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。     

曲线拟合与特征点相结合的鞋印外轮廓特征提取算法

首先,定义鞋印外轮廓的两类特征：一类是鞋印鞋尖、鞋跟部分的曲线特征;另一类是外轮廓凹凸圆弧、直线之间的过渡特征点．然后,据此提出一种鞋印外轮廓特征的提取算法,即随机提取鞋印鞋尖或鞋跟外轮廓若干轮廓点拟合成曲线,用曲线的系数和外轮廓凸圆弧、直线之间的切点、凹凸圆弧的平滑过渡点拐点,来描述鞋印外轮廓．通过大量的实验得出基于该特征进行鞋印图像检索算法优于其他常用的基于形状的检索方法,同时该特征提取算法具有快速、准确、科学、实用等优点．     

基于局部细节特征的二次指纹匹配算法

为提高指纹匹配的正确率,综合局部细节匹配算法和全局匹配算法,提出一种将两者相融合的二次匹配方法。在提取指纹细节特征信息并去除伪特征点后,首先利用k-近邻法进行局部细节特征的一次匹配,获得局部特征之间的匹配分数;然后根据匹配分数对指纹图像进行旋转校正,进而对全局特征进行二次匹配,计算匹配向量,并利用匹配向量获得匹配率决定最终匹配结果。实验结果表明:在不同质量的多个指纹数据库上测试,算法最高正确率达到错误拒绝率为2.5%,错误接受率为0.22%,说明了该方法的有效性。     

灰尘鞋印显现方法比较研究

目的:研究在渗透性客体上显现灰尘鞋印的化学方法,提高灰尘鞋印的显现率.方法:使用铁氰化钾显现法、硫氰酸钾显现法、pH值指示剂显现法、硫酸氢钾和硫氰酸钾气熏法等化学方法在渗透性客体上和非渗透性客体上显现灰尘鞋印,并与静电吸附法做同类客体的比较实验.结果:用化学方法在纺织品、纸张、本色木等渗透性客体显现灰尘鞋印,扩展和完善了灰尘鞋印的显现方法,提高了灰尘鞋印的显现质量.结论:对于渗透性客体上的灰尘鞋印用化学方法显现效果较好,非渗透性客体上的灰尘鞋印用静电吸附法显现效果较好,两者紧密结合,才能有效提高犯罪现场灰尘鞋印的显现率.     

点模式的概率松弛匹配法

文章提出了一种将谱图理论、特征点的局部特征和概率松弛法相结合的特征点匹配算法。该算法通过谱方法,求出特征点匹配的初始概率;利用特征点的结构特征和灰度特征,求得初始支持度;将初始概率、初始支持度与概率松弛迭代法相结合,获得匹配结果。实验结果表明,该方法能够达到较高的匹配效果。     

用于离线英文签字识别的特征点匹配

本文提出一种用于英文签字识别的特征点匹配算法。该算法通过比较各特征点的局部特性及特征点之间的相对关系，计算各特征点间的相似性从而得到特征点匹配关系。特征点集通过沿笔划骨架的变尺度量测获得。本文提出的算法采用逐级匹配的策略，加快了匹配的速度，提高了匹配准确度。实验结果表明这种算法具有很好的适应性。这种方法也可用于其他文字识别中。     

月球车视觉系统立体匹配算法研究

根据对月球车立体视觉系统及其工作环境特点的分析,提出了一种特征辅助的区域匹配算法.该算法将匹配分为特征匹配和区域匹配两个阶段进行.特征匹配阶段利用几何约束和多特征匹配得到高可靠的边缘匹配结果.边缘匹配结果经滤波后用于辅助区域匹配,有效地减少了无特征辅助的区域匹配在无纹理和少纹理区域容易产生的误匹配.算法结合特征匹配和区域匹配各自的优点,可以以较高的可靠性得到密集的视差图.实验结果表明,该算法用于室外自然地形图对的匹配时,可以生成较为准确和密集的地形图,满足月球车立体视觉导航的需要.     

基于GMS和块匹配的运动估计特征匹配算法研究

针对运动估计中传统特征匹配算法存在匹配时效性差、精度不高等问题,提出一种基于块匹配搜索的改进网格运动统计算法.首先提取ORB特征点并将图像划分网格;然后计算网格内各特征点的运动平滑约束度,并以此作为准则确保匹配精度;最后采用块匹配菱形搜索算法进行特征匹配筛选以提高匹配速度.仿真试验结果表明:相较于随机抽样一致算法,特征点保持数量为500时匹配效率提升24.6%,匹配速度提高42.9%;与ORB-SLAM2算法相结合用于连续运动估计时,单帧耗时0.13 s,实时性较好.     

闪电辐射源多脉冲匹配定位方法

为匹配出更多的闪电辐射源脉冲,定位出更多的闪电辐射源位置,得到清晰的闪电发展通道,提出了一种闪电辐射源多脉冲匹配定位方法。该方法利用经验模态分解(empirical mode decomposition, EMD)方法对原始的闪电电场信号进行分解,再将分解得到的部分分量合成,将合成后的信号进行归一化并提取脉冲,依据滑动窗口内四个脉冲序列的高度比例特征和间隔特征实现相同辐射源脉冲的匹配。结果表明,利用EMD方法对闪电电场信号进行分解再部分合成,去除了原始信号中的直流分量、单调分量和低频周期分量,使信号波形更干净平稳;依据四个脉冲序列的高度比例特征和间隔特征对各测站间相同闪电辐射源的脉冲进行匹配,基于辐射源脉冲的到达时间差定位出辐射源的三维位置,可以清晰地描绘出闪电通道的发展过程。从整体定位效果来看,本文提出的闪电辐射源多脉冲匹配定位方法效果优于传统的单脉冲匹配方法。     

低分辨率条件下鞋类的自动分类方法

根据视频监控中行人所穿鞋的鞋型搜索犯罪嫌疑人是公安机关常用侦查技战法。然而在现实案件中很多视频监控分辨率较低,公安民警不能精确识别到具体鞋型,且消耗大量的时间和警力。针对这一问题,提出一种对低分辨率视频监控下的鞋类进行自动分类的方法。参考全国制鞋标准化技术委员会2017年制定的制鞋标准,初步将鞋类分为皮鞋和运动鞋两大类;构建鞋类数据库,包括59 853幅皮鞋和47 878幅运动鞋图像;进而基于卷积神经网络,设计一种适用于鞋类自动分类的鞋类识别网络模型。实验结果表明,鞋类自动分类模型在测试阶段对鞋分类的准确率达到了95.7%,可见基本能准确识别皮鞋和运动鞋两类鞋。     

脚型三维测量与特征参数自动提取

脚型自动测量的目的是提取与制鞋相关的特征参数,并用这些特征参数指导鞋楦的设计,制造出合脚的鞋。本文在脚型测量仪获取数据的基础上研究了脚型特征参数的提取方法。文中详细描述了主要特征参数的定义,提出了在未做标记的情况下特征参数的提取方法,结合实际脚型测量给出了测量结果。特征参数的自动提取可为个体化鞋揎的设计和量脚制鞋提供必要的数据支持。     

一种基于视觉特征的鞋底图像识别方法

提出了一种基于视觉特征的鞋底识别方法,即提取鞋底的形状、直方图、纹理特征,将这些特征进行内部和外部归一化形成鞋底图像的视觉特征,实验结果表明根据鞋底图像视觉特征进行识别是很有效的.     

一种基于综合特征的鞋底图像识别方法

本文提出了一种基于综合特征的鞋底识别方法,即提取鞋底的形状、直方图、纹理特征,将这些特征进行内部和外部归一化形成鞋底图像的综合特征.实验结果表明根据鞋底图像综合特征进行识别是很有效的.     

用摄影测量与CAD设计运动鞋的理论和方法

本文介绍了适合于运动鞋鞋楦三维数据采集的近景摄影测量与在计算机上建立，鞋样设计功能的理论和方法，近景摄影获取的数据，通过双三次Ｂ样条曲面拟合形成光滑的鞋楦三维立体模型，并用数学方法进行曲面展开，在充分开发Ａｕｔｏ ＣＡＤ图形功能的基础上用Ａｕｔｏ Ｌｉｓｐ语言编制了运动鞋的系列设计功能，使计算机设计运动鞋成为现实。     

基于局部特征分析与最优化匹配的人脸识别算法

在分析传统弹性图匹配的基础上, 提出一种基于局部特 征分析(LFA)与最优化匹配的人脸识别算法. 该算法首先利用神经网络方法估计出在识别人脸中起重要作用的一些特征点(如瞳孔、 眼角、 眉心、 眉角、 嘴角等), 之后利用Gabor小波的局部多尺度分析特性提取特征点的多尺度特征. 这样人脸的每个特征点就被一系列的 Gabor小波系数所表示, 最后对待识人脸与人脸库中人脸的相应特征点的多尺度特征进行最优化匹配找出需要的人脸. 对最优化匹配方法给出了严格的数学证明, 同时也给出了Yale大学和ORL人脸库上的测试结果. 理论和实验证明, 该方法远优于传统的EigenFace方法, 同时能有效地克服光照变化对人脸识别的影响, 在一定程度上对表情的变化也有较好的鲁棒性 .     

基于稀疏转稠密机制的仿射不变特征匹配算法

提出一种基于稀疏、稠密特征转换的仿射不变特征匹配算法,其中稀疏特征包括坐标,尺度,仿射模拟参数等,稠密特征指基于图像局部区域内光学属性的局部描述符.本文算法在Affine-SIFT算法基础之上,针对在特征提取阶段仅使用稀疏特征提取的缺陷做出了改进.由于稠密信息只有在稀疏参数满一定足检测条件时才能提取到特征,导致本可以匹配到的特征(包括稀疏、稠密参数)无法提取,将通过使用稀疏特征构造新的模拟图像,通过将稀疏特征重新稠密化,并在模拟图像基础上进一步提取稀疏特征,同时可检测到原始图像中检测不到的可匹配特征,最终达到增大特征建立匹配的概率,提升正确匹配数量的目标.经实验验证,本文提出的稀密特征转换算法相比于ASIFT算法能大量增加特征匹配的数量.除针对ASIFT方法提供扩展外,该方法也可用于扩展具有充分稀疏特征参数的其它特征提取和匹配方法,并适用于目标识别、目标分类和三维重建等问题.     

一种基于局部特征的人脸识别方法

针对五官的局部特征，提出一种具体的识别方案。与传统弹性图匹配的方法相比，该方案提取的人脸局部的特征，大大降低了运算量，理论和实验都表明了该方案的可行性。在对人脸图像预处理之后，利用积分投影的方法，获取五官的位置，而后采用奇异值分解（SVD）去提取五官附近的局部特征，作为人脸的主要特征。比较了SVD和离散傅里叶变换（DFT）两种特征提取的方法，结果表明，通过SVD提取人脸的局部特征在减少计算量的基础上，能够很好保留人脸的特征，达到了较好的识别效果。     

基于正态分布变换的多位姿手掌部三维静脉识别

研究基于三维点云匹配的多位姿手部静脉识别.考虑手部静脉点云的特点,结合双目视觉原理,建立了一种结合三维特征阵列和静脉点云的扩展数据库,提出了一种基于三维特征阵列的静脉点云粗配准算法.在双目静脉图像中提取稳定特征并重建为三维特征,根据三维特征匹配结果初步消除静脉点云位姿差异.并采用改进的正态分布变换算法完成静脉点云匹配.实验表明,本文算法能够有效提高多位姿下的静脉点云识别率,即使手部位姿变化范围较大时,系统的识别率仍超过90%.