[發(fā)明專利]一種基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的槍彈痕跡相似度識(shí)別方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010345147.X
• 申請日: 2020-04-27
• 公開（公告）號: CN112381108A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 潘楠;沈鑫;錢俊兵;黎蘭豪崎;趙成俊;夏豐領(lǐng)
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京隆達(dá)恒晟知識(shí)產(chǎn)權(quán)代理有限公司 11899
• 代理人: 楊青

1.一種基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的槍彈痕跡相似度識(shí)別方法和系統(tǒng)，其特征在于：所述的基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的槍彈痕跡相似度識(shí)別方法和系統(tǒng)用于刑事偵查、槍彈痕跡檢測以及其他需要進(jìn)行痕跡比對的場景，所述的方法包括痕跡特征提取映射步驟和圖卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練及相似度識(shí)別兩個(gè)步驟。

2.根據(jù)權(quán)利要求1所述的一種基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的槍彈痕跡相似度識(shí)別方法和系統(tǒng)，其特征在于：所述的痕跡特征提取映射步驟包括以下步驟：

S1：利用痕跡單點(diǎn)激光檢測裝置對待檢測線纜斷頭鉗切面痕跡進(jìn)行單次橫向檢測，獲取一維離散化序列f(n),n＝0,1,...,N，N為采樣點(diǎn)數(shù)；

S2：對f(n)進(jìn)行m層多尺度小波變換，變換得到不同時(shí)間尺度小波的分量：

其中，a_m為第m層近似數(shù)據(jù)，d_i為第i層的細(xì)節(jié)數(shù)據(jù)，尺度S＝2^m；

S3：設(shè)d_i的參數(shù)化輪廓曲線為其中D是參數(shù)化的確定域，為實(shí)數(shù)集，定義||·||為中的歐幾里得2范數(shù)，定義連續(xù)映射利用平方根速度函數(shù)定義β的形狀其中：

對于每一個(gè)均存在能夠通過q的平方根速度函數(shù)定義的β曲線，此曲線通過獲得，隨后通過將β曲線縮放至單位長度以實(shí)現(xiàn)尺度不變性。至此，輪廓曲線β被表示為在該預(yù)形狀空間中的單位超球點(diǎn)x_i，等待映射入卷積神經(jīng)網(wǎng)絡(luò)的嵌入層；

S4：對所有M個(gè)線纜斷頭鉗切面檢測痕跡重復(fù)S11、S12步驟，獲取各自對應(yīng)輪廓曲線映射單位超球點(diǎn)，從而形成樣本集合X＝{x₁,x₂,...x_N}。

3.根據(jù)權(quán)利要求1或2所述的一種基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的槍彈痕跡相似度識(shí)別方法和系統(tǒng)，其特征在于：所述圖卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練包括1)建立訓(xùn)練集，2)調(diào)參、建立圖卷積神經(jīng)網(wǎng)絡(luò)模型，2)調(diào)參、建立圖卷積神經(jīng)網(wǎng)絡(luò)模型具體方法為，G＝(V,E).V表示節(jié)點(diǎn)集合，即E表示邊集合，即所述的訓(xùn)練模型由兩部分組成：1)負(fù)責(zé)采樣K階鄰域中所有節(jié)點(diǎn)信息的GCN組件，2)自編碼器(AE)組件，用于提取由GCN組件學(xué)習(xí)到的激活值矩陣A的隱藏特征，并結(jié)合拉普拉斯特征映射(LE)保留節(jié)點(diǎn)團(tuán)簇結(jié)構(gòu)，在訓(xùn)練模型中GCN組件利用圖卷積神經(jīng)網(wǎng)絡(luò)以節(jié)為中心采樣K步的所有節(jié)點(diǎn)的結(jié)構(gòu)和特征信息，即編碼K階鄰域信息，結(jié)合節(jié)點(diǎn)的標(biāo)簽訓(xùn)練生成作為自編碼器組件輸入的激活值矩陣A，GCN通過基于節(jié)點(diǎn)標(biāo)簽的有監(jiān)督學(xué)習(xí)，可同時(shí)編碼網(wǎng)絡(luò)的局部結(jié)構(gòu)和特征信息，略去K階鄰域外對生成節(jié)點(diǎn)的低維向量影響較小的次要結(jié)構(gòu)信息，利用GCN習(xí)得的激活值矩陣A作為自編碼器的輸入，自編碼器通過無監(jiān)督學(xué)習(xí)的方式對A進(jìn)一步提取特征信息，并結(jié)合拉普拉斯特征映射，將原網(wǎng)絡(luò)映射到一個(gè)較低維的空間。