本發(fā)明涉及一種圖像檢索方法,特別是關(guān)于一種基于專(zhuān)家經(jīng)驗(yàn)引導(dǎo)的現(xiàn)場(chǎng)鞋印痕跡花紋圖像檢索方法。涉及專(zhuān)利分類(lèi)號(hào)G06計(jì)算;推算;計(jì)數(shù)G06F電數(shù)字?jǐn)?shù)據(jù)處理G06F17/00特別適用于特定功能的數(shù)字計(jì)算設(shè)備或數(shù)據(jù)處理設(shè)備或數(shù)據(jù)處理方法G06F17/30信息檢索;及其數(shù)據(jù)庫(kù)結(jié)構(gòu)。
背景技術(shù):
在刑事案件中,鞋底痕跡花紋對(duì)于偵破案件發(fā)揮巨大的作用。其中,最具有挑戰(zhàn)性的任務(wù)就是將犯罪現(xiàn)場(chǎng)遺留的低質(zhì)量的鞋底痕跡花紋圖像與數(shù)據(jù)庫(kù)中的鞋底痕跡花紋比較,找出最匹配的一幅圖像?,F(xiàn)場(chǎng)鞋底痕跡花紋圖像檢索方法的目的是幫助鑒定專(zhuān)家準(zhǔn)確的檢索出最匹配的鞋底痕跡花紋圖像,從而提高破案效率。
目前,國(guó)內(nèi)外的鞋印花紋圖像檢索算法主要分為三類(lèi):基于鞋印花紋,基于局部區(qū)域和基于感興趣點(diǎn)的檢索方法。但是,這些方法都是對(duì)人工合成的清晰完整的鞋印痕跡圖像進(jìn)行檢索,而在實(shí)際應(yīng)用中,需要進(jìn)行檢索的鞋印痕跡圖像多維現(xiàn)場(chǎng)采集的鞋印痕跡圖像,且在多數(shù)環(huán)境下,現(xiàn)場(chǎng)采集的鞋印痕跡圖像具有圖像質(zhì)量低,圖像不完整或不清晰等特點(diǎn),所以上面所提到的幾類(lèi)鞋印痕跡檢索方法在實(shí)際應(yīng)用中有很多限制。2015年Xinnian Wang等提出了一種基于小波-傅里葉變換的現(xiàn)場(chǎng)鞋印花紋圖像自動(dòng)檢索方法,將鞋印痕跡圖像分為腳掌和腳跟部分分別提取特征,具體方法為:對(duì)腳掌和腳跟部分分別進(jìn)行小波變換,對(duì)小波變換后的圖像進(jìn)行傅里葉變換,對(duì)其幅值進(jìn)行極坐標(biāo)變換,并進(jìn)行傅里葉變換的得到圖像的頻譜特征,以其頻譜特征進(jìn)行匹配。匹配的正確率為87.5%。
針對(duì)鞋印痕跡檢索,雖然,現(xiàn)有技術(shù)已經(jīng)取得了一定的成果,但是針對(duì)大量的低質(zhì)現(xiàn)場(chǎng)鞋印痕跡圖像,目前的方法并不能取得很好的檢索結(jié)果,且現(xiàn)有現(xiàn)場(chǎng)鞋印痕跡圖像檢索方法只考慮查詢圖像與每幅庫(kù)中圖像的關(guān)系,未考慮庫(kù)中圖像兩兩間的關(guān)系。發(fā)明人在具體實(shí)現(xiàn)本發(fā)明的過(guò)程中,發(fā)現(xiàn)現(xiàn)有技術(shù)中存在以下問(wèn)題:
1)現(xiàn)有方法均提取低級(jí)特征,并依據(jù)特征進(jìn)行匹配,并沒(méi)有考慮高級(jí)語(yǔ)義概念與低級(jí)特征之間的語(yǔ)義鴻溝,使得檢索精度不高;2)現(xiàn)有方法沒(méi)有利用與查詢圖像同一現(xiàn)場(chǎng)提取的其他鞋印痕跡圖像,不利于檢索性能的進(jìn)一步提升;3)現(xiàn)有方法未引入刑偵人員的經(jīng)驗(yàn),容易造成客觀的檢索結(jié)果與刑偵人員的主觀結(jié)果不一致。
有鑒于此,特提出本發(fā)明。
技術(shù)實(shí)現(xiàn)要素:
針對(duì)上述問(wèn)題,本發(fā)明的目的是提供一種基于專(zhuān)家經(jīng)驗(yàn)引導(dǎo)的現(xiàn)場(chǎng)鞋印痕跡花紋圖像檢索方法,包括如下步驟:
—計(jì)算待查詢現(xiàn)場(chǎng)鞋印痕跡圖像與圖像庫(kù)中樣本圖像之間的相似性,對(duì)所述圖像庫(kù)中的圖像按相似度得分從大到小進(jìn)行排序;計(jì)算圖像庫(kù)中任意兩個(gè)圖像樣本之間的相似度得分,構(gòu)建流形正則化項(xiàng);
—由專(zhuān)家依據(jù)兩幅鞋印痕跡圖像的花紋相似程度按經(jīng)驗(yàn)劃分成多個(gè)相似等級(jí)和等級(jí)對(duì)應(yīng)的分?jǐn)?shù),依據(jù)上述等級(jí),對(duì)所述查詢圖處于同一現(xiàn)場(chǎng)的樣本圖像,標(biāo)記相應(yīng)的相似分?jǐn)?shù),作為其專(zhuān)家主觀意見(jiàn)相似度得分,
—查找圖像庫(kù)中與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像的k個(gè)最近鄰圖像;賦予k個(gè)最近鄰圖像專(zhuān)家主觀意見(jiàn)相似等級(jí)和等級(jí)對(duì)應(yīng)的分?jǐn)?shù),對(duì)于與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像的專(zhuān)家主觀意見(jiàn)相似度得分表示為:
其中oi為表示查詢圖像及與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集中第i幅圖像的專(zhuān)家主觀意見(jiàn)相似度得分,w(qj,ui)為與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集中第j幅圖像與其k個(gè)最近鄰圖像的相似度得分,其計(jì)算形式如下:
其中,Amn為與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集Q中第j幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征A的平均值,Bmn為庫(kù)中k個(gè)最近鄰圖像的頻譜特征中的元素,表示頻譜特征B的平均值;
-構(gòu)建專(zhuān)家主觀意見(jiàn)相似度得分ys預(yù)測(cè)模型:
對(duì)于與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像的預(yù)測(cè)專(zhuān)家意見(jiàn)相似度得分表示為上述關(guān)于查詢圖像與該圖像相似度的一個(gè)四參數(shù)邏輯回歸函數(shù);
-上述預(yù)測(cè)模型的參數(shù)通過(guò)學(xué)習(xí)得到,構(gòu)建并使用訓(xùn)練樣本庫(kù)T={(x(i),y(i)),i=1,2,…,M},利用最小二乘法學(xué)習(xí)上述預(yù)測(cè)模型的參數(shù),并求得最優(yōu)化參數(shù)為:
訓(xùn)練樣本庫(kù)T中的圖像被隨機(jī)分為L(zhǎng)T組,每組中由一個(gè)參考圖像和其余n(i)幅鞋印痕跡圖像組成;
令多位刑偵專(zhuān)家對(duì)訓(xùn)練樣本庫(kù)T中各組的圖像,依據(jù)其與該組參考圖像的相似程度,分別給出專(zhuān)家意見(jiàn)相似度得分,并對(duì)專(zhuān)家意見(jiàn)相似度得分取平均,記為y(i);計(jì)算每組參考圖像與該組其余圖像的相似度得分x(i),相似度得分計(jì)算公式為:
其中,Amn為訓(xùn)練樣本庫(kù)中第i幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征A的平均值,Bmn為訓(xùn)練樣本庫(kù)中該組參考圖像的頻譜特征中的元素,表示頻譜特征B的平均值;
-對(duì)于與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像,利用公式對(duì)專(zhuān)家主觀意見(jiàn)相似度得分和預(yù)測(cè)專(zhuān)家意見(jiàn)相似度得分進(jìn)行融合,其中as和ap表示權(quán)重系數(shù),且as+ap=1;對(duì)于圖像庫(kù)中其他圖像
-構(gòu)造并求解目標(biāo)函數(shù),計(jì)算各圖像樣本的排序分?jǐn)?shù),給出排序結(jié)果,完成圖像檢索;所述的目標(biāo)函數(shù)如下所示:
其中f*為最優(yōu)計(jì)算排序得分,ui表示圖像庫(kù)U中的第i幅圖像,fi為圖像庫(kù)U中的第i幅圖像排序得分;α,β,γ為權(quán)重系數(shù),α<β,0<α,β,γ<1,R為系數(shù)矩陣,為對(duì)角陣,Ri,i表示R中第i行第i列元素;W表示鄰接矩陣,其中元素對(duì)應(yīng)的是圖像庫(kù)U中任意兩幅樣本圖像的相似度得分;C是一個(gè)對(duì)角矩陣,Cii為其對(duì)角線上第i個(gè)元素,Cii表示第i幅圖像與其余圖像的相似度的和,qi為與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集Q中第i幅圖像,q1為查詢圖像,Nk(qi)為qi的k個(gè)最近鄰圖像;為專(zhuān)家意見(jiàn)相似度得分。
作為優(yōu)選的實(shí)施方式,所述的圖像庫(kù),
其中表示采集自不同現(xiàn)場(chǎng)的待檢索鞋印痕跡圖像集,表示查詢圖像及與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集,其中q1為查詢圖像。
作為優(yōu)選的實(shí)施方式,所述計(jì)算待查詢現(xiàn)場(chǎng)鞋印痕跡圖像與圖像庫(kù)中樣本圖像之間的相似性具體過(guò)程如下:
-對(duì)庫(kù)中樣本圖像提取二值圖頻譜特征,得到樣本圖像與查詢圖像的相似性;
-依據(jù)所得到的相似性對(duì)樣本圖像庫(kù)中的鞋印痕跡花紋圖像進(jìn)行排序,使樣本圖像庫(kù)中得每幅圖像獲得一個(gè)排序索引Ind(ui);
-構(gòu)建目標(biāo)函數(shù)第一項(xiàng)的系數(shù)矩陣R,R為一個(gè)對(duì)角矩陣,R中第i行第i列元素Rii的值為
其中K表示場(chǎng)鞋印痕跡樣本圖像庫(kù)中圖像的總數(shù),K=n+N。
作為優(yōu)選的實(shí)施方式,所述兩個(gè)圖像樣本之間的相似性,并構(gòu)建流形正則化項(xiàng)具體包括如下步驟:
-計(jì)算圖像庫(kù)U中兩個(gè)圖像樣本之間的二值圖頻譜特征的相似度得分w(ui,uj),依據(jù)如下計(jì)算公式:
其中,Amn為圖像庫(kù)U中第i幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征A的平均值,Bmn為圖像庫(kù)U中第j幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征B的平均值;依據(jù)該相似度得分,可以得到相似度矩陣W(i,j)=w(ui,uj);
-通過(guò)相似度得分構(gòu)建拉普拉斯流形正則化項(xiàng),其中
作為優(yōu)選的實(shí)施方式,由專(zhuān)家依據(jù)兩幅鞋印痕跡圖像的花紋相似程度按經(jīng)驗(yàn)劃分成多個(gè)相似等級(jí)和等級(jí)對(duì)應(yīng)的分?jǐn)?shù),依據(jù)上述等級(jí),對(duì)所述查詢圖處于同一現(xiàn)場(chǎng)的樣本圖像,標(biāo)記相應(yīng)的相似分?jǐn)?shù),作為其專(zhuān)家主觀意見(jiàn)相似度得分,
-查找圖像庫(kù)中與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像的k個(gè)最近鄰圖像;賦予k個(gè)最近鄰圖像專(zhuān)家主觀意見(jiàn)相似等級(jí)和等級(jí)對(duì)應(yīng)的分?jǐn)?shù),對(duì)于與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像的專(zhuān)家主觀意見(jiàn)相似度得分表示為:
其中,表示查詢圖像及與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集,qi為該圖像集中的圖像,Nk(qj)為其k個(gè)最近鄰圖像,oi為其專(zhuān)家主觀意見(jiàn)得分,w(qj,ui)為qj與其k個(gè)最近鄰圖像的相似度。
其中oi為表示查詢圖像及與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集中第i幅圖像的專(zhuān)家主觀意見(jiàn)相似度得分,w(qj,ui)為與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集中第j幅圖像與其k個(gè)最近鄰圖像的相似度得分,其計(jì)算形式如下:
其中,Amn為與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集中第j幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征A的平均值,Bmn為庫(kù)中k個(gè)最近鄰圖像的頻譜特征中的元素,表示頻譜特征B的平均值;
作為優(yōu)選的實(shí)施方式,所述的目標(biāo)函數(shù)的轉(zhuǎn)化為矩陣形式的求解過(guò)程如下:
求最優(yōu)化f使得Q(f)最小,Q(f)對(duì)f的導(dǎo)數(shù)可寫(xiě)為:
令其等于零,即
得
則
按照計(jì)算排序得分的高低對(duì)庫(kù)中圖像樣本進(jìn)行排序,輸出排序后的結(jié)果。
本發(fā)明由于采取以上技術(shù)方案,其具有以下優(yōu)點(diǎn):
(1)創(chuàng)新性:1)提出了一種新的基于專(zhuān)家經(jīng)驗(yàn)引導(dǎo)的檢索方法,利用專(zhuān)家經(jīng)驗(yàn),給出意見(jiàn)相似度得分,并引導(dǎo)檢索,提升檢索精度;
2)構(gòu)建了專(zhuān)家意見(jiàn)相似度得分預(yù)測(cè)模型,用多位專(zhuān)家的意見(jiàn)相似度得分訓(xùn)練模型,有效地避免了由人的主觀因素引起的檢索精度的降低;
3)利用少量的同一現(xiàn)場(chǎng)鞋印花紋圖像樣本及其k個(gè)最近鄰樣本提高了檢索性能;
4)與傳統(tǒng)流形學(xué)習(xí)方法不同,本發(fā)明只考慮與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像對(duì)檢索的引導(dǎo)作用,有效地避免庫(kù)中其余圖像計(jì)算排序得分趨于非常小的值;
5)通過(guò)流形正則化學(xué)習(xí),通過(guò)參考庫(kù)中圖像兩兩之間的關(guān)系,進(jìn)一步提高檢索精度。
(2)有效性:通過(guò)實(shí)驗(yàn)證明本方法在現(xiàn)場(chǎng)鞋印花紋圖像的檢索實(shí)驗(yàn)中的檢索精度明顯優(yōu)于現(xiàn)有技術(shù),利用少量的同一現(xiàn)場(chǎng)鞋印花紋圖像樣本提高了檢索性能。
附圖說(shuō)明
圖1是本發(fā)明實(shí)施例的現(xiàn)場(chǎng)鞋印痕跡花紋圖像檢索方法的流程圖;
圖2是現(xiàn)場(chǎng)采集到的鞋印痕跡圖像的示意圖;
圖3是現(xiàn)場(chǎng)采集到的鞋印痕跡圖像經(jīng)過(guò)二值化處理后的圖像的示意圖。
具體實(shí)施方式
下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)的描述,但并不因此而限定本發(fā)明的內(nèi)容。
設(shè)現(xiàn)場(chǎng)鞋印痕跡樣本圖像庫(kù)其中表示采集自不同現(xiàn)場(chǎng)的待檢索鞋印痕跡圖像集,表示查詢圖像及與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集,其中q1為查詢圖像;
如圖1所示,一種基于專(zhuān)家經(jīng)驗(yàn)引導(dǎo)的現(xiàn)場(chǎng)鞋印痕跡花紋圖像檢索方法,其包括以下步驟:
步驟101、計(jì)算查詢圖與圖像庫(kù)中圖像樣本之間的相似性,并依此對(duì)圖像樣本進(jìn)行排序;
其中該步驟具體包括:
(1)對(duì)庫(kù)中樣本圖像提取二值圖頻譜特征,上述特征提取算法為Wang XN,Sun HH,Yu Q,Zhang C(2015)Automatic Shoeprint Retrieval Algorithm for Real Crime Scenes.ACCV,Singapore,pp 399-413;
得到樣本圖像與查詢圖像的相似性,依據(jù)公式
其中,Amn為庫(kù)中第i幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征A的平均值,Bmn為查詢圖像的頻譜特征中的元素,表示頻譜特征B的平均值;
(2)依據(jù)相似性對(duì)樣本圖像庫(kù)中的鞋印痕跡花紋圖像進(jìn)行排序,使樣本圖像庫(kù)中得每幅圖像獲得一個(gè)排序索引Ind(ui);
(3)構(gòu)建目標(biāo)函數(shù)第一項(xiàng)的系數(shù)矩陣R,
R為一個(gè)對(duì)角矩陣,R中第i行第i列元素Rii的值為其中K表示場(chǎng)鞋印痕跡樣本圖像庫(kù)中圖像的總數(shù),K=n+N
由于目前的主流只考慮查詢圖與庫(kù)中樣本圖像的相似度,并未考慮到樣本圖像之間的相互關(guān)系也是影響查全率的重要因素之一,所以導(dǎo)致現(xiàn)有算法的查全率不甚理想,故作為優(yōu)選的實(shí)施方式,
步驟102、計(jì)算圖像庫(kù)中任意兩個(gè)圖像樣本之間的相似性,并構(gòu)建流形正則化項(xiàng);
其中該步驟具體包括:
(1)計(jì)算圖像庫(kù)U中兩個(gè)圖像樣本之間的二值圖頻譜特征的相似度得分w(ui,uj),依據(jù)計(jì)算公式
其中,Amn為圖像庫(kù)U中第i幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征A的平均值,Bmn為圖像庫(kù)U中第j幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征B的平均值。依據(jù)該相似度得分,可以得到相似度矩陣W(i,j)=w(ui,uj);
(2)通過(guò)相似度得分構(gòu)建拉普拉斯流形正則化項(xiàng),其中
步驟103、由刑偵專(zhuān)家對(duì)與查詢圖同一現(xiàn)場(chǎng)圖像樣本,依據(jù)其與查詢圖像的相似性,對(duì)其相似性程度進(jìn)行劃分為五個(gè)等級(jí),并給每個(gè)相似度等級(jí)分配對(duì)應(yīng)的專(zhuān)家主觀意見(jiàn)相似度分?jǐn)?shù);
對(duì)所述圖像樣本庫(kù)中與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像按照與查詢鞋印花紋圖像的相似性程度劃分為五個(gè)等級(jí),相同,近似相同,相似,近似相似及不同,并給每個(gè)相似度等級(jí)分配對(duì)應(yīng)的專(zhuān)家主觀意見(jiàn)相似度分?jǐn)?shù),例如分別為1,0.8,0.6,0.4,0.2;
步驟104、查找?guī)熘信c查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像的k個(gè)最近鄰圖像,并賦予k個(gè)最近鄰圖像相同的專(zhuān)家主觀意見(jiàn)相似度分?jǐn)?shù);
其中該步驟具體包括:
查找圖像庫(kù)中與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像的k個(gè)最近鄰圖像,在本實(shí)施例中k的數(shù)值取5;賦予k個(gè)最近鄰圖像,即與其相似程度最大的k個(gè)圖像,專(zhuān)家主觀意見(jiàn)相似等級(jí)和等級(jí)對(duì)應(yīng)的分?jǐn)?shù),對(duì)于與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像的專(zhuān)家主觀意見(jiàn)相似度得分表示為:
其中,表示查詢圖像及與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集,qi為該圖像集中的圖像,Nk(qj)為其k個(gè)最近鄰圖像,oi為其專(zhuān)家主觀意見(jiàn)得分,w(qj,ui)為qj與其k個(gè)最近鄰圖像的相似度。
其中,Amn為與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集Q中第j幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征A的平均值,Bmn為庫(kù)中k個(gè)最近鄰圖像的頻譜特征中的元素,表示頻譜特征B的平均值;
這樣可以得到與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像的專(zhuān)家主觀意見(jiàn)相似度分?jǐn)?shù)ys;
步驟105、構(gòu)建并訓(xùn)練專(zhuān)家意見(jiàn)相似度分?jǐn)?shù)預(yù)測(cè)模型,對(duì)與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像的專(zhuān)家意見(jiàn)相似度分?jǐn)?shù)進(jìn)行預(yù)測(cè);
其中該步驟具體包括:
1)構(gòu)建專(zhuān)家意見(jiàn)相似度分?jǐn)?shù)預(yù)測(cè)模型:
對(duì)于與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像的預(yù)測(cè)專(zhuān)家意見(jiàn)相似度得分表示為上述關(guān)于查詢圖像與該圖像相似度的一個(gè)四參數(shù)邏輯回歸函數(shù);
2)上述預(yù)測(cè)模型的參數(shù)通過(guò)學(xué)習(xí)得到,構(gòu)建并使用訓(xùn)練樣本庫(kù)T={(x(i),y(i)),i=1,2,…,M},利用最小二乘法學(xué)習(xí)上述預(yù)測(cè)模型的參數(shù),并求得最優(yōu)化參數(shù)為:
參數(shù)用最小二乘法獲得最優(yōu)參數(shù)λ1λ2λ3λ4初始取值分別為,λ1的初始值為所有訓(xùn)練樣本庫(kù)中圖像平均專(zhuān)家意見(jiàn)得分的最大值max(y),λ2的初始值為所有訓(xùn)練樣本庫(kù)中圖像平均專(zhuān)家意見(jiàn)得分的最小值min(y),λ3的初始值為所有訓(xùn)練樣本庫(kù)中圖像平均專(zhuān)家意見(jiàn)得分的均值mean(y),λ4的初始值為1。
訓(xùn)練樣本庫(kù)T中的圖像被隨機(jī)分為L(zhǎng)T組,每組中由一個(gè)參考圖像和其余n(i)幅鞋印痕跡圖像組成;
令多位刑偵專(zhuān)家對(duì)訓(xùn)練樣本庫(kù)T中各組的圖像,依據(jù)其與該組參考圖像的相似程度,分別給出專(zhuān)家意見(jiàn)相似度得分,并對(duì)專(zhuān)家意見(jiàn)相似度得分取平均,記為y(i);計(jì)算每組參考圖像與該組其余圖像的相似度得分x(i),相似度得分計(jì)算公式為:
其中,Amn為訓(xùn)練樣本庫(kù)中第i幅鞋印花紋圖像的頻譜特征中的元素,表示頻譜特征A的平均值,Bmn為訓(xùn)練樣本庫(kù)中該組參考圖像的頻譜特征中的元素,表示頻譜特征B的平均值;
步驟106、專(zhuān)家主觀意見(jiàn)相似度分?jǐn)?shù)及預(yù)測(cè)專(zhuān)家意見(jiàn)相似度分?jǐn)?shù)進(jìn)行融合,得到專(zhuān)家意見(jiàn)相似度得分;
對(duì)于與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像,利用步驟103和步驟104,可以得到其專(zhuān)家主觀意見(jiàn)相似度得分ys,利用步驟105可以得到其預(yù)測(cè)專(zhuān)家意見(jiàn)相似度得分yp,對(duì)于與查詢現(xiàn)場(chǎng)鞋印痕跡圖像采集自同一現(xiàn)場(chǎng)的樣本圖像,及其k個(gè)最近鄰圖像,利用公式對(duì)專(zhuān)家主觀意見(jiàn)相似度得分和預(yù)測(cè)專(zhuān)家意見(jiàn)相似度得分進(jìn)行融合,其中as和ap表示權(quán)重系數(shù),且as+ap=1;對(duì)于圖像庫(kù)中其他圖像
步驟107、構(gòu)造并求解目標(biāo)函數(shù),計(jì)算各圖像樣本的排序分?jǐn)?shù),把排序后的結(jié)果反饋給用戶。
其中該步驟構(gòu)造的目標(biāo)函數(shù)如下:
其中f*為最優(yōu)計(jì)算排序得分,ui表示圖像庫(kù)U中的第i幅圖像,fi為圖像庫(kù)U中的第i幅圖像排序得分;α,β,γ為權(quán)重系數(shù),α<β,0<α,β,γ<1,R為系數(shù)矩陣,為對(duì)角陣,Ri,i表示R中第i行第i列元素;W表示鄰接矩陣,其中元素對(duì)應(yīng)的是圖像庫(kù)U中任意兩幅樣本圖像的相似度得分;C是一個(gè)對(duì)角矩陣,Cii為其對(duì)角線上第i個(gè)元素,Cii表示第i幅圖像與其余圖像的相似度的和,qi為與查詢圖像采集自同一現(xiàn)場(chǎng)的圖像集Q中第i幅圖像,q1為查詢圖像,Nk(qi)為qi的k個(gè)最近鄰圖像;為專(zhuān)家意見(jiàn)相似度得分。
為方便求解目標(biāo)函數(shù),目標(biāo)函數(shù)可以寫(xiě)成矩陣形式:
求最優(yōu)化f使得Q(f)最小,Q(f)對(duì)f的導(dǎo)數(shù)可寫(xiě)為:
令其等于零,即
可得
則
按照計(jì)算排序得分的高低對(duì)庫(kù)中圖像樣本進(jìn)行排序,并把排序后的結(jié)果反饋給用戶。
下面以一個(gè)具體的實(shí)驗(yàn)來(lái)驗(yàn)證本發(fā)明實(shí)施例提供的一種基于專(zhuān)家經(jīng)驗(yàn)引導(dǎo)的現(xiàn)場(chǎng)鞋印痕跡花紋圖像檢索方法得有效性,實(shí)驗(yàn)具體為:
實(shí)驗(yàn)采用兩個(gè)鞋印痕跡圖像數(shù)據(jù)庫(kù),分別為MUES-SR10KS2S鞋印圖像檢索數(shù)據(jù)庫(kù)(Wang XN,Sun HH,Yu Q,Zhang C(2015)Automatic Shoeprint Retrieval Algorithm for Real Crime Scenes.ACCV,Singapore,pp 399-413)和Adam Kortylewski提供的CSFID-170數(shù)據(jù)庫(kù)(Kortylewski A,Albrecht T,Vetter T(2014)Unsupervised Footwear Impression Analysis and Retrieval from Crime Scene Data.ACCV 2014 Workshops,Singapore,Singapore.pp 644-658)。MUES-SR10KS2S包含10096幅采集自案件現(xiàn)場(chǎng)的鞋印痕跡圖像,其中包含72幅查詢圖像,如圖2、圖3所示。CSFID-170數(shù)據(jù)庫(kù)包含170幅采集自案件現(xiàn)場(chǎng)的鞋印痕跡查詢圖像,及1175幅采集自嫌疑人的圖像樣本。實(shí)驗(yàn)結(jié)果采用Recall@K%衡量,即排序結(jié)果的前K%的查全率。實(shí)驗(yàn)中,本方法在MUES-SR10KS2S鞋印圖像檢索數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn),得到實(shí)驗(yàn)結(jié)果如下:
在CSFID-170數(shù)據(jù)庫(kù)上與Adam Kortylewski提出的方法進(jìn)行對(duì)比,得到實(shí)驗(yàn)結(jié)果如下:
通過(guò)表可以看出,相比對(duì)比方法的結(jié)果,本方法所提出的方案能夠使檢索精度獲得顯著的提高。
上述實(shí)施例中的實(shí)施方案可以進(jìn)一步組合或者替換,且實(shí)施例僅僅是對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行描述,并非對(duì)本發(fā)明的構(gòu)思和范圍進(jìn)行限定,在不脫離本發(fā)明設(shè)計(jì)思想的前提下,本領(lǐng)域中專(zhuān)業(yè)技術(shù)人員對(duì)本發(fā)明的技術(shù)方案作出的各種變化和改進(jìn),均屬于本發(fā)明的保護(hù)范圍。