基于特征融合和深度学习的鞋图像跨域检索

发布时间：2020-11-03 22:23

　　 刑侦中,案发现场的足迹信息是使用最为频繁且有效的侦查手段之一。利用现场足迹查找出对应的鞋面信息;将查找出鞋面信息的鞋作为鞋样,在案发现场周围的监控视频中,检索出与待查找的鞋样相关的嫌疑鞋,进而锁定嫌疑人范围。现有侦查仍局限于人工排查的方式,不仅耗费大量警力,甚至还会因效率低下而延误破案时机。因此如何高效的认定指定的鞋样图像与监控视频中出现的鞋之间的对应关系是一项重要研究内容,基于此,本文对鞋图像跨域检索技术进行了研究,本研究对案件侦破和刑侦技术发展具有重要价值和意义。本文主要工作如下:(1)给出了复杂场景下鞋区域分割方案本文针对监控视频中鞋区域分割问题进行了研究与分析,鞋区域分割可以分为鞋区域检测和前景提取两部分。本文基于深度学习等相关技术实现了从视频中无监督地自主获取鞋区域图像。为了验证本文鞋区域检测的准确性,本文将自动检测结果与作为真值的手工标注鞋区域进行对比分析,分别在白天、夜晚、多行人、双脚交叉等场景进行实验,实验结果表明,本方案在四种场景下均能有效检测视频中鞋区域。为了进一步减少背景影响,对检测出的鞋区域进行前景提取。实验结果表明,本文训练出的鞋图像前景提取深度学习模型,在鞋轮廓易与裤脚或腿部轮廓连结等场景下,均能有效实现自动前景提取。(2)给出了基于特征融合的鞋图像跨域检索框架及鞋图像自适应选取特征的准则为了获取对光照、视角、尺度等变化具有鲁棒性的特征,本文重点研究了鞋图像特征选择与提取、特征融合两个关键技术。本文利用适合鞋图像间共有特征的视觉特征对鞋区域图像的特征进行了提取。由于远镜头鞋区域分辨率低,可提取的特征有限,导致远近镜头的鞋区域在提取特征的数量和种类上存在一定差异。基于此,本文挖掘不同鞋区域图像具有的特征,给出了鞋图像自适应选取特征的准则,将鞋区域图像分类为像素数未达标、像素数达标但图像质量评价标准未达标、像素数和图像质量评价标准均达标三类图像。有针对性地对三类图像,提取颜色、颜色名、纹理特征,并有选择的进行图像块划分、多尺度分割等操作。为了获取更为综合的鞋区域特征,本文融合了鞋图像的单一特征检索结果,利用图像相似度距离进行决策级特征融合。实验结果表明,该融合方式比简单特征串联得到总的特征向量再进行检索判定的融合方式检索性能更好。(3)给出了类别一致性的排序算法工程实践中,人们会关注实际查找的类别数或能排除的类别数。本文依据同种类别具有属性一致性,在图像相似度排序算法基础上进行类别排序算法设计。该算法不仅能有效利用每类图像相似性得分还有效解决了数据分布稀疏性问题,提升了算法实用性。本文对鞋区域分割方案、检索框架、类别排序算法进行了性能测试,验证了相关算法的有效性。
【学位单位】：大连海事大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：D918.91;TP391.41
【部分图文】：

?基于特征融合和深度学习的鞋图像跨域检索???Ｕ）行人关节点?（ｂ）鞋区域关节点??（ａ）?Ｐｅｄｅｓｔｒｉａｎ?ｊｏｉｎｔｓ?（ｂ）?Ｓｈｏｅ?ａｒｅａ?ｊｏｉｎｔｓ??图２．５行人与脚部关节点??Ｆｉｇ．?２．５?Ｐｅｄｅｓｔｒｉａｎ?ａｎｄ?ｆｏｏｔ?ｊｏｉｎｔｓ??Ｓｔｅｐ６：检测鞋区域。利用重新定位的鞋区域对原图进行裁剪，获取鞋区域图像，建??立相关数据集，用于后续鞋区域图像的前景提取研宄。鞋区域图像示意图如图２．６所示。??■?＾?ｆ??ｍＺ??图２．６鞋区域图像示意图??Ｆｉｇ．?２，６?Ｉｍａｇｅ?ｍａｐ?ｏｆ?ｓｈｏｅ?ａｒｅａ??－１６?－??

?基于特征融合和深度学习的鞋图像跨域检索???Ｕ）行人关节点?（ｂ）鞋区域关节点??（ａ）?Ｐｅｄｅｓｔｒｉａｎ?ｊｏｉｎｔｓ?（ｂ）?Ｓｈｏｅ?ａｒｅａ?ｊｏｉｎｔｓ??图２．５行人与脚部关节点??Ｆｉｇ．?２．５?Ｐｅｄｅｓｔｒｉａｎ?ａｎｄ?ｆｏｏｔ?ｊｏｉｎｔｓ??Ｓｔｅｐ６：检测鞋区域。利用重新定位的鞋区域对原图进行裁剪，获取鞋区域图像，建??立相关数据集，用于后续鞋区域图像的前景提取研宄。鞋区域图像示意图如图２．６所示。??■?＾?ｆ??ｍＺ??图２．６鞋区域图像示意图??Ｆｉｇ．?２，６?Ｉｍａｇｅ?ｍａｐ?ｏｆ?ｓｈｏｅ?ａｒｅａ??－１６?－??

?大连海事大学专业学位硕士学位论文???过对重叠率较低的鞋区域图像进行分析，发现影响鞋区域分数低的主要原因是由于距离??镜头远的鞋区域图像己经难以辨认，远距离鞋区域图像的脚部关节点过于密集，检测到??的关节点与实际关节点位置存在误差。??本章还对不同场景下的鞋区域检测结果进行分析，多场景展示图如图２．１２所示，场??景分别包括：??ｍｍ??（ａ）白天明亮光线场景?（ｂ）夜晚暗光线场景??（ａ）?Ｄａｙｔｉｍｅ?ｂｒｉｇｈｔ?ｌｉｇｈｔ?ｓｃｅｎｅ?（ｂ）?Ｄａｒｋ?ｌｉｇｈｔ?ｓｃｅｎｅ?ａｔ?ｎｉｇｈｔ??（ｃ）多人场景?：?（ｄ）双脚交叉场景??（ｃ）?Ｍｕｌｔｉｐｌａｙｅｒ?ｓｃｅｎｅ?（ｄ）?Ｃｒｏｓｓｅｄ?ｆｅｅｔ?ｓｃｅｎｅ??图２．１２多场景展示图??Ｆｉｇ．?２．１２?Ｍｕｌｔｉ－ｓｃｅｎａｒｉｏ?ｄｉｓｐｌａｙ??（１）白天明亮光线场景：图２．１２?（ａ）中共检测２个行人，４个鞋区域，鞋区域均??全部检测到，图２．丨２?（ａ）平均检测重叠率为９５．８３％。??（２）夜晚暗光线场景：图２．１２（ｂ）在黑夜场景中，光线不足时候，依旧可以检测??到鞋区域，图中共检测到２个鞋区域，图２．１２（ｂ）平均检测重叠率为１００％。??－２１?－??
【相似文献】

相关期刊论文 前10条

1 陈志杰;郭鹏珍;;执行信息化改革的跨域协执机制探索[J];人民司法;2019年22期

2 刘晓东;;农村跨域水环境污染治理的思路探析[J];现代农业科技;2020年03期

3 季婧;;《大数据时代》：影像艺术与科技产业的跨域交流[J];当代电视;2020年05期

4 杨爱平;林振群;;世界三大湾区的跨域治理机构:模式分类与比较分析[J];公共行政评论;2020年02期

5 李月;曹海军;;数据生命周期视角下政府跨域协作数据治理及其运行逻辑[J];东北大学学报(社会科学版);2020年03期

6 周伟;;合作型环境治理:跨域生态环境治理中的地方政府合作[J];青海社会科学;2020年02期

7 刘继为;李雪飞;;多元共治与府际协同:京津冀流域跨域治理路径选择——以大清河为例[J];黑龙江生态工程职业学院学报;2020年04期

8 张雪;;浅谈电影摄制跨域协同制作技术要求[J];现代电影技术;2020年07期

9 陈安;;跨域突发公共卫生事件机理分析与应对机制设计[J];四川大学学报(哲学社会科学版);2020年04期

10 吴林婧;;聚合课程在跨域“智力助农”中的应用[J];创新创业理论研究与实践;2020年15期

相关博士学位论文 前10条

1 王楚豫;基于RFID标签阵列的跨域感知技术研究[D];南京大学;2018年

2 李小标;跨域认证关键技术研究[D];北京邮电大学;2011年

3 姚瑶;互联网跨域认证关键技术研究[D];东北大学;2012年

4 申剑敏;跨域治理视角下的长三角地方政府合作研究[D];复旦大学;2013年

5 蒋朦;社交媒体复杂行为分析与建模[D];清华大学;2015年

6 叶汉雄;基于跨域治理的梁子湖水污染防治研究[D];武汉大学;2011年

7 邹华;NGN业务跨域互操作访问控制研究[D];北京邮电大学;2010年

8 曹源;面向跨域联邦环境的身份管理关键技术研究[D];国防科学技术大学;2013年

9 王露笛;心律失常与心力衰竭智能诊断方法研究[D];北京邮电大学;2019年

10 徐俊;基于视觉的文本生成方法研究[D];中国科学技术大学;2018年

相关硕士学位论文 前10条

1 赵丽平;基于特征融合和深度学习的鞋图像跨域检索[D];大连海事大学;2020年

2 李金;基于内容和图结构信息融合的跨域推荐问题研究[D];山东大学;2020年

3 单港伶;企业即时通信系统部署方案及系统间跨域认证[D];杭州电子科技大学;2019年

4 李亚轲;基于随机Petri网的跨域突发事件应急联动机制研究[D];中国地质大学(北京);2019年

5 高阳;信息服务实体可信标识签发及跨域认证研究[D];西安电子科技大学;2019年

6 蒋通通;跨域网络切片资源编排和可靠性保障研究[D];北京工业大学;2019年

7 王雪伟;地方政府雾霾跨域合作治理研究[D];南京大学;2016年

8 杨平;面向云计算环境的跨域身份认证方案[D];西北师范大学;2019年

9 唐方;融合跨域城市数据的通勤私家车动态拼车推荐方法研究[D];厦门大学;2017年

10 李琦;翻译的量子纠缠态研究：文化跨域传输[D];兰州大学;2019年

本文编号：2869188