[發明專利]一種細粒度鞋印圖像檢索方法

在審

• 申請號: 202110152570.2
• 申請日: 2021-02-03
• 公開（公告）號: CN112800267A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 王新年;段碩古;王文卿;白桂欣
• 申請（專利權）人: 大連海事大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/538
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

本發明提供一種細粒度鞋印圖像檢索方法及系統，包括以下步驟：鞋印屬性信息提取；鞋印屬性相似度計算；鞋印內容相似度計算；結合鞋印內容信息與屬性信息的排序得分計算；按照排序得分將數據集中的圖像降序輸出得到查詢結果。通過結合鞋印屬性信息、鞋印內容信息以及鞋印語義塊空間布局關系計算鞋印圖像間的相似性，有效增大了差異小鞋印圖像之間的區分性，從而提高了細粒度鞋印圖像檢索精度。

技術領域

本發明涉及一種細粒度圖像檢索的方法，特別是針對相同花紋不同尺碼嫌疑人鞋印的檢索方法。

背景技術

目前鞋印檢索的方法主要有基于全局表觀特征、基于局部區域特征和基于關鍵點特征的檢索方法。基于全局表觀特征的鞋印檢索算法主要是將整張鞋印圖像作為輸入，并提取鞋印圖像的特征，比如傅里葉頻譜特征、Gbaor特征、深度特征等。Pradeep M.Patil把鞋底花紋當做一副紋理圖像，首先采用Randon變換的方法求出鞋底花紋的偏轉角度，并進行矯正；其次，構建8個不同方向的Gabor濾波器，進行對花紋的濾波；然后選取能量值最大的4個Gabor特征圖，將每個特征圖分為8×8相互不重疊的小塊；計算每個子塊的方差以代表子塊；以此來作為鞋底花紋的特征。基于局部區域特征的鞋印檢索算法主要是提取鞋印中的一部分感興趣區域，對其進行特征的提取。2015年，Wang等人提出了一種基于小波傅里葉梅林特征的鞋印檢索算法。該算法首先將鞋印圖像分為腳前掌與腳后跟兩部分，并對兩部分分別賦予不同的權重，分別提取特征。具體方法為：首先對兩部分鞋印圖像分別做小波變換；其次對小波變換后的圖像進行一次傅里葉變換；然后對一次傅里葉變換后得到的幅值進行極坐標變換，對其再進行一次傅里葉變換，得到具有旋轉平移尺度不變性的頻譜特征。基于關鍵點特征的檢索方法也可以稱為感興趣點特征檢索，關鍵點本質上是一種特征，在圖像上代表特定的物理區域或空間關系節點。Almaadeed等人提出了多尺度Harris和Hessian進行關鍵點檢測得到尺度不變性特征，將檢測出的特征進行SIFT變換得到旋轉不變性，最后在分數層面將兩種檢測方法提取出來的特征進行融合。

目前基于全局特征的鞋印檢索，基于局部特征的鞋印檢索和基于關鍵點特征的鞋印檢索均已經取得一定的成果，但已有的方法主要考慮的是花紋與花紋之間的相似性，即僅將與查詢圖像具有同類花紋的鞋印圖像排在檢索結果的前邊，但是未考慮檢索結果中同花紋間尺碼的順序性。尺碼作為鞋印的一個重要屬性，通過將同類花紋的返回結果按照與查詢圖的尺碼相近程序進行降序排列，能夠更為準確的找到與檢索圖像具有共同屬性鞋印圖像，從而提升公安人員的辦案效率。

參考文件：

Yan K,Lu L,Summers R M.Unsupervised Body Part Regression viaSpatially Self-ordering Convolutional Neural Networks[J].2017.

發明內容

根據上述提出的技術問題，而提供一種細粒度鞋印圖像檢索方法。本發明主要利用一種細粒度鞋印圖像檢索方法，其特征在于，包括以下步驟：

S1：鞋印屬性信息提取；

S2：鞋印屬性相似度計算；

S3：鞋印內容相似度計算；

S4：結合鞋印內容信息與屬性信息的排序得分計算；

S5：按照排序得分將數據集中的圖像降序輸出得到檢索結果。

進一步地，步驟S1還包括以下步驟：

S11：對單枚鞋印提取屬性信息；