[发明专利]一种足迹压力图像检索方法

说明书

本发明公开了一种足迹压力图像检索方法，包括：1、足迹压力图像数据集采集并进行预处理操作；2、建立由K层多尺度自注意卷积模块构成的特征提取网络；步骤3、建立由全局特征分支、残缺性评分掩模分支构成的残缺性评分模块；步骤4、建立由共同可见特征提取模块、局部特征池化模块和三元组损失函数构成的特征比对模块；步骤5、进行网络的训练、参数优化和测试。本发明采用多尺度自注意卷积的足迹压力图像检索方法，能够有效的提取足迹压力图像检索的判别性特征，同时针对足迹图像不完整的问题，采用残缺性评分模型，能够降低网络对残缺部分的关注度，有效地抑制残缺图像对于检索过程中产生的影响。

技术领域

本发明涉及图像检索和图像处理、深度学习领域，是一种基于多尺度自注意卷积的足迹压力图像检索方法。

背景技术

在生物识别领域，人的各种外在和内在特征如人脸、虹膜、指纹、步态等均可用于人的身份识别。目前在犯罪现场的证据提取过程之中，现场足迹是最常见的重要犯罪线索之一，它们在案情分析中有着不可替代的作用。

研究表明，由于每个人的足迹都有自己的特点，具有唯一性。在以往的足迹比对工作中，大多通过足迹专家对采集的犯罪嫌疑人的足迹与犯罪现场的足迹进行人工比对，来进行人员验证，但是由于足迹图像比对的复杂性，以及现场采集的数据常存在的不完整性，在很大程度上增大了比对的难度。另外，足迹比对多是依赖于专家的知识经验，往往存在着较大的主观性，距离足迹自动比对识别还存在一定的差距。

发明内容

本发明为避免上述现有技术存在的不足之处，提供一种足迹压力图像检索方法，以期能获取更具有判别性的多尺度细粒度特征，同时有效抑制部分缺失而导致的类间距离减小，类内距离增大的现象，从而有效地能降低网络对残缺部分的关注度，提升足底压力图像检索精度。

本发明为解决技术问题采用如下技术方案：

本发明一种足迹压力图像检索方法的特点是按如下步骤进行：

步骤1、足迹压力图像数据集采集并进行预处理操作；

步骤1.1、采集赤足足迹压力图像作为数据样本；

步骤1.2、将所述数据样本中的赤足足迹压力图像通过去噪、部分镜像、角度校正、图像尺寸调整、脚印对齐、擦除增广的预处理操作，从而得到预处理后的数据样本；

步骤1.3、对预处理后的数据样本进行归一化操作，得到归一化后的数据样本，并每个样本定义身份标签；

步骤2、建立由K层多尺度自注意卷积模块构成的特征提取网络，任意第k层多尺度自注意卷积模块由B个并行分支，任意第b个并行分支是由降维卷积层、平均池化层和自适应注意模块构成；

步骤2.1、从所述归一化后的数据样本中选取E个不同身份标签所对应的样本，任意第e 个身份标签的样本选取a个，从而构成一个批次，记为第k个批次；

从所述第k个批次中选取E个不同身份标签所对应的一个样本作为E个锚样本，从第k 个批次的锚样本以外的第e个身份标签所对应的a-1个样本中选取差值最大的一个样本作为第e个身份标签的正样本，并从第k个批次的其他E-1个身份标签分别所对应的a-1个样本中选取差值最小的一个样本作为第e个身份标签的负样本；同理选出所有E个不同身份标签所对应的正样本和负样本；

由所述第k个批次中所有的锚样本、正样本和负样本构成第k个样本集记为X_k∈R^H×W×C；其中，C为样本通道数，H为样本高度，W为样本宽度；

步骤2.2、所述第k个样本集X_k分别通过B个分支中共享参数的降维卷积层得到相应的 B个特征，其中所述第k个样本集X_k通过第b个分支的降维卷积层处理后得到第b个特征记为X_k,b∈R^H×W×(C/2)；b∈B；