基本信息

第一作者姓名：雷致远

性别：男

民族：汉族

第一作者学校：汉鼎书院

第一作者人所在年级：9年级

第二作者姓名：卢滢檀

性别：女

民族：汉族

第二作者人所在学校：汉基国际学校

第二作者人所在年级：9年级

第三作者姓名：

性别：

民族：

第三作者人所在学校：

第三作者人所在年级：

辅导教师姓名：马尧

作品摘要

*主要特征：

研究基于卷积神经网路的深度学习模型为香港普通猕猴（Macaca mulatta）设计脸部识别系统“MFR”。在21只猕猴中，采用“猴脸”法识别平均准确率为82.6%，猴头”法平均准确率为84.2%。

*主要用途：

“MFR”猴脸识别系统是一种对普通猕猴非侵入性的个体识别方法。该方法不需要接触猕猴，不伤害猕猴，通过“扫脸”就可以识别不同的猕猴。这种方法可以改善香港野生猕猴的研究、保育和管理。

*与人工智能的相关性说明：

目前香港对野生猕猴个体识别的方法是打耳洞、植入晶片或纹身。“MFR”猴脸识别方法对猕猴没有伤害，识别效率更高。 与其它动物脸部识别系统相比，“MFR”采用两种不同的脸部识别方法，识别区域定义更清晰。

作品说明

*构思形成：

在香港，目前对野生猕猴个体识别的方法是打耳洞、植入芯片或胸部纹身。我们认为这样的方法很残忍，对猕猴造成了伤害。如果可以开发出一款“猴脸识别”系统，给猕猴一扫脸就知道它是哪只猴子，就可以很好的解决问题。

*设计过程：

“MFR”猴脸识别系统使用基于卷积神经网络和TensorFlow 2对象检测框架的深度学习模型，共收集62只猕猴的114个视频和352张照片作为数据库，选择21只猕猴的182张照片和视频帧作为MFR的原始训练样本，通过图像增强将其扩展到9100张图像。研究采用两种面部特征标注方法，“猴脸”法主要覆盖眼睛、鼻子、嘴巴等面部无毛区域;“猴头法”不仅包括“猴脸”，还包括耳朵和面部周围的毛发。

*演示效果：

MFR系统可以通过导入图片识别或摄像头实时识别猴脸。“猴头法”的MFR平均准确率为84.2%(平均精确度89.7%，平均召回率93.9%)，“猴脸法”的MFR平均准确率为82.6%(平均精确度88.6%，平均召回率93.2%)。“猴头法”MFR的表现更好，精度更高，但“猴脸法”MFR被认为更适合长期观察，因为野生猕猴面部周围的毛发可能会经常发生变化。

*优点：

目前香港对野生猕猴个体识别的方法是打耳洞、植入晶片或纹身。“MFR”猴脸识别方法对猕猴没有伤害，识别效率更高。 与其它动物脸部识别系统相比，“MFR”采用两种不同的脸部识别方法，识别区域定义更清晰。

*还需进一步研究的问题：

未来我们将采用特征点的方法标记猴脸。我们将采集更多香港野生猕猴脸部样本，使用更强大的计算机设备，实现对更多野生猕猴的个体识别。

作品图片