一种多视角动物身份识别方法及其识别装置

本发明涉及视觉识别，尤其涉及一种多视角动物身份识别方法及其识别装置。

背景技术：

1、在如自闭症、焦虑症和恐惧症等社交障碍疾病的药物研发方面，识别动物用药前后的行为差异是判断药效的重要指标。

2、然而，受限于动物追踪技术，现有的方法无法做到在动物自然社交的过程中，识别每一只动物的身份，仅能允许一只动物的自由移动，其他动物需采用一定的方法束缚运动来减少对于动物身份的干扰，例如三箱社交实验。这种限制的根源来自于动物的外表过于相似，导致传统算法识别动物身份的误差难以降低，从而使得动物身份集难以标注、动物身份识别困难且误差大，即稳健身份特征获取量的难以取得以及身份识别准确率低下的问题。

技术实现思路

1、为了解决动物身份集难以标注、动物身份识别困难且误差大，从而导致的稳健身份特征获取量的难以取得以及身份识别准确率低下的缺陷，本发明提出一种多视角动物身份识别方法及其识别装置。

2、本发明采用的技术方案是一种多视角动物身份识别方法，包括：

3、获取至少两个视角下相同时刻的单动物行为视频，以及至少两个视角下相同时刻的多动物行为视频；

4、提取单动物行为视频和多动物行为视频中的动物实例轮廓，并将动物实例轮廓用于训练深度学习实例分割模型；

5、基于深度学习实例分割模型对单动物行为视频和多动物行为视频进行实例分割，从单动物行为视频中获得单动物分割实例，从多动物行为视频中获得多动物分割实例；

6、将不同视角下的单动物分割实例进行拼接，拼接后的图像作为输入图样，并将输入图样用于训练深度学习身份识别模型；

7、将不同视角下的多动物分割实例进行拼接，得到单个动物的部分或全部图样，基于深度学习身份识别模型对单个动物的部分或全部图样进行识别匹配，从而获得单个动物的身份信息。

8、优选的，提取单动物行为视频和多动物行为视频中的动物实例轮廓的步骤，包括：

9、根据单动物行为视频中动物在不同时间遮挡的重叠部分提取为单动物背景视频，多动物行为视频中动物在不同时间遮挡的重叠部分提取为多动物背景视频；

10、在单动物行为视频和多动物行为视频中分别消除单动物背景视频和多动物背景视频，从而得到动物实例轮廓。

11、优选的，在得到动物实例轮廓后，还包括将动物实例轮廓与不同背景进行合成，生成包含动物实例轮廓标注的图像。

12、优选的，基于yolact++对深度学习实例分割模型进行训练。

13、优选的，基于efficientnet的深度学习图像分类模型对深度学习身份识别模型进行训练。

14、优选的，将不同视角下的多动物分割实例进行拼接，得到单个动物的部分或全部图样的步骤，包括：

15、从多动物分割实例中获得单个动物的部分或全部单动物分割实例，再将不同视角下单个动物的部分或全部单动物分割实例进行拼接，得到单个动物的部分或全部图样。

16、优选的，从多动物分割实例中获得单个动物的部分或全部单动物分割实例，通过视频拍摄参数，获得多动物分割实例中的投影关系，调整投影的尺寸后将不同视角下投影进行拼接，得到单个动物的部分或全部图样。

17、优选的，获得多动物分割实例中的投影关系，将不同视角下的投影与数据库中的单动物分割实例进行对比匹配，调整匹配后投影的尺寸，再将不同视角下投影进行拼接。

18、优选的，将不同视角下的单动物分割实例进行拼接，拼接后的图像为一张图片。

19、本发明还提出了一种多视角动物身份识别装置，包括：

20、多相机阵列行为采集单元，获取至少两个视角下相同时刻的单动物行为视频，以及至少两个视角下相同时刻的多动物行为视频；

21、实例分割模型训练单元，提取单动物行为视频和多动物行为视频中的动物实例轮廓，并将动物实例轮廓用于训练深度学习实例分割模型；

22、实例分割单元，基于深度学习实例分割模型对单动物行为视频和多动物行为视频进行实例分割，从单动物行为视频中获得单动物分割实例，从多动物行为视频中获得多动物分割实例；

23、单动物身份识别单元，将不同视角下的单动物分割实例进行拼接，拼接后的图像作为输入图样，并将输入图样用于训练深度学习身份识别模型；

24、多动物身份识别单元，将不同视角下的多动物分割实例进行拼接，得到单个动物的部分或全部图样，基于深度学习身份识别模型对单个动物的部分或全部图样进行识别匹配，从而获得单个动物的身份信息。

25、与现有技术相比，本发明具有以下有益效果：

26、本技术公开了一种多视角动物身份识别方法，包括：获取至少两个视角下相同时刻的单动物行为视频，以及至少两个视角下相同时刻的多动物行为视频；提取单动物行为视频和多动物行为视频中的动物实例轮廓，并将动物实例轮廓用于训练深度学习实例分割模型；基于深度学习实例分割模型对单动物行为视频和多动物行为视频进行实例分割，从单动物行为视频中获得单动物分割实例，从多动物行为视频中获得多动物分割实例；将不同视角下的单动物分割实例进行拼接，拼接后的图像作为输入图样，并将输入图样用于训练深度学习身份识别模型；将不同视角下的多动物分割实例进行拼接，得到单个动物的部分或全部图样，基于深度学习身份识别模型对单个动物的部分或全部图样进行识别匹配，从而获得单个动物的身份信息。本技术使用深度学习模型重用策略，先后分别对深度学习实例分割模型以及深度学习身份识别模型进行训练，将动物实例分割任务和动物身份识别任务设计为互补任务，并结合多个视角下的视频采集，直接解决了需要人工标注身份数据、动物身份集难以标注、动物身份识别困难且误差大的问题，进一步解决稳健身份特征获取量的难以取得以及身份识别准确率低下的缺陷。

27、本技术还公开了一种多视角动物身份识别装置，包括：多相机阵列行为采集单元，获取至少两个视角下相同时刻的单动物行为视频，以及至少两个视角下相同时刻的多动物行为视频；实例分割模型训练单元，提取单动物行为视频和多动物行为视频中的动物实例轮廓，并将动物实例轮廓用于训练深度学习实例分割模型；实例分割单元，基于深度学习实例分割模型对单动物行为视频和多动物行为视频进行实例分割，从单动物行为视频中获得单动物分割实例，从多动物行为视频中获得多动物分割实例；单动物身份识别单元，将不同视角下的单动物分割实例进行拼接，拼接后的图像作为输入图样，并将输入图样用于训练深度学习身份识别模型；多动物身份识别单元，将不同视角下的多动物分割实例进行拼接，得到单个动物的部分或全部图样，基于深度学习身份识别模型对单个动物的部分或全部图样进行识别匹配，从而获得单个动物的身份信息。直接解决了需要人工标注身份数据、动物身份集难以标注、动物身份识别困难且误差大的问题，进一步解决稳健身份特征获取量的难以取得以及身份识别准确率低下的缺陷。

28、与现有技术相比，本技术公开的一种多视角动物身份识别方法及其识别装置可以实现对稳健身份特征获取量的易于取得以及提高身份识别准确率的目的。