[發(fā)明專利]一種基于深度學習的鞋樣及足跡關鍵點檢測方法有效

申請?zhí)枺?/td>	201810870908.6	申請日：	2018-08-02
公開（公告）號：	CN109101983B	公開（公告）日：	2020-10-30
發(fā)明（設計）人：	孫晰銳;于昕曄;李岱熹;崔均健;趙曉蕊	申請（專利權）人：	大連恒銳科技股份有限公司
主分類號：	G06K9/46	分類號：	G06K9/46;G06K9/62;G06T7/11;G06T7/62;G06F16/58
代理公司：	大連智高專利事務所(特殊普通合伙) 21235	代理人：	蓋小靜
地址：	116085 遼寧省***	國省代碼：	遼寧;21
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于深度學習鞋樣足跡關鍵檢測方法
鉆瓜網(wǎng) 技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發(fā)明公開了一種基于深度學習的鞋樣及足跡關鍵點檢測方法，包括：S1.獲得鞋樣/足跡數(shù)據(jù)庫：利用爬蟲技術，爬取鞋樣數(shù)據(jù)圖片，獲得鞋樣圖片后，使用人工標定方式標注關鍵點，生成鞋樣數(shù)據(jù)集；足跡數(shù)據(jù)集包括現(xiàn)場足跡數(shù)據(jù)和嫌疑人足跡樣本數(shù)據(jù)；S2.設定網(wǎng)絡模型；S3.計算損失函數(shù)，提出基于鞋底/足跡輪廓的損失函數(shù)；S4.訓練網(wǎng)絡模型，采用部分網(wǎng)絡結(jié)構調(diào)整的遷移學習模式進行訓練；S5.將圖像尺寸歸一化后輸入已訓練好的網(wǎng)絡模型中，輸出的結(jié)果坐標標記在原圖上。利用深度學習網(wǎng)絡，提取關鍵點信息，使得計算機標注足跡或者鞋樣圖像成為可能，極大減輕了人力成本。

技術領域

本發(fā)明涉及一種基于深度學習的關鍵點檢測方法，具體說是一種基于深度學習的鞋樣及足跡關鍵點檢測方法。

背景技術

足跡信息在現(xiàn)代的刑偵勘測領域起到舉足輕重的作用，是現(xiàn)場勘驗的重要物證之一。通過鞋底在承痕體反映的痕跡特征，不僅可以初步分析和刻畫出人的大致身高、體重、年齡等自然信息，還可以通過鞋底磨損信息反映人的行走姿態(tài)、重心等特征。鞋樣的鞋底花紋信息可補全殘缺的足跡信息，并可通過對照，恢復足跡的殘缺花紋和磨損區(qū)域，對足跡鑒定起到了極大的輔助對比作用。傳統(tǒng)的檢測足跡關鍵點方法使用圖像處理的方式，背景噪聲對算法有很大的影響，且只能應用在嫌疑人足跡上，對現(xiàn)場足跡和鞋樣都不支持。

基于深度學習的算法，有學者研究了目標檢測方法，這種方法只考慮了目標的位置信息，但是無法知道物體的具體和細節(jié)方位朝向，(例如檢測出畫面的狗，但并不知道狗的眼睛和尾巴在哪里)。另一種實現(xiàn)方式是基于深度學習的圖像分割檢測方法，這種方法可以將檢測物體以蒙版(mask)的方式體現(xiàn)。對檢測目標的輪廓刻畫較好，尤其在多目標的復雜場景下，語義理解更為突出，但同樣也無法解決目標的細節(jié)位置。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術存在的上述缺陷，本申請?zhí)峁┮环N基于深度學習的鞋樣及足跡關鍵點檢測方法，利用深度學習網(wǎng)絡，提取關鍵點信息，使得計算機標注足跡或者鞋樣圖像成為可能，極大減輕了人力成本。

為實現(xiàn)上述目的，本申請的技術方案為：一種基于深度學習的鞋樣及足跡關鍵點檢測方法，包括：

S1.獲得鞋樣/足跡數(shù)據(jù)庫：利用爬蟲技術，爬取鞋樣數(shù)據(jù)圖片，獲得鞋樣圖片后，使用人工標定方式標注關鍵點，生成鞋樣數(shù)據(jù)集；足跡數(shù)據(jù)集包括現(xiàn)場足跡數(shù)據(jù)和嫌疑人足跡樣本數(shù)據(jù)；

S2.設定網(wǎng)絡模型；

S3.計算損失函數(shù)：提出基于鞋底/足跡輪廓的損失函數(shù)；

S4.訓練網(wǎng)絡模型：采用部分網(wǎng)絡結(jié)構調(diào)整的遷移學習模式進行訓練；

S5.將圖像尺寸歸一化后輸入已訓練好的網(wǎng)絡模型中，輸出的結(jié)果坐標標記在原圖上。

進一步的，本申請還包括：S6.評價結(jié)果指標的步驟，包括：左右腳判定、主方向判定、有效面積比值和誤差率。

進一步的，步驟S1中最終形成的數(shù)據(jù)庫格式為：

DataSet：{image：[圖像1，圖像2，圖像3，…，圖像n]

label：[人工標定點1，人工標定點2，人工標定點n]}