融合自适应感受野与多支路特征的鞋型识别算法

摘要：

随着监控摄像头的普及和图侦技术的快速发展,"鞋印+监控"技战法成为公安机关侦破案件的重要手段.该技战法根据现场嫌疑鞋印推断出嫌疑鞋型,进而在犯罪现场周围监控视频中查找对应鞋型,锁定犯罪嫌疑人.然而现有鞋型识别算法无法充分提取嫌疑鞋印的重要特征,导致识别准确率降低.针对该问题,提出一种融合自适应感受野模块与多支路特征的鞋型识别算法.通过设计一种自适应感受野模块,使网络自适应选择合适大小的感受野特征,增强网络的特征提取能力,同时构建多支路特征融合模型,融合网络的深层和浅层特征,以充分利用有效特征进行鞋型识别,从而提高识别精度.在此基础上,采用中心损失函数和标签平滑损失函数联合训练的方法,在增大类间差距的同时缩小类内差距,增强模型的泛化能力.在多背景鞋型数据集上进行实验,结果表明,该算法Rank-1和mAP精度分别为79.77％和62.18％,具有较优的识别效果,为公安刑侦实战提供了一种可行方案.

关键词：鞋型识别、自适应感受野、特征融合、中心损失函数、标签平滑

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：公安部技术研究计划项目;中央高校基本科研业务费项目

在线出版日期：2022-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：295-303