【技术实现步骤摘要】
一种基于卷积网络多尺度特征融合的鞋印身高估计方法
本专利技术属于刑事侦查
，尤其涉及一种基于卷积网络多尺度特征融合依据鞋印图像估计身高的方法。
技术介绍
现有的身高估计方法主要有以下三种：(1)基于人工测量的身高估计方法：通过人工测量的方式，记录鞋长，建立简单的线性数学模型估计身高。(2)基于穿鞋足迹图像的身高分析方法：使用图像滤波操作去除穿鞋足迹图像中鞋底花纹的影响，对穿鞋足迹进行多层压力面提取，获得足迹形态特征：足长，建立足长与身高之间的数学模型：身高＝足长×7，计算该足迹所有人的身高。(3)基于CNN的赤足或穿袜足迹的身高判定方法：应用PCA算法将赤足灰度图像进行旋转矫正，通过阈值的像素分割确定足迹边缘四个关键点：足趾內缘突点，足趾外缘突点，足跟后缘突点，最长趾前缘突点，来确定足迹位置并将边缘噪声裁剪补零，将处理后的图像按男女分别分成五组，构建Alexnet网络构架的卷积神经网络，输入处理过的赤足或穿袜图像，输出身高预测区间。目前上述现有技术中身高估计方法存在的问题分别如下...
【技术保护点】
1.一种基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤如下：/nS1、将鞋印旋转校正；/nS2、将鞋印进行中心化处理；/nS3、对异常数据进行处理；/nS4、将鞋印数据增广；/nS5、通过多尺度特征提取网络对图像进行处理；/nS6、通过金字塔特征融合网络对图像进行处理；/nS7、通过全局结构特征提取网络对图像进行处理；/nS8、通过身高回归预测网络输出预测身高。/n
【技术特征摘要】
1.一种基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤如下：
S1、将鞋印旋转校正；
S2、将鞋印进行中心化处理；
S3、对异常数据进行处理；
S4、将鞋印数据增广；
S5、通过多尺度特征提取网络对图像进行处理；
S6、通过金字塔特征融合网络对图像进行处理；
S7、通过全局结构特征提取网络对图像进行处理；
S8、通过身高回归预测网络输出预测身高。
2.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S1具体步骤如下：
S1.1、将鞋印图像转为灰度图像，选取自适应阈值对图像进行二值化，获得关于鞋印的二值掩模；
S1.2、使用5×5大小的矩形结构元素对二值掩模进行形态学膨胀，得到最终的鞋印掩模；
S1.3、依据掩模确定鞋印的最小外接矩形；
S1.4、根据鞋印最小外接矩形将鞋印裁剪出来后将其上下对称分割，获取前脚掌区域和后脚掌区域；
S1.5、根据掩模分别计算前后脚掌区域的质心，再计算出前后脚掌质心的连线与竖直方向的夹角，根据该夹角并以鞋印最小外接矩形中心点为旋转点进行旋转校正。
3.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S2具体步骤如下：将旋转校正后的鞋印图像，放入预先设定的像素值全为0的全黑图像中，且旋转校正后的鞋印图像的中心与全黑图像中心对齐，其中全黑图像的宽度和高度分别要大于等于数据集中所有原始图像宽度的最大值和高度的最大值。
4.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S3具体步骤如下：
S3.1、将标记身高低于140cm与身高高于250cm的数据剔除；
S3.2、将最小外接矩形满足下列条件之一的鞋印及其标注数据作为异常处理：
(1)宽度小于设定阈值1或大于设定阈值2；
(2)高度小于设定阈值3或大于设定阈值4。
5.如权利要求1所述的基于卷积网络多尺度特征融合的鞋印身高估计方法，其特征在于，步骤S4具体步骤如下：
对训练集中所有图像按如下方式进行增广，对于一幅图像I：
(1)读取图像I，以设定概率Pf进行随机的水平翻转，得到图像If，在实例中选取Pf＝0.5，pf∈[0,1]；
(2)对图像If，以设定概率Pe进行随机图像擦除，得到图像Ie，在实例中Pe＝0.5，pe∈[0,1]；具体随机擦除方式为在鞋印图像中随机选取一个面积为S，长宽比为R的矩形区域，并将该区域像素值置0；矩形面积S由对图像面积进行缩放得到，缩放因子在[0.02，0.03]区间中均匀选取，将缩放因子乘以图像面积作为矩形区域面积S；矩形长宽比R在区间[0.3，3.3]中均匀选取；矩形区域的位置由其中心点坐标(xc,yc)来确定，xc在区间[0，W]中均匀选取，yc在区间[0，H]中均匀选取，W和H分别为图像的宽和高；
(3)对图像Ie进行归一化，得到图像In，归一化公式如下：
其中，In是归一化后的图像，μ和σ是图像Ie的均值和标准差。
6.如权利要求1所述的...
【专利技术属性】
技术研发人员：张涛，刘禹辰，朱振东，王慧，
申请(专利权)人：辽宁师范大学，
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。