買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜西北大學申請的專利一種金絲猴新個體識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115331134B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210786124.1，技術領域涉及：G06V20/40；該發明授權一種金絲猴新個體識別方法是由鄧鑫;劉佳;趙玄潤;衛毅;許鵬飛;劉燾;郭松濤;楊璐瑤設計研發完成，并于2022-07-04向國家知識產權局提交的專利申請。

本一種金絲猴新個體識別方法在說明書摘要公布了：本發明涉及一種金絲猴新個體識別方法，采用基于孿生網絡和深度特征聚類算法，對無身份信息金絲猴圖像數據按個體分類。通過三個模塊分別是金絲猴面部圖像預訓練編碼器模塊，金絲猴的類別數量估計模塊，以及無標簽數據進行聚類模塊。來解決實際中一些身份信息缺失的圖像數據，無身份信息野生靈長類動物數據，最終導致無法進行身份識別的問題。進一步將識別準確率高的靈長類動物新個體補充到原有數據集中，進行數據增強，提高模型對新個體的識別能力。從實驗結果可以看出，估計的類別個數與實際類別個數誤差在3個以內，SS?NIR在金絲猴新個體識別上具有很好的性能。

本發明授權一種金絲猴新個體識別方法在權利要求書中公布了：1.一種金絲猴新個體識別方法，其特征在于，該方法采用基于孿生網絡和深度特征聚類的自監督新個體識別算法，通過引入金絲猴面部圖像預訓練編碼器模塊、金絲猴類別數量估計模塊、以及無標簽數據聚類模塊對無身份信息的金絲猴數據進行新個體識別，具體包括如下步驟：步驟S1：首先使用高分辨率的攝像頭采集行金絲猴視頻；步驟S2：對視頻進行等間隔的分幀處理，分幀后金絲猴圖像使用圖像質量評估算法MUSIQ進行評估，將存在嚴重模糊，抖動的圖像篩除；步驟S3：使用labelme軟件對金絲猴面部進行標注，采用目標檢測網絡yolov5對含有金絲猴面部信息的圖像進行面部檢測；再將定位好的面部從圖像分割出來，得到只包含金絲猴面部的圖像；步驟S4：對檢測得到的金絲猴面部圖像數據進行預處理，裁剪尺寸到同一大小并對金絲猴面部圖像進行矯正處理；步驟S5：將得到高質量金絲猴面部圖像預訓練編碼器模塊，用于提取金絲猴個體的視覺特征，通過從帶標簽數據中學習的先驗知識減少聚類的模糊性，提高對新個體劃分的準確率；步驟S6：利用孿生網絡的結構從數據中學習面部視覺特征；具體實現步驟包括：步驟61：將高質量金絲猴圖像數據輸入編碼器進行預訓練，預訓練模塊采用的是ResNet-50的深度神經網絡作為主干網絡；步驟62：通過孿生網絡編碼器得到兩個金絲猴圖像的深度特征向量，并計算兩個特征向量之間的余弦距離；步驟63：不斷迭代基于孿生網絡和深度特征聚類算法的自監督新個體識別的網絡，通過反向傳播，更新網絡參數直到網絡收斂；步驟S7：類別數量估計模塊，用于估計金絲猴新個體的類別數量，通過知識遷移的方法利用帶標記數據的先驗知識估計無標簽數據的類別個數；具體實現步驟包括：步驟S71：通過帶標簽數據的先驗知識，使用K-means多次對帶標簽數據和無標簽數據集進行聚類，并不斷估計和更新無標簽數據的類數量；步驟S72：計算兩個質量指數來檢查得到的聚類結果，其中一個質量指數是檢查帶標簽數據的質量，它的類別數量是已知的；步驟S73：無標簽數據的類別數量會被估計為使兩個質量指數最大的一個；步驟S8：聚類分析模塊，通過聚類算法對無標簽數據進行聚類，達到個體識別的目的；具體實現步驟包括：步驟S81：通過步驟S7類別數量估計模塊估計出了無標簽數據的類別個數，再利用聚類算法對新個體數據賦予標簽；步驟S82：利用ResNet-50與K-means聚類算法交替訓練的方式，更新ResNet-50的網絡參數；步驟S83：將同一金絲猴個體下的圖像歸為一類，賦予每張圖像一個偽標簽；步驟S9：將識別準確率高的金絲猴新個體補充到原有數據集中，進行數據增強。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西北大學，其通訊地址為：710069 陜西省西安市太白北路229號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。