中国光学期刊网

根据现场遗留鞋印推断出作案人所穿鞋型，再到周围监控视频中搜索嫌疑鞋型已成为公安机关侦破案件的重要技战法。该技战法完全依赖人工筛查，受主观影响大，易造成漏检等问题。针对这一问题，本文提出一种基于注意力机制的鞋型识别算法，实现对监控视频中的行人所穿鞋型的自动识别。首先贴近公安刑侦实战建立样本容量为300的多背景监控鞋型数据集，进而提出一种注意力机制模型，用于增强ResNet50网络对鞋子重要特征的提取能力。实验比对了选取不同特征层的输出作为鞋子特征及不同卷积特征聚合方法对识别精度的影响。为增强模型的泛化能力，在损失函数中加入Label Smoothing。为评估算法性能，在构建的多背景数据集上对算法进行了测试，实验结果表明，本文提出的方法最终Rank-1、mAP精度分别达到74.32%和56.97%。

基于鞋样的视频追踪技术是公安机关刑事侦查的一种常用技战法,在公安实战中起到巨大的作用,然而该项技术大量依赖于人工筛选,工作量大且效率低,容易出现漏检的状况。鉴于此,提出一种基于SSD(Single Shot MultiBox Detector)模型的鞋子自动检测算法,实现对行人鞋子的自动检测与定位。首先对SSD模型的结构和先验框参数进行设计,使其符合鞋子检测的实际应用。然后采用调节网络参数的方法提高网络的检测性能和稳定性,完善适用于鞋子检测的网络模型和方法,最终得到准确且高效的单类别鞋子检测网络。最后在课题组前期构建的鞋样本数据库中进行性能评价。实验结果表明,所提算法的平均精度达到0.891。