论文阅读笔记(十三)——利用卷积神经网络进行农场猪脸识别

论文阅读笔记(十三)——利用卷积神经网络进行农场猪脸识别

论文简介

论文全称:《Towards on-farm pig face recognition using convolutional neural networks》
中文名:《利用卷积神经网络进行农场猪脸识别》

期刊情况

投稿期刊:《Computers in Industry》
期刊情况:

• 中科院二区
• 影响因子4
• Q1分区
• 初审一个月，总时间约为6个月
  

摘要

近年来，由于继续采取集约化做法和需要精确的客观测量(例如体重)，识别猪和牛等单个牲畜已成为一个紧迫的问题。目前的最佳做法是使用RFID标签，这对农民来说既耗时又让动物苦恼。为了克服这一点，非侵入性生物识别被提出使用动物的脸。我们在一个农场环境中测试了这一点，在10头猪身上使用了人脸识别文献中采用的三种技术:Fisherfaces、VGG-Face预训练的人脸卷积神经网络(CNN)模型和我们自己的CNN模型，我们使用人工增强的数据集训练。我们的结果表明，在1553幅图像上，准确的猪个体识别是可能的，准确率为96.7%。Class Activated Mapping using gradcam被用来显示我们的网络用来区分猪的区域。

研究背景

近年来，由于可持续的集约化已成为普遍现象，对个别动物的农场识别的需要已变得更加迫切，而且越来越需要监测每只动物的投入和产出的能力。牲畜识别的主要方法是通过无源射频识别(RFID)标签。这些低成本的标签通常通过穿孔的方式安装在动物的耳朵上，这对动物来说是一项费时且痛苦的活动。它们也有一个有限的范围(即使是远距离读取器声明的最大距离为120厘米)，在此范围内它们可以被激活并成功读取，多个标签不能同时读取。即使给每头猪加上两个标签(以提高成功识别的机会)，也只能在近距离识别动物，准确率为88.6%。农场环境中的常见因素也会对天线的有效性产生不利影响。来自其他设备的金属设备和标签读取器(如脱落门或称量秤)会进一步减少距离，干扰会使某些设备根本无法工作。
人脸识别一直是一个活跃的研究领域至少50年。从20世纪90年代的几何特征匹配到整体方法，近年来使用深度网络的趋势将技术水平提高到接近人类水平。它通常用于非侵入性访问控制和监测/监视目的，因此代表了一个潜在的有用的研究领域，适用于猪的识别问题。尽管已经有相关的工作自动识别猪的行为和牛的饲养/站立，牛的生物识别，羊的和犬的显示了有希望的结果，但迄今为止，很少有研究将猪的脸作为生物识别，尽管显示了一些将特征脸技术应用于猪的初步结果，并在10头猪使用人工裁剪的完整脸上实现了77%的识别性能。他们对小区域(如鼻子或眼睛)报告了更好的结果，但这依赖于对区域的进一步手动分割，因此不太适用于农场系统。他们也只收集了每头猪16个连续的图像帧，所以当对同一头猪进行成像时，这种系统是否适用于不同的环境条件是未知的。

研究贡献

• 十头猪77%识别性能
• 自己的猪数据集
• 第一个猪脸识别

论文贡献

介绍数据捕获、数据清洗和具体实现。在中可以看到处理管道的概述。

数据收集

汉普郡长白猪,大约四个月大，被安置在SRUC的研究农场(米德洛西安，苏格兰)。这些猪是用Sogatel USB2.0摄像头拍摄的，VGA分辨率(640x480像素)，30帧每秒。摄像头与一台戴尔精密(Dell Precision)笔记本电脑相连，笔记本电脑上运行着“iSpy Connect”软件，每当猪主动接近饮水机时，运动检测就能捕捉到它们。如下图所示，相机被放置在饮水机乳头后面。一个Manfrotto通用夹具和铰接臂将相机安装在猪圈框架上，确保足够远的距离，但又足够近，不会在猪喝水时遮住他们的脸。与饮水机接触的方式略有改变，增加了肩栏，帮助保持猪对着镜头，而其他猪则不在镜头内。

没有对饮水机做任何其他改变，该实验得到了SRUC动物伦理委员会的批准。在2017年3月31日和2017年4月3日这两个时间段收集了10头猪的数据。相机在无人看管的情况下运行，然后手动标记，以便创建所需的训练和测试数据。从图片中可以看到，这些猪已经被喷上了油漆，以帮助人工识别，而这并不是自动化系统所要求的。还应该注意的是，在安装相机时要小心，以确保阳光不会直射到猪的脸上，否则会导致图像饱和。除此之外，照明水平的自然变化由相机自动处理。猪的例子见下图。

数据预处理

为了避免中指出的连续帧间方差小的缺点，我们使用结构相似度指数测度来度量连续帧间的相似度图像。这有助于避免在训练和测试数据分区中出现非常相似(几乎相同)的数据。在报告图像之间的相似性时，这种方法试图比另一种常用的均方误差(MSE)方法更接近人类的感知。它考虑了方差、协方差和平均强度在两个图像,x和y,情商所示。(1)mx, myare平均sx, syare图像的方差和协方差sxythe x和y c1,避免不稳定当分母c2are常数是接近于零。它考虑了方差、协方差和平均强度在两个图像,x和y,如Eq所示。(1)