个体身份识别在智能安防、生物特征识别、罪犯追踪等领域具有重要的研究意义,同时也为家畜身份识别分析如基于图像以及视频的羊只个体身份识别奠定了基础。在具有高相似度的羊只身份识别的研究过程中,由于羊只易聚群造成的图像采集困难、羊只相似性较高等问题,本文提出一种基于深度学习的羊只身份识别算法,通过集成多种优化算法模块,实现了高相似羊只身份的精准识别,以期为羊只的身份管理提供有效的指导。本文主要研究内容如下:（1）基于生成式对抗网络的羊只数据增强方法研究本研究中的羊只图像数据采集时间跨度大,包含早、中、晚和正面、侧面等不同角度,由于部分羊只具有攻击性,导致数据集出现不平衡问题,而传统图像增强方法,如平移、旋转等方法难以提高图像质量。为了解决类与类间数据集不平衡和图像数据利用不充分等问题,本研究采用生成式对抗网络模型进行数据增强,提出一种基于改进的Cycle-GAN网络模型的非线性图像数据增强方法,该方法能稳定有效地融合羊只图像特征及平衡数据集。（2）基于联合损失优化的高相似度羊只身份识别方法研究由于羊只个体具有高相似性,本文构建了联合优化损失函数模型用于高相似度的羊只身份识别,利用三元组损失函数与交叉熵损失函数联合优化模型,增强网络表征能力,进而提高识别的准确率。改进的模型对于奶山羊的个体身份识别的准确率可达93.077%,绒山羊准确率为89.677%,具有较优的识别性能。（3）基于羊只图像的网络模型构建研究针对绒山羊个体识别率较低的问题,本节引入迁移学习,通过将预训练模型在只有交叉熵损失函数的训练情况下对本研究中的山羊数据进行预学习,进而将最佳模型作为下一阶段的联合损失函数训练的基础预训练模型。在本节研究中,绒山羊的识别率达到93.75%,然后,为了进一步优化本文提出的模型,本节提出了一种基于级联深度学习的网络模型进而有效地提升羊只身份识别的准确率;实验结果表明,该模型对奶山羊的准确率可以达到93.846%,绒山羊的准确率可以达到95%,说明了本节中的基于羊只图像的网络模型可以有效的提高山羊身份识别的准确率。（4）基于深度学习的高相似度羊只身份识别系统集成为了推广羊只识别的应用场景,将羊只身份模型移植到服务器使用,设计并开发了高相似度羊只智能化身份识别监控平台。该平台基于用户自主上传的视频或者通过IP地址获取的摄像头监控视频,可在线识别羊只身份,实现了视频识别、摄像头实时监控两种交互模块,可识别绒山羊和奶山羊两个品种。