计算机工程

作者：张涛, 朱振东, 王慧, 刘禹辰, 王新年

单位：1. 辽宁师范大学 物理与电子技术学院, 辽宁 大连 116029;2. 大连海事大学 信息科学技术学院, 辽宁 大连 116026

关键词：鞋印图像,性别预测,卷积神经网络,注意力机制,生物特征识别

基金：大连市科技创新基金（2019J12GX036）。

鞋印是作案人在案发现场经常遗留的痕迹，承载人的性别、身高等属性信息。基于鞋印的性别预测对快速排查嫌疑人具有重要作用，其方法主要由刑侦人员凭借经验判断，需要大量领域知识，而少数自动预测方法是基于人工提取的特征和经验模型进行预测，受测量误差的影响，导致预测准确率降低。针对该问题，提出基于鞋印图像的端到端预测方法。采用卷积神经网络提取鞋印图像特征，引入通道注意力模块对特征权重进行重新分配，使模型重点关注鞋印图像中对性别起显著作用的部分。在此基础上，将特征图输入到性别预测模块进行预测。此外，分别构建适用于单枚和多枚鞋印应用场景的数据集SiSIS和SeSIS，根据在案发现场中鞋印可能出现的情况，设计鞋印方向差异、鞋印残缺和弹性形变的数据增广方式。实验结果表明，该方法在SiSIS和SeSIS数据集上的预测准确率分别达到91.80%和99.35%，相比现有基于鞋印的性别预测方法，具有较优的预测性能。

来源：2022年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第11期