基于小样本学习的赤足足迹分类方法研究

发布时间：2021-01-23 23:56

　　足迹作为现场遗留率较高的痕迹,不仅在刑侦领域有着举足轻重的地位,而且在鞋业生产、医疗等领域有着广泛的应用。然而针对足迹分类问题,传统的研究方法通常依赖相关足迹专家提取具有物理意义的足迹特征,但是因相关专家的经验限制与提取特征方法不同,使得不同研究者得到的特征好坏难以界定,另外对于足迹一些抽象特征,如足迹各部位的关系等也难以提取。随着深度学习的发展,卷积神经网络在许多领域取得了显著的效果。相关足迹研究者也不断将深度学习方法应用于足迹分类,同时也面临一些问题,一方面同一人大量的足迹样本获取难度较大,而一个或几个足迹样本往往获取较简单;另一方面足迹图像又属于细粒度图像范畴,不同人足迹间的差别比较细微,一般难以辨别其所属类别。针对上述足迹研究存在的不足,本文通过元学习方法使模型在任务空间学习大量的任务分布,从而提高模型对样本较少新任务的泛化能力。主要研究内容如下:（1）按采集规范采集足迹数据并进行预处理。基于光学足迹采集仪器,从静态和动态角度,本文分别采集了静态114人和动态142人的两个光学足迹数据。为了让模型获得丰富的元知识,本文采用63人的压力足迹图像以及部分来自南京相关部门的光学足迹图... 

【文章来源】： 方敏 安徽大学

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

不同类

不同类

?啊１热绲比?们第一次见到某种物体时，可能并不认识，然后通过各种渠道了解了该物体。当再次看到该物体时，就能立刻辨别出来[20]。主要因为人类在未见到该物体时，已经见过许多与该物体相似的物体，从而人们可以很快抓住新物体的特征。因此，相关研究者受到人类该能力的启发，希望构建相应的学习算法解决类似问题。元学习的目标旨在如何充分使用过去的经验让学习系统能够学习新的任务，如图1.2，多个数据源含有目标源信息。目前，深度学习领域已经将元学习作为处理小样本问题的有效方法，特别在小样本图像分类问题中。图1.2元学习过程小样本学习当前研究方向分为零样本学习[21,22]和小样本学习[23,24]。零样本学习研究的内容在于：模型的训练阶段不需要得到任何类别的训练样本，只需要获取该类别属性信息就可以识别新样本标签。而小样本学习的研究内容在于：模型的训练阶段只要一个或多个已标记的训练样本。目前，用于深度学习的数据需要大量人力、物力去筛选并且给数据给予样本标签。此外，许多新类别如新发现物种、新设计的鞋子等也在不断的涌现，同时能够获取到的样本数量也是非常有限，如果通过传统的深度学习方法对这些稀疏类别进行分类，可能会造成分类结果的过拟合。近年来，深度学习领域的研究者对小样本学习的研究也越来越多，并且已经在图像分类[25,26]、图像分割[27]等领域得到很好的应用。小样本学习的过程如图1.3描述，主要分为三个学习步骤，如下描述：第一步：将数据集分为两个子数据集：源域和目标域。源域与目标域的类别互不交叉，即两个子数据集分别属于两个标签域。第二步：模型分两个阶段：元训练和元测试阶段。在元训练阶段，从源域中随机

【参考文献】：
期刊论文
[1]面向智能感知的小样本学习研究综述[J]. 宋闯,赵佳佳,王康,梁欣凯.  航空学报. 2020(S1)
[2]基于多模特征的足迹识别算法[J]. 张艳,王乔,王年,刘晋.  华中科技大学学报(自然科学版). 2019(05)
[3]基于赤足足迹稳定点推算身高的新方法[J]. 朱玉婷,乔胜男,胡书良.  刑事技术. 2019(02)
[4]基于Footscan足底压力分析系统对足迹踏痕定量化检验研究[J]. 余梦娜,李成兵.  警察技术. 2019(02)
[5]大数据下的足迹检验在公安工作中的作用[J]. 王艳.  辽宁警察学院学报. 2018(06)
[6]基于深度学习的赤足迹性别自动分析研究[J]. 史力民,李硕,赵悦岑.  中国刑警学院学报. 2018(03)
[7]足底压力与糖尿病[J]. 查盼盼,Raju Bista,王椿.  华西医学. 2018(05)
[8]足迹识别技术研究进展综述[J]. 杨琳,佟德鑫.  辽宁警察学院学报. 2017(03)
[9]立体足迹提取方法进展研究[J]. 杨映辉.  云南警官学院学报. 2014(01)
[10]平面赤足迹特征分析与身份识别方法[J]. 雷航,童莉,平西建.  计算机辅助设计与图形学学报. 2008(05)

硕士论文
[1]基于机器学习的平面足迹起脚特征研究[D]. 孟祥雨.中国人民公安大学 2019



本文编号：2996163