[发明专利]一种细粒度鞋印图像检索方法

说明书

本发明提供一种细粒度鞋印图像检索方法及系统，包括以下步骤：鞋印属性信息提取；鞋印属性相似度计算；鞋印内容相似度计算；结合鞋印内容信息与属性信息的排序得分计算；按照排序得分将数据集中的图像降序输出得到查询结果。通过结合鞋印属性信息、鞋印内容信息以及鞋印语义块空间布局关系计算鞋印图像间的相似性，有效增大了差异小鞋印图像之间的区分性，从而提高了细粒度鞋印图像检索精度。

技术领域

本发明涉及一种细粒度图像检索的方法，特别是针对相同花纹不同尺码嫌疑人鞋印的检索方法。

背景技术

目前鞋印检索的方法主要有基于全局表观特征、基于局部区域特征和基于关键点特征的检索方法。基于全局表观特征的鞋印检索算法主要是将整张鞋印图像作为输入，并提取鞋印图像的特征，比如傅里叶频谱特征、Gbaor特征、深度特征等。Pradeep M.Patil把鞋底花纹当做一副纹理图像，首先采用Randon变换的方法求出鞋底花纹的偏转角度，并进行矫正；其次，构建8个不同方向的Gabor滤波器，进行对花纹的滤波；然后选取能量值最大的4个Gabor特征图，将每个特征图分为8×8相互不重叠的小块；计算每个子块的方差以代表子块；以此来作为鞋底花纹的特征。基于局部区域特征的鞋印检索算法主要是提取鞋印中的一部分感兴趣区域，对其进行特征的提取。2015年，Wang等人提出了一种基于小波傅里叶梅林特征的鞋印检索算法。该算法首先将鞋印图像分为脚前掌与脚后跟两部分，并对两部分分别赋予不同的权重，分别提取特征。具体方法为：首先对两部分鞋印图像分别做小波变换；其次对小波变换后的图像进行一次傅里叶变换；然后对一次傅里叶变换后得到的幅值进行极坐标变换，对其再进行一次傅里叶变换，得到具有旋转平移尺度不变性的频谱特征。基于关键点特征的检索方法也可以称为感兴趣点特征检索，关键点本质上是一种特征，在图像上代表特定的物理区域或空间关系节点。Almaadeed等人提出了多尺度Harris和Hessian进行关键点检测得到尺度不变性特征，将检测出的特征进行SIFT变换得到旋转不变性，最后在分数层面将两种检测方法提取出来的特征进行融合。

目前基于全局特征的鞋印检索，基于局部特征的鞋印检索和基于关键点特征的鞋印检索均已经取得一定的成果，但已有的方法主要考虑的是花纹与花纹之间的相似性，即仅将与查询图像具有同类花纹的鞋印图像排在检索结果的前边，但是未考虑检索结果中同花纹间尺码的顺序性。尺码作为鞋印的一个重要属性，通过将同类花纹的返回结果按照与查询图的尺码相近程序进行降序排列，能够更为准确的找到与检索图像具有共同属性鞋印图像，从而提升公安人员的办案效率。

参考文件：

Yan K,Lu L,Summers R M.Unsupervised Body Part Regression viaSpatially Self-ordering Convolutional Neural Networks[J].2017.

发明内容

根据上述提出的技术问题，而提供一种细粒度鞋印图像检索方法。本发明主要利用一种细粒度鞋印图像检索方法，其特征在于，包括以下步骤：

S1：鞋印属性信息提取；

S2：鞋印属性相似度计算；

S3：鞋印内容相似度计算；

S4：结合鞋印内容信息与属性信息的排序得分计算；

S5：按照排序得分将数据集中的图像降序输出得到检索结果。

进一步地，步骤S1还包括以下步骤：

S11：对单枚鞋印提取属性信息；