面部识别技术最初是以人脸为研究对象而迅速发展,随着其研究的不断深入及应用领域的不断拓展,人们将其逐渐应用于各种动物的面部识别上,比如黑猩猩、金丝猴等。基于面部图像的识别方法为动物个体识别提供快速有效的识别手段,能促进动物行为学研究的发展。川金丝猴是中国特有的珍稀物种,是国家级一级保护动物。本文以川金丝猴为研究对象,分析其面部特征与人脸之间的差异,针对其面部所具有的纹理、形状、结构等特征,根据不同的实际应用场景,设计相应的面部识别算法。1.基于局部增强型LBP特征的川金丝猴面部识别。针对川金丝猴面部毛发纹理多变、面部相似度较高,特别是同一年龄段相同性别的个体之间,以及由于非配合性的数据采集所导致的个体面部图像数量较少等问题,提出局部增强型LBP(locally enhanced local binary pattern,LE-LBP)的川金丝猴识别算法。该算法主要关注川金丝猴面部的皮肤区域,避免纹理多变的毛发对识别结果的干扰;对于整体结构相似的皮肤区域,首先利用faster RCNN对面部五官进行检测分割,分割结果作为算法关注的感兴趣区域;然后计算每个感兴趣区域内的纹理复杂度,并将其作为感兴趣区域的子区域划分深度的依据;最后计算各子区域的LBP特征,并进行级联以获得最终的LE-LBP。相对于传统LBP,LE-LBP能够更好地体现川金丝猴面部所具有的细节特征,更准确地完成川金丝猴面部识别。2.基于SPL-BCNN的川金丝猴面部识别。针对在川金丝猴个体面部图像数量较大,面部图像中存在角度、表情和光照变化以及不同程度遮挡等情况下,传统方法难以准确识别,提出一种基于SPL-BCNN的川金丝猴面部识别算法。该算法使用自步学习(Self-Paced learning)策略对双线性卷积网络模型(Bilinear Convolutional Neural Networks)的训练过程进行优化,将训练样本对于学习目标的难易程度,按照损失由小到大的顺序逐步用于双线性卷积网络的学习训练过程中,避免模型训练过程陷入局部最优,从而获得更好的泛化性能和更高的识别准确率。