融合特征筛选策略的双塔网络鞋印检索算法

鞋印图像识别是计算机视觉在公安一线工作中的一项重要应用。当前公安侦查工作中鞋印图像无法进行精准识别的问题制约了工作效率与质量的提高，归纳起来主要是囿于鞋印现场提取的复杂情况、鞋印花纹图样的复杂特征以及鞋印图像的残缺不全。针对残缺鞋印，为了进一步提高残缺鞋印检索结果，设计了一种融合特征筛选的双塔网络鞋印检索算法。一方面，在网络中引入分区策略，将鞋印图像分为足掌区和足跟区用两个特征网络分别提取图像特征进行融合；另一方面，选择融合ResNet网络和Transformer网络的新型卷积神经网络convNeXt网络作为骨干网络，加入注意力机制模块，提取最后一层卷积特征后用不同的特征筛选方法去除鞋印图像中的无关特征，最后拼接展开成为特征描述符进行相似度计算。在训练阶段，优化学习策略，将其作为完整的图像分类网络进行训练。实验结果表明，本文选取的网络模型优于其他卷积神经网络，在CSS-200和FID-300两个鞋印数据集上取得了较高的准确率。

Double-tower network shoe print retrieval algorithm with feature selection strategy