图像获取，鼻口点数据的实际采集过程对人工成本要求较高，采集难度较大，实际应用困难。……