1. 研究目的与意义、国内外研究现状（文献综述）
近年来，随着智能化养殖业的兴起和国家对食品安全管理的不断加强，对动物进行准确的身份识别已成为行业内迫切需要解决的问题。目前，动物身份识别的主要方式是穿孔佩戴无线射频识别标签，这种侵入式的识别方式很容易引起动物的不适，咬标、掉标的情况经常发生。面部识别作为生物识别技术的一种，迁移应用于动物身份确认具有安全、便捷、非侵入等显著优点。[1]传统的面部识别方法依靠手工提取面部图像特征，需要大量领域经验，性能不稳定。深度学习作为目前面部识别领域最重要的技术手段，能够自动提取图像的高维抽象特征，大大提高了算法的精度和鲁棒性。
随着智能化养殖的兴起以及国家对食品安全管理重视的不断加强，对动物进行准确的身份识别已成为一个迫切需要解决的问题。利用面部识别技术对动物身份进行识别不仅可以帮助养殖企业实现对个体牲畜的精准化智能管理，而且为食品安全追溯和商业保险理赔中的身份验证问题提供了一个安全、有效、便捷的解决方案。因此，进行动物面部识别的相关研究具有非常重要的现实意义。[2]
国内外在面部识别算法的应用推广中都是人脸识别占据主导地位，关于动物面部识别的相关研究由于应用场景的限制则相对较少。但是，仍有一些科研机构和人员做出了大量的努力和尝试并取得了良好的效果。ahrendt和arcifiacono等人将面部识别技术迀移应用于猪和牛的行为识别[3-4]，wada和ahinya等人利用eigenface技术对完全手动裁剪的牛脸进行别并取得了77%的识别准确率。[5]hansena等人分别利用深度神经网络和hsherface方法提取商业农场环境下的牛脸特征，然后将两种特征融合进行分类识别，取得了96.7%的识别准确率1%，但作者只采集了10头猪的面部数据用于实验，且姿态、背景、光照单一，不具备良好的鲁棒性。[6]黄华俊、田壮等人采用了改进简化后的 vgg 网络， 采集 21 头奶牛在不同姿态的脸部图像进行训练和识别，试验结果表明综合识别准确率达 98.7%。[7]国内工业界近几年也涌现出了对于动物面部识别研究的热情，并将其成功应用于某些商业场景和科学研宄，如京东采用面部识别技术来监控大量的牛群，以快速检测年龄、体重和饮食等指标。野生动物保护机构利用面部识别技术来区分和追踪保护濒危野生动物。
2. 研究的基本内容和问题
本项目研究目标是通过尝试vgg-16网络和bilinear-cnn并两种网络进行改进找到效率最高的牛脸识别方法，同时尝试提高拍摄角度、光照、天气等外部条件干扰下识别准确率。
（1）扩充图像集：现有图像只有下午光照均匀时的奶牛正面、左面、右面的图像，为了保证实验的严谨性，需要增加奶牛正面不同角度的图像、其他光照情况下奶牛面部图像和阴雨天气奶牛面部图像。
（2）图像预处理：需要处理图像中牛脸的位置，侧面图像中牛脸的角度以及背景处理。
3. 研究的方法与方案
（1）扩充图像集：现有图像只有下午光照均匀时的奶牛正面、左面、右面的图像，为了保证实验的严谨性，需要增加奶牛正面不同角度的图像、其他光照情况下奶牛面部图像和阴雨天气奶牛面部图像。
（2）图像预处理：需要处理图像中牛脸的位置，侧面图像中牛脸的角度以及背景处理。
（3）利用现有网络扩充实验：本项目拟通过现在已有的vgg-16和bilinear-cnn网络对牛脸图像进行识别，通过调参优化实验结果。拟尝试的方法：
4. 研究创新点
①面部特征通常可以分为全局特征和局部特征，传统识别算法通常基于局部特征进行特征提取，通过综合各局部特征来对面部整体进行建模。但是这种方法依赖于人工进行特征部位的选择和特征抽取，需要大量的领域经验，导致算法性能不稳定。卷积神经网络模拟了人类视觉的学习机制，不仅能够提取到面部更具表现力的高维特征，而且大大降低了特征提取成本和难度。卷积神经网络通常对整张图像进行特征提取，对于判别力区域的关注往往是不够的，而对于牛脸识别这个细粒度任务而言，其识别重点在于牛脸的一些细节特征部位，因此，需要网络能够提取到图像中足够精细的高维特征，并加强对判别力区域特征的提取。针对卷积神经网络在细粒度图像识别任务中存在的不足，需要改进现有的卷积神经网络算法，以增强模型对判断力区域的特征提取。
根据人类视觉处理机制，人类的视觉处理主要包含两条通路，其中背侧通路用来识别物体，腹侧通路则用来定位物体特征的位置。bilinear-cnn的提出正是基于这样的思想，希望通过使用两条卷积神经网络（vgg-16）来模拟人类的视觉处理方式，并将两条网络提取到的特征通过双线性操作进行融合以获得图像更加精细化的高维特征表示，提高细粒度图像的分类效果。
5. 研究计划与进展
研究计划：
2020.1-2020.2：扩充实验数据，实现面部矫正和采用vgg-16网络和bilinear-cnn对牛脸进行识别。
2020.3-2020.4：实改进网络找到识别效率更高的方法。改进光照，拍摄角度对识别准确率的影响。
