基于智能激光视觉的犯罪现场特征提取

发布时间：2022-01-12 21:27

　　传统采用结构光视觉三维点云逐层三角网格化方法提取犯罪现场特征时,易受到噪声的干扰,导致特征提取准确率较低。提出基于智能激光视觉的犯罪现场特征提取方法,采用基于智能激光视觉检测方法检测犯罪现场指纹信息,规格化犯罪现场指纹图像,并获取指纹方向信息、指纹频率信息,对指纹图像进行滤波,通过向量点模式匹配算法提取滤波后的指纹图像的指纹特征。实验结果表明,所提方法可有效提取犯罪现场指纹特征,且对不同质量的指纹图像特征提取识别的平均准确率高达96. 98%,提取准确率较高;提取速度增长率高达30%,平均提取耗时约为110 s,特征提取效率较高。 

【文章来源】：激光杂志. 2019,40(05)北大核心

【文章页数】：5 页

【文章目录】：
1 引言
2 基于智能激光视觉的犯罪现场特征提取
    2.1 基于智能激光视觉的犯罪现场指纹信息检测
    2.2 基于智能激光视觉的犯罪现场特征提取
        2.2.1 犯罪现场指纹图像的规格化
        2.2.2 犯罪现场指纹方向信息获取
        2.2.3 犯罪现场指纹频率信息获取
        2.2.4 犯罪现场指纹图像的滤波
        2.2.5 指纹特征提取算法及其实现
3 实验
    3.1 有效性分析
    3.2 性能分析
4 结论


【参考文献】：
期刊论文
[1]相位偏移gamma矫正方法的结构光三维视觉测量技术[J]. 陆军,张艺竞,王成成,邵强.  哈尔滨工业大学学报. 2017(09)
[2]基于灰色关联分析的运动角度规范性智能判断[J]. 刘曼,谭海佩,张月.  激光杂志. 2017(08)
[3]基于激光智能视觉的芒果等级判断[J]. 程江珂,王胜男.  激光杂志. 2017(06)
[4]基于激光点云的智能挖掘机目标识别[J]. 朱建新,沈东羽,吴钪.  计算机工程. 2017(01)
[5]结构光视觉三维点云逐层三角网格化算法[J]. 秦绪佳,陈楼衡,谭小俊,郑红波,张美玉.  计算机科学. 2016(S2)
[6]软件定义的犯罪现场分析过程及其知识自动化方案[J]. 刘烁,王帅,傅焕章,王飞跃.  模式识别与人工智能. 2016(10)
[7]潜血手印增强显现方法研究进展[J]. 赵雅彬,宋丹,郭威.  化学试剂. 2016(08)
[8]基于激光视觉的多层多道焊接坡口特征点提取方法[J]. 顾帆,陈华斌,何银水,陈善本.  上海交通大学学报. 2016(S1)
[9]基于激光视觉的智能识别苹果采摘机器人设计[J]. 张宾,宿敬肖,张微微,邓明华,汪小志.  农机化研究. 2016(07)
[10]双目视觉-激光测距传感器目标跟踪系统[J]. 王琪龙,李建勇,沈海阔.  光学学报. 2016(09)



本文编号：3585473