[发明专利]一种基于卷积网络多尺度特征融合的鞋印身高估计方法

说明书

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。

技术领域

本发明属于刑事侦查技术领域，尤其涉及一种基于卷积网络多尺度特征融合依据鞋印图像估计身高的方法。

背景技术

现有的身高估计方法主要有以下三种：

(1)基于人工测量的身高估计方法：通过人工测量的方式，记录鞋长，建立简单的线性数学模型估计身高。

(2)基于穿鞋足迹图像的身高分析方法：使用图像滤波操作去除穿鞋足迹图像中鞋底花纹的影响，对穿鞋足迹进行多层压力面提取，获得足迹形态特征：足长，建立足长与身高之间的数学模型：

身高＝足长×7，计算该足迹所有人的身高。

(3)基于CNN的赤足或穿袜足迹的身高判定方法：应用PCA算法将赤足灰度图像进行旋转矫正，通过阈值的像素分割确定足迹边缘四个关键点：足趾內缘突点，足趾外缘突点，足跟后缘突点，最长趾前缘突点，来确定足迹位置并将边缘噪声裁剪补零，将处理后的图像按男女分别分成五组，构建Alexnet网络构架的卷积神经网络，输入处理过的赤足或穿袜图像，输出身高预测区间。

目前上述现有技术中身高估计方法存在的问题分别如下：

(1)基于人工测量的身高估计方法：需要人工测量，耗费时间和人力，引起测量误差因素较多，测量误差较大，估计身高的数学模型过于简单，估计出的身高误差较大。

(2)基于穿鞋足迹图像的身高分析方法：只使用足长一个足迹形态特征，并且建立的足长与身高的数学模型过于简单，计算出的身高值误差较大。

(3)基于CNN的赤足或穿袜足迹的身高判定方法：在实际的应用中，在刑侦领域，正常情况下现场留下的是鞋印而非赤足或穿袜足迹，而且这种身高估计出的是身高区间，精确度不够高。

发明内容

为了解决上述现有技术中存在的问题，本发明提供一种基于卷积网络多尺度特征融合的鞋印身高估计方法，该方法能有效减少误差，提高了身高估计的精确度。

技术方案如下：

一种基于卷积网络多尺度特征融合的鞋印身高估计方法，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。

进一步的，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；