基于深度神经网络的人脸识别，基于深度神经网络的人脸识别,基于神经网络的人脸识别论文

人脸识别技术发展迅速。然而，西北大学没有走寻常路，利用人工智能(AI)技术识别了秦岭地区数千只川金丝猴的猴脸。

如何准确、快速地识别野生动物，实现连续的“重点动物采样”和个体全覆盖的“全程事件采样”，从而科学地认识并据此开展动物保护工作，一直是世界各国动物学家向往却无法突破的难题。

西北大学生命科学学院教授郭松涛与计算机科学领域的专家深度融合，成立了动物AI研究团队。基于金丝猴研究团队对该物种特征的长期研究成果，团队提出了具有注意机制的深度神经网络模型，并首次开发了基于Tri-AI技术的金丝猴个体识别系统。

“该系统颠覆了传统依靠动物斑纹、颜色、伤痕或人工标记特征等个体特征的方法，实现了对野生个体的准确识别和连续跟踪采样的功能。更重要的是，该系统使得在理想条件下实现无观测者干扰效应的动物学研究成为可能。”郭松涛说。

相比人脸识别，猴脸识别的技术难点在于金丝猴脸部的皮肤区域有很多毛区域，而且毛区域比较明显，纹理特征也比较复杂，这对识别系统的深度学习能力提出了更高的要求。

"我们需要更多更高质量的单个图像样本来提高识别率."研究小组的负责人李保国解释说，“野外环境非常复杂，金丝猴不会主动合作，所以很难获得好的图片和视频。我们的目标是拍摄每只秦岭金丝猴的图像样本，所有秦岭金丝猴都可以通过猴子人脸识别技术进行识别。”

目前猴脸识别技术处于实验普及阶段，可以识别秦岭约200只金丝猴。“该系统的适用性已在41种代表性灵长类动物和4类食肉动物中得到验证，平均识别准确率为94.1%。”西北大学信息科学与技术学院副教授徐鹏飞说。

目前Tri-AI系统不仅可以多组应用于不同物种，还可以实现夜间连续无遮挡观测。该技术大大提高了个体数据分析的效率，为动物学研究提供了新的技术方案，为野生动物保护和智能管理提供了可靠的技术支持。

目前这项工作已经进入应用推广阶段。一方面，初步完成了“动物个体识别”系统(V1.0)的开发，用于识别和记录秦岭金丝猴多个分布区的多个种群、上千个个体，建立秦岭金丝猴个体信息库的工作已经启动；另一方面，此项工作进一步拓展了应用行业和范围，结合野生和圈养条件下动物识别的不同应用场景和需求，开展了个性化识别功能的研发，实现了基于动物精确识别的动物保护、饲养、繁育和研究的精细化管理。