DB51四川省市場監(jiān)督管理局發(fā)布IDB51/T2928—2022前言 12規(guī)范性引用文件 13術(shù)語和定義 14數(shù)據(jù)采集 25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 6DB51/T2928—2022本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。請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)識別專利的責(zé)任。本文件由四川省林業(yè)和草原局提出、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。DB51/T2928—20221小熊貓識別技術(shù)規(guī)范本文件規(guī)定了小熊貓個體識別有關(guān)術(shù)語定義、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體識別。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(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/T26238-2010信息技術(shù)生物特征識別術(shù)語CJJ/T263-2017動物園動物管理技術(shù)規(guī)程3術(shù)語和定義下列術(shù)語和定義適用于本文件。3.1語義分割semanticsegmentation對圖像進(jìn)行像素級別分類，即預(yù)測出像素點(diǎn)的類別。3.2卷積神經(jīng)網(wǎng)絡(luò)convolutionalneuralnetworks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衡量兩個特征的相似程度，數(shù)值越大說明它們越相似。3.4閾值threshold做出判定所依據(jù)的邊界值。3.5錯誤接受率falseacceptrate在驗(yàn)證過程中，將新個體識別為數(shù)據(jù)庫中個體的比率，用百分比表示。錯誤接受率也稱認(rèn)假率。3.6錯誤拒絕率falserejectrate在驗(yàn)證過程中，將數(shù)據(jù)庫中個體識別錯誤的比率，用百分比表示。錯誤拒絕率也稱拒真率。3.7FPSFramesPerSecond每秒處理圖像的數(shù)量。3.8DB51/T2928—20222mAPMeanAveragePrecision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)確定到具體的個體。具體流程包括：a)掃描小熊貓體內(nèi)植入的芯片編號，拍攝人員多角度跟蹤拍攝對應(yīng)編號的小熊貓；b)記錄小熊貓顯著的外貌特征、拍攝的開始時間和結(jié)束時間；c)確保數(shù)據(jù)和身份信息準(zhǔn)確，對個體所采集的數(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紅外相機(jī)等拍攝工具獲取的小熊貓個體影像和視頻數(shù)據(jù)，應(yīng)以明確的生物個體差異特征進(jìn)行個體初始數(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)清晰無遮擋的正面照；b)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°;c)小熊貓的兩只眼睛、鼻子和耳朵可見；d)分辨率應(yīng)不低于256×256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)圖像清晰、光線均勻；b)分辨率應(yīng)不低于512×512像素。5數(shù)據(jù)處理5.1面部圖像檢測給定的圖像通過矩形框框出小熊貓面部面積最大的一個區(qū)域，根據(jù)檢測邊界框裁剪小熊貓的面部圖像。小熊貓面部圖像檢測算法需滿足以下要求：a)算法推理的實(shí)時性應(yīng)達(dá)到20FPS；b)平均檢測的精度mAP應(yīng)達(dá)到80%。5.2面部關(guān)鍵點(diǎn)檢測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；DB51/T2928—20223b)關(guān)鍵點(diǎn)數(shù)量：3個；c)關(guān)鍵區(qū)域范圍：以關(guān)鍵點(diǎn)的坐標(biāo)為圓心，設(shè)定一個半徑繪制圓形區(qū)域，眼睛區(qū)域的半徑設(shè)置為7個像素，鼻子區(qū)域的半徑設(shè)置為13個像素，每個關(guān)鍵點(diǎn)對應(yīng)于一個通道；d)標(biāo)簽格式：三通道的圖像標(biāo)簽，關(guān)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。5.2.2關(guān)鍵點(diǎn)檢測測試關(guān)鍵點(diǎn)檢測測試流程：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。每個通道代表一個關(guān)鍵區(qū)域，分別過濾掉每個通道較小的響應(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)檢測算法要求小熊貓面部關(guān)鍵點(diǎn)檢測算法需滿足以下要求：a)算法推理的實(shí)時性應(yīng)達(dá)到20FPS；b)關(guān)鍵點(diǎn)預(yù)測誤差應(yīng)不大于5像素。5.3面部對齊基于兩只眼睛的中心來對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a×d和b×d，左右眼中心相對于裁剪后的面部圖像的左右邊緣的距離均為c×d。其中a=1.3，b=1.7和c=1.2。5.3.4輸出幾乎沒有平面內(nèi)旋轉(zhuǎn)且絕大部分背景都被消除了的小熊貓面部圖像。5.4全身圖像檢測從給定圖像中通過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算法需滿足以下要求：a)算法推理的實(shí)時性應(yīng)達(dá)到20FPS；b)平均檢測的精度mAP應(yīng)達(dá)到80%。5.5面部數(shù)據(jù)庫5.5.1面部數(shù)據(jù)庫建立面部數(shù)據(jù)數(shù)據(jù)建立具體流程：DB51/T2928—20224a)通過智能成像設(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登記過程中，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)庫要求小熊貓面部數(shù)據(jù)庫需滿足以下要求：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)過圖像去重操作。5.6全身數(shù)據(jù)庫5.6.1全身數(shù)據(jù)庫建立全身數(shù)據(jù)數(shù)據(jù)建立具體流程：a)通過智能成像設(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登記過程中，綁定小熊貓全身圖像與小熊貓身份。5.6.2全身數(shù)據(jù)庫要求小熊貓全身數(shù)據(jù)庫需滿足以下要求：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)過圖像去重操作。5.7面部圖像識別5.7.1輸入對齊并裁剪好的小熊貓面部圖像。5.7.2識別網(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)5.7.3輸出輸入小熊貓面部圖像的特征。5.7.4比對a)將輸入小熊貓面部圖像的特征與注冊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體。5.7.5面部圖像識別算法要求當(dāng)錯誤接受率為0.1%時，錯誤拒絕率應(yīng)不大于10%。5.8全身圖像識別5.8.1輸入DB51/T2928—20225經(jīng)過檢測的小熊貓全身圖像。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a)將輸入小熊貓全身圖像的特征與注冊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