ICS 65.020.40 CCS B 61 DB51 四 川 省 地 方 标 准 DB51/T 2925—2022 大熊猫识别技术规范 2022 - 07 - 25 发布 四川省市场监督管理局 2022 - 09 - 01 实施 发 布 DB51/T 2925—2022 目 次 前言 ................................................................................. II 1 范围 ............................................................................... 1 2 规范性引用文件 ..................................................................... 1 3 术语和定义 ......................................................................... 1 4 缩略语 ............................................................................. 1 5 数据采集 ........................................................................... 2 6 数据处理 ........................................................................... 2 附录 A（规范性） 大熊猫影像数据采集记录表 ............................................. 4 I DB51/T 2925—2022 前 言 本文件按照GB/T 1.1—2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定 起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由四川省林业和草原局提出、归口并负责解释。 本文件起草单位：成都大熊猫繁育研究基地、四川师范大学。 本文件主要起草人：陈鹏、苏菡、侯蓉、王海锟、漆愚、臧航行、崔凯、赵文圣、刘鹏、阙品甲、 张珊、张玉均。 本文件及其所代替文件的历次版本发布情况为： ——本次为首次发布。 II DB51/T 2925—2022 大熊猫识别技术规范 1 范围 本文件规定了大熊猫个体识别有关术语定义、数据采集、数据分析等。 本文件适用于基于图像的大熊猫个体识别。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GB/T 26238-2010 信息技术 生物特征识别术语 CJJ/T 263-2017 动物园动物管理技术规程 3 术语和定义 下列术语和定义适用于本文件。 3.1 目标检测 object detection 从图像中找出目标的位置坐标,一般用矩形框框出目标，并对该目标进行分类。 3.2 相似度 similarity 衡量两个特征的相似程度，数值越大说明它们越相似。 3.3 错误接受率 false accept rate 在验证过程中，将新个体识别为数据库中个体的比率，用百分比表示。错误接受率也称认假率。 3.4 残差网络 residual network 残差网络其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。 3.5 交并比 Intersection over Union 交并比是产生的候选框与原标记框的交集与并集的比值。 4 缩略语 下列缩略语适用于本文件。 IOU：交并比（Intersection over Union） FPS：每秒传输帧数（Frames Per Second） SSIM：结构相似性(Structural Similarity) Rank-1：预测概率最大的类别 1 DB51/T 2925—2022 Rank-5：预测概率前五的类别 5 数据采集 5.1 大熊猫图像采集流程 大熊猫图像数据采集流程如下： a) 将大熊猫的监控视频或者野外红外相机视频数据中含有大熊猫的片段挑选出来，通过视频拆帧 将视频数据转化成图像数据； b) 记录转换后的图像数据及大熊猫身份信息。 5.2 大熊猫脸部图像筛选 大熊猫脸部图像的筛选需满足以下要求： a) 正脸图像光照均匀，无过度曝光，清晰完整； b) 大熊猫正脸在水平面方向和垂直面方向上的旋转角度±10°； c) 在不影响两眼、耳朵、鼻子、嘴等关键部位的情况下，允许存在10%—20%的遮挡； d) 大熊猫脸部图像的分辨率不低于256×256像素。 5.3 大熊猫个体图像档案库建立流程 以大熊猫的身份信息命名文件夹(例：谱系号_个体名)，把对应的大熊猫个体图像数据存入文件夹 中，将大熊猫个体图像数据与对应的文件夹路径记录在Excel表格中。 大熊猫个体图像档案库建立流程需满足以下要求： a) 每个文件夹应保证唯一，无重复； b) 每个文件夹中的图像数据属于同一只大熊猫，且图片唯一，无重复； c) Excel表格中的每条记录唯一，且准确。 6 数据处理 6.1 大熊猫图像数据处理 6.1.1 大熊猫脸部图像检测 通过预训练后的目标检测算法，获取图像中大熊猫正脸区域的边界框，裁剪大熊猫的脸部图像，并 将裁剪后的图像转换为单通道灰度图。 6.1.2 大熊猫脸部图像检测算法 大熊猫正脸图像检测算法需满足以下要求： a) 算法推理的实时性应达到20FPS； b) 无新个体图像输入时，检测算法Rank-1准确度应达到96%，Rank-5准确度应达到97%； c) 交并比（IOU）达到70%时，检测精度应达到90%。 6.1.3 大熊猫正脸图像分割 大熊猫正脸图像分割流程： a) 将检测得到的大熊猫正脸图像输入至预训练后的残差网络中，提取特征； b) 将输出的特征图输入至面部分割网络中，生成二元掩膜； 2 DB51/T 2925—2022 c) 二元掩膜与原输入脸部图像相乘，输出分割后的大熊猫正脸图像。 6.1.4 大熊猫正脸图像分割算法 大熊猫正脸图像分割算法，要求大熊猫正脸图像与分割后图像IOU不低于90%。 6.1.5 大熊猫正脸对齐 将分割后的图像输入至面部对齐网络中，提取正脸特征并裁剪，裁剪后的图像依据模板进行校准。 6.1.6 大熊猫正脸图像对齐算法 大熊猫正脸图像对齐算法需满足以下要求： a) 算法推理的实时性不低于30FPS； b) 关键点预测误差不大于5像素。 6.2 大熊猫正脸数据库 6.2.1 大熊猫正脸数据库建立 大熊猫正脸数据库建立流程： a) 通过智能成像设备采集，批量导入大熊猫正脸图像数据信息； b) 注册登记过程中，绑定大熊猫脸部图像与大熊猫身份信息； c) 对所有图像，标注大熊猫正脸目标框区域的左上角和右下角坐标，并使用多边形来标注左耳、 右耳、左眼、右眼、鼻子、嘴巴、正脸； d) 使用SSIM方法测量图像间的像素及相似度，进行图像去重操作。 6.2.2 大熊猫脸部数据库要求 大熊猫脸部数据库需满足图像数据相似度不超过0.8。 6.3 大熊猫识别 6.3.1 大熊猫正脸识别 大熊猫正脸识别流程： a) 给定一张裁剪好并对齐的大熊猫正脸图像； b) 使用残差网络提取特征； c) 输出预测概率，根据预测概率进行身份识别。 6.3.2 大熊猫脸部图像检测 大熊猫正脸图像识别算法需满足以下要求： a) 当错误接受率为5%时，算法识别出新个体准确率不低于93%； b) 当无新个体输入时，算法Rank-1准确度不低于96%，算法Rank-5准确度不低于97%； c) 当存在新个体输入时，算法Rank-1准确度不低于92%，Rank-5准确度不低于95%。 3 DB51/T 2925—2022 A A 附 录 A （规范性） 大熊猫影像数据采集记录表 大熊猫影像数据采集记录表见表A.1。 表A.1 大熊猫影像数据采集记录表 采集人： 采集日期： 正脸 名 称 左侧 45 度 右侧 45 度 左侧 90 度 右侧 90 度 谱系 号 总 标 非 需补 标 非 需补 标 非 需补 标 非 需补 标 非 需补 准 标 充 准 标 充 准 标 充 准 标 充 准 标 充 计 4