The invention provides a cross domain retrieval method of shoes pictures based on metric learning, which includes: foreground extraction of video domain data and picture domain data respectively; posture calibration of the two domain foreground image information according to the attitude estimation result; feature extraction of the two domain image information; feature matching of the two domain foreground image information; query picture and candidate picture The similarity between them is sorted; the image query is transformed into group sorting, and the candidate image with the highest similarity is extracted as the retrieval result. The invention overcomes the difference of the distribution between the picture domain data and the video domain data, uses the metric learning to learn the standards that can effectively evaluate the picture features of the two domains, maps the images of the two domains to the same feature space to realize cross domain retrieval.
【技术实现步骤摘要】
一种基于度量学习的鞋图片跨域检索方法
本专利技术涉及图像检索
,具体而言,尤其涉及一种基于度量学习的鞋图片跨域检索方法。
技术介绍
近年来,犯罪现场的足迹成为最为频繁且有效的侦查手段之一,为嫌疑人确定及案件审理提供了重要的参考依据。首先基于在犯罪现场得到的鞋底花纹图片与数据库中海量鞋底花纹样本进行匹配,估计足迹鞋的品牌及型号,以此恢复足迹鞋对应的鞋面信息,得到高清鞋样图片;然后,依据鞋样图片在调取的案发现场监控视频中进行检索,找到与足迹鞋一致的嫌疑鞋样本;最后提取出视频中穿了这类鞋子的人,从而确定嫌疑人确定嫌疑人。名词解释:图片域数据:由足迹鞋鞋底花纹与数据库比对得到的高清晰度鞋样图片组成。视频域数据:由犯罪现场监控视频中检测到的画质模糊、低清晰度的鞋图片组成。目前在图片域、视频域单独领域检索的技术很成熟,但是在两域之间跨域检索技术还未成熟。视频域检索:随着视频监控网络的发展,利用监控视频作为破案线索的视频侦查已成为公安刑侦侦查的重要手段,但目前视频侦查主要通过肉眼查看视频来进行,效率低下而且很容易遗漏目标。技术上,采用基于语义的视频检索技术和基于内容的视频检索技术。此外视频序列的镜头分割(即镜头变化检测)是视频检索中的关键技术之一,目前镜头分割的常用方法,包括灰度分割法,边缘分割法,彩直方图分割法,MPEG视频的分割方法,块匹配镜头分割方法,统计判决镜头分割方法,基于聚类的镜头分割方法,镜头渐变的检测算法。但是在视频背景十分模糊的情景下,视频检索研究十分受限。图片域检索:主要是基于文本 ...
【技术保护点】
1.一种基于度量学习的鞋图片跨域检索方法,其特征在于,步骤包括:/n分别对视频域数据和图片域数据进行前景提取,并对得到的两域前景图像信息进行姿态估计;/n根据姿态估计结果对所述两域前景图像信息进行姿态校准,将图像姿态分为鞋头、侧面、鞋跟三种姿态;/n采用基于色彩和纹理的多特征融合方式对两域图像信息进行特征提取;/n基于有限标签样本学习距离度量对所述两域前景图像信息进行特征匹配;/n将图片域图像信息作为查询图片、将视频域图像信息作为候选图片进行图片查询,并对所述查询图片和所述候选图片间的相似度进行初始排序;/n对得到的初始排序列表中前K个样本的相似度进行基于加权运算的重新排序,将更正确的结果排在返回列表的最前面,获得更优的排序结果;/n提取组排序结果中相似度最高的候选图片作为检索结果。/n
【技术特征摘要】
1.一种基于度量学习的鞋图片跨域检索方法,其特征在于,步骤包括:
分别对视频域数据和图片域数据进行前景提取,并对得到的两域前景图像信息进行姿态估计;
根据姿态估计结果对所述两域前景图像信息进行姿态校准,将图像姿态分为鞋头、侧面、鞋跟三种姿态;
采用基于色彩和纹理的多特征融合方式对两域图像信息进行特征提取;
基于有限标签样本学习距离度量对所述两域前景图像信息进行特征匹配;
将图片域图像信息作为查询图片、将视频域图像信息作为候选图片进行图片查询,并对所述查询图片和所述候选图片间的相似度进行初始排序;
对得到的初始排序列表中前K个样本的相似度进行基于加权运算的重新排序,将更正确的结果排在返回列表的最前面,获得更优的排序结果;
提取组排序结果中相似度最高的候选图片作为检索结果。
2.根据权利要求1所述的鞋图片跨域检索方法,其特征在于,采用深度学习方法对视频域数据进行前景提取,步骤包括:
利用LabelMe标注工具人工标注部分视频图片;
对标注的视频图片进行扩充;
利用扩充后的数据集合训练前景提取模型;
应用训练后的模型提取所有视频域数据的前景图。
3.根据权利要求1或2所述的鞋图片跨域检索方法,其特征在于,采用关键点提取对视频域数据进行姿态估计。
4.根据权利要求1所述的鞋图片跨域检索方...
【专利技术属性】
技术研发人员:刘晓凯,赵丽平,毕胜,
申请(专利权)人:大连海事大学,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。