相关实验视频
Updated: Aug 4, 2026
09:47
Spotting Cheetahs: Identifying Individuals by Their Footprints
Published on: May 1, 2016
14.9K
鞋印图像检索和犯罪现场鞋印图像链接使用卷积神经网络和规范交叉相关性
Zhijian Wen1, J M Curran2, G Wevers1
1Institute of Environmental Science and Research Limited, Private Bag 92021, Auckland 1142, New Zealand.
概括
本研究介绍了一种使用卷积神经网络 (CNN) 和正常化交叉相关性 (NCC) 的先进鞋印检索方法. 该系统成功地以82%的准确度识别了匹配的鞋印,并以88.99%的准确度链接犯罪现场.
科学领域:
- 法医科学 法医科学 法医科学
- 计算机视觉 计算机视觉
- 模式识别 模式识别
背景情况:
- 鞋印分析在法医调查中至关重要,但由于犯罪现场印象不完美,因此具有挑战性.
- 现有的方法在部分,扭曲或微弱的鞋痕上扎.
研究的目的:
- 为法医应用开发一个自动化的鞋印图像检索系统.
- 为了提高与参考数据库对应犯罪现场鞋印的准确性.
- 扩大将不同犯罪现场之间的鞋痕联系起来的方法.
主要方法:
- 使用预训练的卷积神经网络 (CNN) 来从预处理的鞋印图像中提取特征.
- 采用正常化交叉相关性 (NCC) 来计算提取特征之间的相似性得分.
- 将该方法应用于图像检索和将不同犯罪现场的鞋痕联系起来.
主要成果:
- 实现了82%的检索准确度,定义为正确的鞋印出现在前1%的结果中.
- 证明了88.99%的准确性,在将不同犯罪现场的鞋痕联系起来时,当匹配在前20%的结果中时.
结论:
- 提出的基于CNN和NCC的方法在法医分析中显著提高了鞋印检索准确度.
- 该系统能够根据鞋痕将犯罪现场联系起来,这为调查人员提供了宝贵的工具.
- 这种方法有效地解决了不完善的鞋痕证据带来的挑战.
更多相关视频
06:25Paw-Print Analysis of Contrast-Enhanced Recordings PrAnCER: A Low-Cost, Open-Access Automated Gait Analysis System for Assessing Motor Deficits
Published on: August 12, 2019
8.5K
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
1.2K
