基于选择性卷积特征描述子融合的鞋印检索算法

摘要：

为了进一步研究基于卷积神经网络的鞋印检索算法,提高基于卷积特征的残缺鞋印检索精度,弥补现有残缺鞋印检索方法的不足,满足公安机关的实战需求,通过引入选择性卷积特征描述子融合(selective convolutional descriptor aggregation,SCDA)方法,研究了基于该理论的鞋印检索算法:首先将鞋印图片输入鞋印数据微调的VGG-16(visual geometry group net-work),提取conv5-1层输出的张量.然后根据鞋印是否残缺进一步筛选特征,完整鞋印直接展开该张量作为鞋印特征,残缺鞋印则利用选择性卷积特征描述子融合方法筛选卷积特征.为评估算法精度,在CSS-200(crime shoeprints database)和part-FID(part footwear impression database)数据集进行了实验,在CSS-200上Top2％的正确识别率达到94.5％,在Part-FID数据集上Top10％的正确识别率达到82.01％,实验结果表明:本文方法明显提高了残缺鞋印的检索精度,为基于卷积特征的残缺鞋印检索提供了一种新的可行的策略.

关键词：卷积神经网络、卷积特征筛选、鞋印检索、残缺鞋印

所属期刊栏目：21

分类号：TP391.41;TP183(计算技术、计算机技术)

资助基金：公安部技术研究计划项目;实验室开放基金

在线出版日期：2021-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：6772-6779