基于鞋印图像的性别预测方法

摘要：

鞋印是作案人在案发现场经常遗留的痕迹,承载人的性别、身高等属性信息.基于鞋印的性别预测对快速排查嫌疑人具有重要作用,其方法主要由刑侦人员凭借经验判断,需要大量领域知识,而少数自动预测方法是基于人工提取的特征和经验模型进行预测,受测量误差的影响,导致预测准确率降低.针对该问题,提出基于鞋印图像的端到端预测方法.采用卷积神经网络提取鞋印图像特征,引入通道注意力模块对特征权重进行重新分配,使模型重点关注鞋印图像中对性别起显著作用的部分.在此基础上,将特征图输入到性别预测模块进行预测.此外,分别构建适用于单枚和多枚鞋印应用场景的数据集SiSIS和SeSIS,根据在案发现场中鞋印可能出现的情况,设计鞋印方向差异、鞋印残缺和弹性形变的数据增广方式.实验结果表明,该方法在SiSIS和SeSIS数据集上的预测准确率分别达到91.80％和99.35％,相比现有基于鞋印的性别预测方法,具有较优的预测性能.

关键词：鞋印图像、性别预测、卷积神经网络、注意力机制、生物特征识别

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：大连市科技创新基金2019J12GX036

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：306-313