一种适合高维特征的鞋印新类别检测方法技术

本发明专利技术公开了一种适合高维特征的鞋印新类别检测方法，其特征在于，具体步骤包括：提取训练样本和待检测样本的特征、根据样本特征计算相似度矩阵、根据训练样本之间的相似度矩阵计算得到映射矩阵

A new type of shoe for high dimensional feature detection method

The invention discloses a method for high dimension shoe new category detection method, which is characterized in that the method comprises the following steps: extracting the training samples and the test sample characteristics, according to the characteristics of samples to calculate similarity matrix, according to the similarity matrix between training samples to obtain the mapping matrix

【技术实现步骤摘要】
一种适合高维特征的鞋印新类别检测方法
本专利技术涉及图像处理及痕迹检验
，具体说涉及一种适合高维特征的鞋印新类别检测方法。
技术介绍
目前在图像处理
有基于鞋印数据集、人脸数据集和通用数据集的新类别检测算法。基于鞋印的新类别检测算法有结合零空间下距离对比信息的新类别鞋印检测算法、采用多层级联的开集痕迹图像分类方法；基于通用数据集的新类别检测算法有LocalKNFST。(1)基于鞋印的新类别检测算法零空间下距离对比信息的新类别鞋印检测算法：利用零空间下，类间散布矩阵与类内散布矩阵的比值能达到无穷大的特性，分别将所有训练样本类别以及待检测样本映射在零空间，在零空间下计算待检测样本与每一类训练样本类别的欧氏距离，然后将距离从小到大排名，利用距离最近和距离最远的N个类别之间的对比信息实现新类别的检测。采用多层级联的开集痕迹图像分类方法：首先根据预处理后的待分类图像与痕迹图像库中每一痕迹图像的相似性筛选待分类图像的候选类别，然后计算待分类图像与候选类别中排名第一位的痕迹图像及其对应代表图像的相似性再利用多层级联的方式判断待分类图像是否属于痕迹图像库中某一类别或者新类别图像。基于鞋印的新类别检测算法存在的问题是：结合零空间下距离对比信息的新类别检测算法只考虑了待检测样本特征在零空间中低维特性，并没有考虑待检测样本特征在原始高维空间的特性，所以该方法对待检测样本的特征描述缺乏流形一致性；基于多层级联的开集痕迹图像分类方法对不同的得分区间采取不同的添加策略，而阈值的设定很关键，需要很大的技巧。(2)基于通用数据集的新类别检测方法LocalKNFST是一种新类别检测方法：该方法通过将训练样本和待检测样本分别映射到零空间来计算待检测样本与训练样本类别的欧氏距离，将最小的距离作为最终的新类别得分，然后根据设定的阈值实现对含有未知类别样本的集内集外判定。基于通用数据集的新类别检测算法存在的问题是：LocalKNFST只利用最近邻类别一个维度的信息进行新类别检测，损失了与其它类别的距离信息，影响判别的效率，并且该方法只考虑了样本在零空间的低维特征，并没有考虑样本在原始空间的高维特性，影响判别的准确率。
技术实现思路
鉴于已有技术存在的不足，本专利技术的目的是要提供一种适合高维特征且检测准确性高的鞋印新类别检测方法。为了实现上述目的，本专利技术技术方案如下：一种适合高维特征的鞋印新类别检测方法，其特征在于，具体步骤包括：S1、提取样本特征，取已知类别的鞋印图像为训练样本，分别提取训练样本和待检测样本的特征；S2、计算相似度矩阵，根据训练样本特征和待检测样本特征计算得到训练样本与训练样本之间的相似度矩阵、待检测图像样本与训练图像样本之间的相似度矩阵；S3、计算映射矩阵，根据步骤S2得到的训练样本之间的相似度矩阵，计算得到映射矩阵S4、将训练样本映射到零空间，由步骤S3所得映射矩阵将所有训练样本都映射到零空间，使每一类别的训练样本在零空间映射为一个点；S5、计算待检测样本属于新类别的置信度，由步骤S3所得映射矩阵对待检测样本进行映射，计算在零空间内待检测样本点与每一类训练样本点的欧氏距离，并对得到的欧式距离进行从小到大的排序，根据排序结果，计算待检测样本属于新类别的置信度Δd；S6、计算检测样本特征在原始高维空间的特性，取与待检测样本点距离最近的训练样本类别，分别计算待检测样本与此类别内的所有训练样本之间的相似度，并输出最大的相似度值S，将此相似度值作为待检测样本特征在原始高维空间的特性；S7、求取新类别值，将步骤S5得到的置信度Δd与步骤S6得到的最大相似度值S的和作为最终的新类别值t；S8、判断待检测样本类别，根据设定的阈值T与步骤S8得到的新类别值t的比较结果，判断待检测样本是否属于新类别，即t值如果小于阈值T则待检测样本是新类别。与现有技术相比，本专利技术的有益效果：(1)本专利技术计算待检测样本在零空间的新类别值时，不是利用距离的对比信息，而是利用置信度，即待检测样本属于集内时的置信度值比待检测样本属于集外时的置信度值要大很多，通过置信度来增大集内集外样本的差异，提高检测准确率。(2)本专利技术不仅利用待检测样本特征在零空间的低维特性，即在零空间中的置信度，置信度越低，属于新类别的可能性越大；还考虑待检测样本特征在原始高维空间的特性，即待检测样本的相似度，相似度越低，属于新类别的可能性越大。本专利技术通过将待检测样本特征的两种特性融合，使得对样本特征的描述满足流形一致性，进一步提高检测的准确率。(3)本专利技术用于鞋印新类别的检测，可以进一步提高新类别检测的准确率，实现对鞋印更高效管理，提高刑事工作部门的效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术鞋印新类别检测方法流程图；图2为本专利技术鞋印新类别检测方法实施流程图；具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术设计了一种适合高维特征的鞋印新类别检测方法，下面结合附图以及具体实施例进一步说明本专利技术的技术方案：如图1所示为本专利技术鞋印新类别检测方法流程图，其具体步骤包括：S1、提取样本特征，取已知类别的鞋印图像为训练样本，分别提取训练样本和待检测样本的特征。提取训练样本和待测样本特征的步骤包括：S1.1、提取鞋印图像样本提取鞋印的最小外接矩，将此矩形对应鞋印上方的百分之六十作为脚掌，剩余百分之四十的鞋印图像作为脚跟，再将脚掌、脚跟镜像处理，并对各部分进行小波变换将每一部分均变换为原图像的四分之一。S1.2、提取鞋印样本图像的特征对鞋印样本图像进行极坐标变换再取傅里叶变换得到鞋印图像样本特征，将镜像处理前后的脚掌和镜像处理前后的脚跟四部分特征作为一幅图像的整体特征。S2、计算相似度矩阵，根据训练样本特征和待检测样本特征计算得到训练样本与训练样本之间的相似度矩阵、待检测图像样本与训练图像样本之间的相似度矩阵。计算训练样本与训练样本之间的相似度矩阵、待检测样本与训练样本之间的相似度矩阵，包括：根据步骤S1得到的图像特征计算两幅所述训练图像镜像处理前后的脚掌之间的相似度；并比较两个相似度，将较大的相似度作为所述两幅训练图像脚掌的相似度；根据步骤S1得到的图像特征计算两幅所述训练图像镜像处理前后的脚跟之间的相似度；并比较两个相似度，将较大的相似度作为所述两幅训练图像脚跟的相似度；根据步骤S1得到的图像特征计算训练图像和待检测图像镜像处理前后的脚掌之间的相似度；并比较两个相似度，将较大的相似度作为所述训练图像和所述待检测图像之间脚掌的相似度；根据步骤S1得到的图像特征计算训练图像和待检测图像镜像处理前后的脚跟之间的相似度；并比较两个相似度，将较大的相似度作为所述训练图像和所述待检测图像之间脚跟的相本文档来自技高网...

【技术保护点】
一种适合高维特征的鞋印新类别检测方法，其特征在于，具体步骤包括：S1、提取样本特征，取已知类别的鞋印图像为训练样本，分别提取训练样本和待检测样本的特征；S2、计算相似度矩阵，根据训练样本特征和待检测样本特征计算得到训练样本与训练样本之间的相似度矩阵、待检测图像样本与训练图像样本之间的相似度矩阵；S3、计算映射矩阵，根据步骤S2得到的训练样本之间的相似度矩阵，计算得到映射矩阵

【技术特征摘要】
1.一种适合高维特征的鞋印新类别检测方法，其特征在于，具体步骤包括：S1、提取样本特征，取已知类别的鞋印图像为训练样本，分别提取训练样本和待检测样本的特征；S2、计算相似度矩阵，根据训练样本特征和待检测样本特征计算得到训练样本与训练样本之间的相似度矩阵、待检测图像样本与训练图像样本之间的相似度矩阵；S3、计算映射矩阵，根据步骤S2得到的训练样本之间的相似度矩阵，计算得到映射矩阵S4、将训练样本映射到零空间，由步骤S3所得映射矩阵将所有训练样本都映射到零空间，使每一类别的训练样本在零空间映射为一个点；S5、计算待检测样本属于新类别的置信度，由步骤S3所得映射矩阵对待检测样本进行映射，计算在零空间内待检测样本点与每一类训练样本点的欧氏距离，并对得到的欧式距离进行从小到大的排序，根据排序结果，计算待检测样本属于新类别的置信度Δd；S6、计算检测样本特征在原始高维空间的特性，由待检测样本点与训练样本类别得到待检测样本特征在原始高维空间的特性S；S7、求取新类别值，根据待检测样本属于新类别的置信度Δd和待检测样本特征在原始高维空间的特性S得到最终的新类别值t；将步骤S5得到的置信度Δd与步骤S6得到的最大相似度值S的和作为最终的新类别值t；S8、判断待检测样本类别，根据设定的阈值T与步骤S8得到的新类别值t的比较结果，判断待检测样本是否属于新类别。2.根据权利要求1所述的一种适合高维特征的鞋印新类别检测方法，其特征在于，所述S1提取训练样本和待测样本特征的步骤包括：S1.1、提取鞋印图像样本根据预设值将所述训练图像与待检测图像上方作为脚掌，剩余部分作为脚跟，将所述脚掌、所述脚跟图像镜像处理，将原图像与镜像后的脚掌、脚跟图像进行小波变换为所述原图像的四分之一；S1.2、提取鞋印样本图像的特征对鞋印样本图像进行极坐标变换再取傅里叶变换得到鞋印图像样本特征，将镜像处理前后的脚掌和镜像处理前后的脚跟四部分特征作为一幅图像的整体特征。3.根据权利要求1所述的一种适合高维特征的鞋印新类别检测方法，其特征在于，所述S2计算训练样本与训练样本之间的相似度矩阵、待检测样本与训练样本之间的相似度矩阵，包括：根据步骤S1得到的图像特征计算两幅所述训练图像镜像处理前后的脚掌之间的相似度；并比较两个相似度，将较大的相似度作为所述两幅训练图像脚掌的相似度；根据步骤S1得到的图像特征计算两幅所述训练图像镜像处理前后的脚跟...

【专利技术属性】
技术研发人员：王新年，刘风竹，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁,21