基于卷积神经网络的毛发显微图像分类

显微照相在现场毛发物证提取与采集中被广泛应用,而基于显微形态图像处理分析的毛发识别有助于进一步提高毛发检验鉴定的自动化程度。为实现毛发的无损检验,首先利用光学显微镜进行不同来源、不同条件的毛发形态显微图像的采集,使用Matlab软件预处理400倍显微镜下拍摄的样本图像数据;尝试多种卷积神经网络的结构和参数组合对毛发显微图像进行特征提取与训练学习,加入中心损失函数提升识别率及泛化能力来优化网络,将显微图像输入网络即可实现毛发的快速识别。本文对人类毛发、假发等四类共20 000张显微图像进行分类训练及测试实验。结果表明,在学习率为0. 000 7,训练迭代次数为30 000次时,识别率达98. 97%,泛化精度达98. 80%。该方法可实现毛发显微图像的高效、准确、自动分类识别,可提高毛发鉴定效率。

低分辨率条件下鞋类的自动分类方法

根据视频监控中行人所穿鞋的鞋型搜索犯罪嫌疑人是公安机关常用侦查技战法。然而在现实案件中很多视频监控分辨率较低,公安民警不能精确识别到具体鞋型,且消耗大量的时间和警力。针对这一问题,提出一种对低分辨率视频监控下的鞋类进行自动分类的方法。参考全国制鞋标准化技术委员会2017年制定的制鞋标准,初步将鞋类分为皮鞋和运动鞋两大类;构建鞋类数据库,包括59853幅皮鞋和47878幅运动鞋图像;进而基于卷积神经网络,设计一种适用于鞋类自动分类的鞋类识别网络模型。实验结果表明,鞋类自动分类模型在测试阶段对鞋分类的准确率达到了95.7%,可见基本能准确识别皮鞋和运动鞋两类鞋。

QuEChERS-UPLC-MS/MS法检测腐败人血中的雷公藤生物碱

建立了快速检测腐败血中雷公藤春碱、雷公藤吉碱、雷公藤定碱、雷公藤次碱的QuEChERS结合超高效液相色谱-三重四级杆质谱(UPLC-MS/MS)检测方法。方法前处理采用乙腈作为提取剂,60 mg NaCl和70 mg无水MgSO4作为盐析剂,并利用30 mg N-丙基乙二胺(PSA)、10 mg石墨化碳黑(GCB)与50 mg无水MgSO4为净化剂,UPLC-MS/MS采用多反应监测模式。方法中4种生物碱的检测限(LOD)为0.02~0.06μg/L,定量限(LOQ)为0.10~0.20μg/L,在3种加标水平下平均回收率为88.1%~112.9%,精密度在1.1%~5.7%之间,基质效应相对沉淀蛋白法改善4.77%~39.70%。方法操作简单、灵敏度高,适用于腐败血中雷公藤生物碱的快速检测。

基于卷积神经网络的鞋型识别方法

“监控+鞋印”是目前公安机关刑事侦查的重要技战法,其基本原理是依据犯罪现场鞋印推断嫌疑人所穿鞋型,然后到周边监控视频中检索嫌疑鞋型。针对“监控+鞋印”技战法自动化程度低下的问题,提出一种基于卷积神经网络的鞋型识别方法,实现对嫌疑鞋型的自动识别。根据鞋型识别独有特点,在DeepID的基础上设计卷积神经网络框架,并构建鞋型样本数据库(50双鞋型样本,共计160231幅图像)。运用Caffe框架结合不同网络模型对鞋型图像数据进行训练和测试,实验设计的初始网络结构由两层卷积、两层池化、两层全连接组成。实验比对了不同的第一层全连接层输出元素数目对网络性能与训练效率的影响,又在不改变输出特征图大小的情况下比对了不同网络深度的实验结果,在优化模型的基础上引用重叠池化得到实验最优网络模型。实验结果表明,卷积神经网络对于鞋型有很好的识别效果,识别精度值最高达96.06%,为鞋型识别提供了一种新的途径。

基于局部二值模式方法的USM锐化图像检验

提出一种反锐化掩模(USM)锐化检验方法。采用局部二值模式方法(LBP)检测图像边缘特征,利用支持向量机进行分类,然后检测图像是否被锐化。针对不同的锐化强度,对比不同LBP检测模式,筛选出最优检测方式。实验结果表明,LBP方法能达到较好的USM锐化检测效果,其中旋转不变模式的检测效果最好,在弱锐化情况下检出率仍能达到90%,优于现有文献中各类方法的检测性能。