DB51-T 2928-2022 小熊貓識(shí)別技術(shù)規(guī)范

1、ICS 65.020.40CCS B 61DB51四 川 省 地 方 標(biāo) 準(zhǔn)DB51/T 29282022小熊貓識(shí)別技術(shù)規(guī)范2022-07-25發(fā)布2022-09-01實(shí)施四川省市場(chǎng)監(jiān)督管理局發(fā)布DB51/T 29282022目次前言. II12345范圍. 1規(guī)范性引用文件. 1術(shù)語(yǔ)和定義. 1數(shù)據(jù)采集. 2數(shù)據(jù)處理. 2附錄A（規(guī)范性）圈養(yǎng)小熊貓影像數(shù)據(jù)采集記錄表 . 6IDB51/T 29282022前言本文件按照GB/T 1.12020化工作導(dǎo)則第1部分：化文件的結(jié)構(gòu)和起草規(guī)則的規(guī)定起草。請(qǐng)注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識(shí)別專利的責(zé)任。本文件由四川省林業(yè)和草原

2、局提出、歸口并負(fù)責(zé)解釋。本文件起草單位：成都大熊貓繁育研究基地、四川大學(xué)。本文件主要起草人：陳鵬、趙啟軍、侯蓉、劉寧、張莛莛、劉鵬、闕品甲、張珊。本文件及其所代替文件的歷次版本發(fā)布情況為：本次為首次發(fā)布。IIDB51/T 29282022小熊貓識(shí)別技術(shù)規(guī)范12范圍本文件規(guī)定了小熊貓個(gè)體識(shí)別有關(guān)術(shù)語(yǔ)定義、數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析的技術(shù)。本文件適用于基于圖像的小熊貓個(gè)體識(shí)別。規(guī)范性引用文件下列文件中的內(nèi)容通過(guò)文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對(duì)應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T 26238-2

3、010信息技術(shù)生物特征識(shí)別術(shù)語(yǔ)CJJ/T 263-2017動(dòng)物園動(dòng)物管理技術(shù)規(guī)程3術(shù)語(yǔ)和定義下列術(shù)語(yǔ)和定義適用于本文件。3.13.2語(yǔ)義分割 semantic segmentation對(duì)圖像進(jìn)行像素級(jí)別分類，即預(yù)測(cè)出像素點(diǎn)的類別。卷積神經(jīng)網(wǎng)絡(luò) convolutional neural networks以卷積計(jì)算為主的神經(jīng)網(wǎng)絡(luò)，通常包含卷積層、批歸一化層、激活層、池化層、全連接層、損失函數(shù)層等基礎(chǔ)結(jié)構(gòu)。3.3相似度 similarity衡量?jī)蓚€(gè)特征的相似程度，數(shù)值越大說(shuō)明它們?cè)较嗨啤?.4閾值 threshold做出判定所依據(jù)的邊界值。3.5錯(cuò)誤接受率 false accept rate在驗(yàn)證過(guò)

4、程中，將新個(gè)體識(shí)別為數(shù)據(jù)庫(kù)中個(gè)體的比率，用百分比表示。錯(cuò)誤接受率也稱認(rèn)假率。3.6錯(cuò)誤拒絕率 false reject rate在驗(yàn)證過(guò)程中，將數(shù)據(jù)庫(kù)中個(gè)體識(shí)別錯(cuò)誤的比率，用百分比表示。錯(cuò)誤拒絕率也稱拒真率。3.7FPS Frames Per Second每秒處理圖像的數(shù)量。3.81DB51/T 29282022mAP Mean Average Precision平均精度。4數(shù)據(jù)采集4.1圖像采集流程4.1.1圈養(yǎng)小熊貓數(shù)據(jù)采集對(duì)圈養(yǎng)小熊貓的影像和視頻數(shù)據(jù)采集，每次應(yīng)確定到具體的個(gè)體。具體流程包括：a)b)c)掃描小熊貓?bào)w內(nèi)植入的芯片編號(hào)，拍攝人員多角度跟蹤拍攝對(duì)應(yīng)編號(hào)的小熊貓；記錄小熊貓顯著

5、的外貌特征、拍攝的開(kāi)始時(shí)間和結(jié)束時(shí)間；確保數(shù)據(jù)和身份信息準(zhǔn)確，對(duì)個(gè)體所采集的數(shù)據(jù)進(jìn)行一一建檔。4.1.2其他小熊貓數(shù)據(jù)采集未進(jìn)行芯片植入及野外通過(guò)紅外相機(jī)等拍攝工具獲取的小熊貓個(gè)體影像和視頻數(shù)據(jù)，應(yīng)以明確的生物個(gè)體差異特征進(jìn)行個(gè)體初始數(shù)據(jù)建檔。4.2面部圖像采集要求采集的小熊貓面部圖像需滿足以下要求：a)b)c)d)清晰無(wú)遮擋的正面照；小熊貓面部的水平面方向和垂直面方向內(nèi)的旋轉(zhuǎn)角度10；小熊貓的兩只眼睛、鼻子和耳朵可見(jiàn)；分辨率應(yīng)不低于256256像素。4.3全身圖像采集要求采集的小熊貓全身圖像需滿足以下要求：a)b)圖像清晰、光線均勻；分辨率應(yīng)不低于512512像素。5數(shù)據(jù)處理5.1面部圖像檢

6、測(cè)給定的圖像通過(guò)矩形框框出小熊貓面部面積最大的一個(gè)區(qū)域，根據(jù)檢測(cè)邊界框裁剪小熊貓的面部圖像。小熊貓面部圖像檢測(cè)算法需滿足以下要求：a)b)算法推理的實(shí)時(shí)性應(yīng)達(dá)到20FPS；平均檢測(cè)的精度mAP應(yīng)達(dá)到80%。5.2面部關(guān)鍵點(diǎn)檢測(cè)給定一張小熊貓面部圖像，確定小熊貓眼睛和鼻子的位置坐標(biāo)。5.2.1標(biāo)簽制作標(biāo)簽制作需滿足以下要求：a)關(guān)鍵點(diǎn)位置：小熊貓雙眼和鼻子中心；2DB51/T 29282022b)c)關(guān)鍵點(diǎn)數(shù)量：3個(gè)；關(guān)鍵區(qū)域范圍：以關(guān)鍵點(diǎn)的坐標(biāo)為圓心，設(shè)定一個(gè)半徑繪制圓形區(qū)域，眼睛區(qū)域的半徑設(shè)置為7個(gè)像素，鼻子區(qū)域的半徑設(shè)置為13個(gè)像素，每個(gè)關(guān)鍵點(diǎn)對(duì)應(yīng)于一個(gè)通道；標(biāo)簽格式：三通道的圖像標(biāo)簽，關(guān)

7、鍵區(qū)域內(nèi)的像素值設(shè)置為255，其余區(qū)域設(shè)置為0。d)5.2.2關(guān)鍵點(diǎn)檢測(cè)測(cè)試關(guān)鍵點(diǎn)檢測(cè)測(cè)試流程：a)輸入:一張小熊貓面部圖像；b)輸出:與輸入圖像大小相同的三通道圖像。每個(gè)通道代表一個(gè)關(guān)鍵區(qū)域，分別過(guò)濾掉每個(gè)通道較小的響應(yīng)值，剩下的響應(yīng)值較高的點(diǎn)的質(zhì)心即為該通道所對(duì)應(yīng)關(guān)鍵區(qū)域的中心坐標(biāo)，即關(guān)鍵點(diǎn)坐標(biāo)。5.2.3關(guān)鍵點(diǎn)檢測(cè)算法要求小熊貓面部關(guān)鍵點(diǎn)檢測(cè)算法需滿足以下要求：a)b)算法推理的實(shí)時(shí)性應(yīng)達(dá)到20FPS；關(guān)鍵點(diǎn)預(yù)測(cè)誤差應(yīng)不大于5像素。5.3面部對(duì)齊基于兩只眼睛的中心來(lái)對(duì)齊小熊貓的面部圖像，使得連接兩眼中心的直線是水平的。5.3.1輸入小熊貓雙眼和鼻子中心的坐標(biāo)，小熊貓面部圖像。5.3.2旋

8、轉(zhuǎn)基于雙眼中心的坐標(biāo)，旋轉(zhuǎn)小熊貓面部圖像，使雙眼中心處于同一水平線上。5.3.3裁剪設(shè)雙眼中心之間的距離為 d，眼睛中心到裁剪后的面部圖像的頂部和底部之間的距離分別為 ad和bd，左右眼中心相對(duì)于裁剪后的面部圖像的左右邊緣的距離均為cd。其中a=1.3，b=1.7和c=1.2。5.3.4輸出幾乎沒(méi)有平面內(nèi)旋轉(zhuǎn)且絕大部分背景都被消除了的小熊貓面部圖像。全身圖像檢測(cè)5.4從給定圖像中通過(guò)矩形框框出圖像中面積最大的單只小熊貓全身區(qū)域，得到檢測(cè)框后，根據(jù)邊界框裁剪小熊貓全身圖像。小熊貓全身圖像檢測(cè)算法需滿足以下要求：a)b)算法推理的實(shí)時(shí)性應(yīng)達(dá)到20FPS；平均檢測(cè)的精度mAP應(yīng)達(dá)到80%。5.5面部

9、數(shù)據(jù)庫(kù)5.5.1面部數(shù)據(jù)庫(kù)建立面部數(shù)據(jù)數(shù)據(jù)建立具體流程：3DB51/T 29282022a)通過(guò)智能成像設(shè)備采集，批量導(dǎo)入小熊貓面部圖像數(shù)據(jù)；b)在小熊貓面部圖像注冊(cè)登記過(guò)程中，綁定小熊貓面部圖像與小熊貓身份信息。5.5.2面部數(shù)據(jù)庫(kù)要求小熊貓面部數(shù)據(jù)庫(kù)需滿足以下要求：a)小熊貓面部目標(biāo)框左上角和右下角坐標(biāo)有目標(biāo)框標(biāo)注；b)雙眼和鼻子的關(guān)鍵點(diǎn)有坐標(biāo)標(biāo)注；c)經(jīng)過(guò)圖像去重操作。5.6全身數(shù)據(jù)庫(kù)5.6.1全身數(shù)據(jù)庫(kù)建立全身數(shù)據(jù)數(shù)據(jù)建立具體流程：a)通過(guò)智能成像設(shè)備采集，批量導(dǎo)入小熊貓全身圖像數(shù)據(jù)；b)在小熊貓全身圖像注冊(cè)登記過(guò)程中，綁定小熊貓全身圖像與小熊貓身份。5.6.2全身數(shù)據(jù)庫(kù)要求小熊貓全身

10、數(shù)據(jù)庫(kù)需滿足以下要求：a)小熊貓全身目標(biāo)框左上角和右下角坐標(biāo)有目標(biāo)框標(biāo)注；b)經(jīng)過(guò)圖像去重操作。5.7面部圖像識(shí)別5.7.1輸入對(duì)齊并裁剪好的小熊貓面部圖像。5.7.2識(shí)別網(wǎng)絡(luò)模型用于提取身份特征的卷積神經(jīng)網(wǎng)絡(luò)，常用的卷積神經(jīng)網(wǎng)絡(luò)有VGG，ResNet，SENet等通用卷積神經(jīng)網(wǎng)絡(luò)。5.7.3輸出輸入小熊貓面部圖像的特征。5.7.4比對(duì)比對(duì)具體流程：a)將輸入小熊貓面部圖像的特征與注冊(cè)集中登記的所有小熊貓面部圖像的特征進(jìn)行相似度計(jì)算；b)最高相似度高于指定的相似度閾值，其身份被確定為與它最相似的特征所屬的小熊貓；c)最高相似度低于指定的相似度閾值，則判定其是未知的小熊貓新個(gè)體。5.7.5面部圖

11、像識(shí)別算法要求當(dāng)錯(cuò)誤接受率為0.1%時(shí)，錯(cuò)誤拒絕率應(yīng)不大于10%。全身圖像識(shí)別5.85.8.1輸入4DB51/T 29282022經(jīng)過(guò)檢測(cè)的小熊貓全身圖像。5.8.2輸出輸入小熊貓全身圖像的特征。5.8.3識(shí)別模型用于提取身份特征的卷積神經(jīng)網(wǎng)絡(luò)，常用的卷積神經(jīng)網(wǎng)絡(luò)有 VGG，ResNet，SENet等。5.8.4比對(duì)比對(duì)具體流程：a)將輸入小熊貓全身圖像的特征與注冊(cè)集中登記的所有小熊貓全身圖像的特征進(jìn)行相似度計(jì)算；b)最高相似度高于指定的相似度閾值，其身份被確定為與它最相似的特征所屬的小熊貓；c)最高相似度低于指定的相似度閾值，則判定其是未知的小熊貓新個(gè)體。5.8.5全身圖像識(shí)別算法要求當(dāng)錯(cuò)誤接受率為0.1%時(shí)，錯(cuò)誤拒