轮胎痕迹图像检索现状与未来

根据轮胎痕迹图像数据库和现有系统,分析轮胎痕迹花纹的特点。介绍几种适用于轮胎痕迹图像的预处理方法和特征提取方法,从轮胎痕迹图像的底层纹理特征提取和高层语义特征提取两方面,总结轮胎痕迹图像检索领域的研究成果。最后对轮胎痕迹图像检索的研究方向进行探讨。

基于改进LTP特征与CNN的轮胎痕迹检索算法

在公安案件侦破或交通事故处理中,轮胎痕迹图像检索通常用于获取重要比对线索。由于数据特殊且获取难度较大,目前这方面的研究很少且尚无标准数据库。针对轮胎痕迹图像纹理信息复杂并且集中的特点,提出一种适用于轮胎痕迹图像检索的特征,主要贡献包括:提出一种基于局部梯度方向三值模式的纹理特征描述方法,上述特征能有效地描述轮胎痕迹图像纹理信息,相比其它传统纹理描述特征的平均查准率更高;将迁移学习引入卷积神经网络模型的训练中,通过微调网络获得轮胎痕迹图像的新模型,并提取全连接层特征与局部梯度方向三值模式特征进行融合,产生更精确的轮胎痕迹特征。实验结果表明,融合后的特征更适用于描述轮胎痕迹图像的纹理。