1.一种改进光照与摄像头差异的牛脸识别方法，其特征在于，包括以下步骤：S1采集牛脸数据：在若干种不同的光照条件下，使用若干款不同的摄像头采集牛脸视频，从所述牛脸视频中截取牛脸图像并进行分类、编号和筛选，构建COWYCTC‑868数据集；将所述COWYCTC‑868数据集分为训练集和验证集；

S2 Style‑ResNet模型建立与数据训练

S2.1构建特征归一化模块Style‑Block

在style‑block中，首先按下式所示的方法，对包含风格信息的特征F通过实例归一化得到不包含风格信息的风格归一化特征式中μ和σ为牛脸图像特征在每一个通道统计的均值和方差，γ和β为实例归一化中的可学习参数；之后再通过包含风格信息的特征F和不包含风格信息的风格归一化特征 按下式所示的方法，计算包含实例归一化丢失牛脸图像内容信息的残差特征R：c×h×w

所述残差特征R∈R ,该特征是一个c×h×w的三维数组，所述残差特征R中包含和类别相关的识别特征 以及由于光照和摄像头差异产生的风格特征其中c,h,w表示特征的通道数、高度和宽；在所述残差特征R的通道维度，按如下式所示的方法，运用自注意力机制获得残差特征R和识别任务之间的关系向量V：V＝Sigmoid(Conv(ReLu(Conv(pool(R)))))式中，关系向量V＝[V0,V1,....,Vc‑1]，Sigmoid为激活函数，pool为全局平均池化层、ReLu是激活函数，Conv是卷积层；通过关系向量V，按如下式所示的方法，计算出残差特征R+ ‑中的类别信息相关的识别特征R和风格信息特征R：

+

R(k,:,:)＝VkR(k,:,:)

‑

R(k,:,:)＝(1‑Vk)R(k,:,:)

其中 为特征R的第k个通道的特征，Vk为关系向量V的第k个维度值，+

最后将恢复的识别特征R和实例归一化特征 相加，得到最后只包含类别信息的输出特征‑将style‑block从残差特征R中提取的风格特征R和实例归一化特征 相加，得到最后包含风格信息的输出特征所述风格信息由牛场光照差异和摄像头差异产生；

S2.2构建风格归一化残差块Style‑Resnet‑Block所述风格归一化残差块的主干框架是使用残差块形式；

所述风格归一化残差块的输入为经过归一化后的图片特征 所述经过归一化后的图片特征 是通过将输入图像经过3×3卷积层、最大值池化层后得到的；对所述归一化后的图片特征 进行若干次卷积归一化和Mish激活函数处理，得到的结果，与所述归一化后的图片特征 相加，再经过Mish激活函数处理后，输入特征归一化模块Style‑Block，输出只包含类别信息的输出特征 S2.3构建Style‑Resnet模型所述Style‑Resnet模型的输入为步骤S1中所述的牛脸图像，所述Style‑Resnet模型包括一个卷积层Conv,所述卷积层Conv之后设置一个最大池化层MaxPooling,之后设置若干个风格归一化残差块Style‑Resnet‑Block，之后设置一个平均池化层AvgPooling；

S2.4 Style‑Resnet模型训练

构建Style‑Loss损失函数，所述Style‑Loss损失函数包含类别信息损失函数和风格信息损失函数；

所述类别信息损失函数的定义式，如下式所示：

式中， 为一个训练批次中选择的样本，这类牛的特征 经过平均值池化得到最后的识别特征 这类牛的特征 经过平均值池化得到最后的识别特征 对于这个类别而言，其他类别的牛的 经过平均池化得到最后的识别特征 其他类别的牛的 经过平均池化得到最后的识别特征 表示 和 之间的距离；在计算类别信息部分损失时， 只包含类别信息所以 和 是属于同类的他们之间的距离应该尽可能的接近，而 中既含有风格信息，也含有类别信息， 和 的距离应该趋于中间值， 和 之间的距离小于 和 之间的距离；对于不同类别的样本 和 之间的距离也小于 和 之间的距离；

风格信息损失函数为：

在训练时，同类样本 和 之间的距离大于 和 之间的距离，不同类样本 和 之间的距离小于 和 之间的距离；

所述Style‑Loss损失函数为所述类别信息损失函数和所述风格信息损失函数的加和，如下式所示：建构总体损失函数，如下式所示：

式中，Lsoftmax为用于类别约束的交叉熵损失，λ为每一级网络块对应Lstyle的正则化系数；

输入步骤S1中所述的训练集，通过所述总体损失函数进行Style‑Resnet模型训练，得到训练完成的Style‑Resnet模型；

S3.向步骤S2.4得到的训练完成的Style‑Resnet模型中，输入待识别的牛脸数据，对所述待识别的牛脸数据进行识别，输出识别结果。

2.如权利要求1所述的一种改进光照与摄像头差异的牛脸识别方法，其特征在于，所述步骤S1中，所述COWYCTC‑868数据集中的牛脸图像为 其中，C、H、W分别表示输入图像的通道数、高和宽。

3.如权利要求1所述的一种改进光照与摄像头差异的牛脸识别方法，其特征在于，所述步骤S2.2中，所述若干次，其具体次数为3次。

4.如权利要求3所述的一种改进光照与摄像头差异的牛脸识别方法，其特征在于，所述步骤S2.3中，所述若干个风格归一化残差块Style‑Resnet‑Block的具体个数为4个。

5.如权利要求2所述的一种改进光照与摄像头差异的牛脸识别方法，其特征在于，所述步骤S1中，所述COWYCTC‑868数据集包含不同摄像头、不同光线条件的868类牛脸图像，其中，每类牛脸图像包括每头牛的45张图像。

6.如权利要求1所述的一种改进光照与摄像头差异的牛脸识别方法，其特征在于，所述步骤S1中，对所述训练集中的牛脸图像进行数据扩充，所述数据扩充的方式包括对牛脸图像进行旋转、平移、缩放、亮度变换。