一种基于卷积网络多尺度特征融合的鞋印身高估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112884824A(43)申请公布日2021.06.01(21)申请号202110267590.4(22)申请日2021.03.12(71)申请人辽宁师范大学地址116029辽宁省大连市沙河口区黄河路850号(72)发明人张涛刘禹辰朱振东王慧(74)专利代理机构大连智高专利事务所(特殊普通合伙)21235代理人马庆朝(51)Int.Cl.G06T7/60(2017.01)G06K9/62(2006.01)G06T3/60(2006.01)权利要求书3页说明书6页附图3页(54)发明名称一种基于卷积网络多尺度特征融合的鞋印身高估计方法(57)摘要本发明提供了一种基于卷积网络多尺度特征融合的鞋印身高估计方法，属于刑事侦查技术领域。技术方案：将鞋印旋转校正；将鞋印进行中心化处理；对异常数据进行处理；将鞋印数据增广；通过多尺度特征提取网络对图像进行处理；通过金字塔特征融合网络对图像进行处理；通过全局结构特征提取网络对图像进行处理；通过身高回归预测网络输出预测身高。有益效果：本发明使用多尺度特征提取网络提取出不同尺度的图像特征并通过金字塔特征融合网络进行多尺度特征融合，最大限度地保留了图像中深层的特征语义信息特征和浅层的空间信息特征；保证泛化能力的基础上有效地减小了误差，提高了身高估计的精确度。CN112884824ACN112884824A权利要求书1/3页1.一种基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤如下：S1、将鞋印旋转校正；S2、将鞋印进行中心化处理；S3、对异常数据进行处理；S4、将鞋印数据增广；S5、通过多尺度特征提取网络对图像进行处理；S6、通过金字塔特征融合网络对图像进行处理；S7、通过全局结构特征提取网络对图像进行处理；S8、通过身高回归预测网络输出预测身高。2.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S1具体步骤如下：S1.1、将鞋印图像转为灰度图像，选取自适应阈值对图像进行二值化，获得关于鞋印的二值掩模；S1.2、使用5×5大小的矩形结构元素对二值掩模进行形态学膨胀，得到最终的鞋印掩模；S1.3、依据掩模确定鞋印的最小外接矩形；S1.4、根据鞋印最小外接矩形将鞋印裁剪出来后将其上下对称分割，获取前脚掌区域和后脚掌区域；S1.5、根据掩模分别计算前后脚掌区域的质心，再计算出前后脚掌质心的连线与竖直方向的夹角，根据该夹角并以鞋印最小外接矩形中心点为旋转点进行旋转校正。3.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S2具体步骤如下：将旋转校正后的鞋印图像，放入预先设定的像素值全为0的全黑图像中，且旋转校正后的鞋印图像的中心与全黑图像中心对齐，其中全黑图像的宽度和高度分别要大于等于数据集中所有原始图像宽度的最大值和高度的最大值。4.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S3具体步骤如下：S3.1、将标记身高低于140cm与身高高于250cm的数据剔除；S3.2、将最小外接矩形满足下列条件之一的鞋印及其标注数据作为异常处理：(1)宽度小于设定阈值1或大于设定阈值2；(2)高度小于设定阈值3或大于设定阈值4。5.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S4具体步骤如下：对训练集中所有图像按如下方式进行增广，对于一幅图像I：(1)读取图像I，以设定概率Pf进行随机的水平翻转，得到图像If，在实例中选取Pf＝0.5，pf∈[0,1]；(2)对图像If，以设定概率Pe进行随机图像擦除，得到图像Ie，在实例中Pe＝0.5，pe∈[0,1]；具体随机擦除方式为在鞋印图像中随机选取一个面积为S，长宽比为R的矩形区域，并将该区域像素值置0；矩形面积S由对图像面积进行缩放得到，缩放因子在[0.02，0.03]区间中均匀选取，将缩放因子乘以图像面积作为矩形区域面积S；矩形长宽比R在区间[0.3，3.3]中2CN112884824A权利要求书2/3页均匀选取；矩形区域的位置由其中心点坐标(xc,yc)来确定，xc在区间[0，W]中均匀选取，yc在区间[0，H]中均匀选取，W和H分别为图像的宽和高；(3)对图像Ie进行归一化，得到图像In，归一化公式如下：其中，In是归一化后的图像，μ和σ是图像Ie的均值和标准差。6.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S5具体步骤如下：所述多尺度特征提取网络包括：一个非降采样卷积模块NDConv、一个ReLU模块和四个降采样卷积模块conv_2、conv_3、conv_4、conv_5；ReLU模块和四个降采样