基于卷积神经网络的鞋样识别方法研究

发布时间：2021-11-08 19:38

　　“监控+鞋印”是目前公安机关刑事侦查的重要技战法,其基本原理是依据犯罪现场鞋印推断嫌疑人所穿鞋样,然后到周边监控视频中检索嫌疑鞋样进而获得犯罪嫌疑人的图像信息,为案件侦查提供有效的线索。然而,当今这一技战法主要依靠人工来完成,效率十分低下,亟需一种以依据犯罪现场足迹得到的鞋样图像为基础,对犯罪现场周围不同场景监控视频中的鞋样图像进行自动匹配识别的方法,提高鞋样分析自动化程度,为追踪锁定犯罪嫌疑人提供快速、有效的信息。本文针对“监控+鞋印”技战法自动化程度低下的问题,研究基于卷积神经网络的鞋样识别方法实现对嫌疑鞋样的自动识别方法。首先,对于没有鞋样数据库来进行网络训练的问题,本文通过模拟犯罪现场周围监控视频进行视频采集,对视频进行逐帧分帧,并设计切割代码,模拟鞋样的自动检索切割过程,运用人工对视频帧进行切割,同时采用双线性插值法对切割后的鞋样图片进行归一化处理。建立的鞋样数据库共有50种不同类型的鞋样样本,160 231张鞋样图片。其次,本文运用Caffe框架,通过引用LeNet和DeepID两种经典神经网络结构,并对两种经典网络进行层数加深和运用PRelu激活函数替换Relu激活函数,... 

【文章来源】：中国人民公安大学北京市

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

融合监控视频与鞋印追踪嫌疑人技战法

中国人民公安大学硕士学位论文-12-(…8áx×à8×8xXxóXóxòóxéò8óxò8x8òXó8DXxíxXí8éXTùa8ùXéDóèx图3.1数据采集路线示意图3.4数据预处理3.4.1视频数据处理视频数据采集完成后，由于海康威视监控摄像机设有专有的视频解码方式，因此需要对视频进行转码处理。且采集视频数据较长，需进行剪切处理。本文采用HMSTranscoder软件对视频进行转码处理，统一保存为MP4格式的视频，并截取每双鞋的视频素材为一个样本视频，同时将视频亮度设定为12，对比度为15。本文采用Matlab(R2016a)软件对每一个样本视频进行批量分帧处理，为保证数据量的充足且考虑到行走速度及视频设置的帧率等因素，设置逐帧分帧的处理方式，也就是把视频的每一帧都截取出来。结果显示，鞋样图像在相邻视频帧之间的差距较明显，基本所有视频帧均可满足初步视频帧处理要求。并把处理后获得的每一种鞋样的视频帧存放在一个单独文件夹。3.4.2鞋样图片数据的获取及处理由于视频帧尺寸较大，鞋样占有比例很小，为了排除无效的干扰并减小运算量，对视频帧中的鞋按长宽比为2∶1的比例进行切割,并采用双线性插值法对截取到的鞋样图片进行归一化处理，鞋样图片初步归一化成大小为96pixels×48pixels的图片，并保存在50个单独文件夹。视频帧截取鞋样图片过程是模拟自动检测并切割，运用Matlab(R2016a)编写程序，可以实现手动点击鞋样左上角位置获得坐标后，自动截取长宽比为2∶1的鞋样图片，并保存到指定文件夹。截取过程如图3.2所示。

中国人民公安大学硕士学位论文-13-图3.2切割流程示意图视频帧截取鞋样图片过程是将左脚、右脚分开截取，以保证数据库的多样性。使鞋样尽可能居中并充满整个鞋样图片，以排除不必要的干扰。将左右脚有重叠、起落脚时脚掌与地面角度大于45度或有其他干扰的图片进行剔除。最后，经过筛选不同光照、角度的鞋样图片数据，共得到50类鞋，160231张鞋样图片，每类鞋样数据量基本在3000张左右。第50号鞋样部分图片数据及各类鞋样本图片如图3.3、3.4所示。图3.350号鞋部分数据


本文编号：3484082