金丝猴是I级保护动物,在生物进化和种群结构上有着极高的研究价值。针对金丝猴的研究,需要建立在个体的准确识别之上。而传统的识别方法效率低且准确度低,不能够快速而准确的识别出金丝猴个体。随着计算机视觉技术的发展,应用计算机视觉技术进行金丝猴面部识别成为了可能。深度学习网络特别是卷积神经网络(Convolutional Neural Network,CNN)已经在图像处理、图像分类等领域取得了巨大的成功。针对金丝猴识别难的问题,本文将会采用基于注意力机制的卷积神经网络进行金丝猴面部识别。本文首先介绍了金丝猴面部识别的背景及其意义,然后阐述了面部识别的发展现状并阐述了本文的创新点。然后,介绍了卷积神经网络的发展史,以及卷积神经网络的基本结构。对注意力机制进行了详细的阐述,并介绍了深度特征的融合策略。接着分析了金丝猴数据集以及金丝猴面部图像,并在该基础之上分别提出了RAP-Net和Tri-Attention算法。最后,基于Java Web实现了金丝猴面部识别系统。(1)本文从金丝猴数据集出发,分析了金丝猴数据集的特点以及难点,并分析了金丝猴面部图像的区域特征。基于金丝猴图像分析,本文提出了RAP-Net算法。该算法首先使用最大类间方差法对图像进行预处理,并联合空间注意力机制和通道注意力机制进行金丝猴识别。采用空间注意力机制对金丝猴的区域进行关注并提取特征,而采用通道注意力机制可以在通道维度上进行关注。通过进行对比实验验证,验证了该算法的有效性。(2)针对拥有极高相似性的金丝猴个体,本文提出了Tri-Attention算法。该算法采用了空间注意力机制,分别对金丝猴面部图像的全局特征、局部特征以及显著性特征进行关注。针对金丝猴的全局特征,提出了对象区域关注模型。而针对其他两个特征,分别提出了局部区域关注模型和显著区域关注模型。最后,将不同粒度的特征进行融合,以提高分类的准确度。(3)根据上述算法生成模型,本文基于Java Web实现了金丝猴面部识别系统。该系统能够实现图片上传与下载、图片预处理、模型加载和识别等,因此使用人员就可以实时的获取金丝猴个体信息。