基于特征分块的赤足足迹人身识别算法

为了提高赤足足迹人身识别算法的准确率,提出了一种基于深度学习的足迹识别算法。足底各区域所受压力的不同导致了它们包含的信息量存在一定的差异性,为了获取更稳定、区分度更高的特征,该算法采用ResNet50作为基础网络,在特征层进行分块处理。构建了一个包含2000人的赤足足迹库进行训练和一个包含3000人的赤足足迹库进行测试,该算法利用500人1000幅测试图在测试库上首位识别准确率达到了98.50%,优于常规的ResNet50网络。实验表明,基于特征分块的足迹识别算法在赤足足迹识别中获得了很好的识别效果。

鞋印花纹裂缝特征自动检测方法

本文提出了基于复杂花纹切分与配对的鞋印上裂缝特征的自动检测方法。对于鞋印花纹局部图像,首先进行连通域分析,计算每个连通成分的复杂度,并基于边界到边界的方向距离算法进行复杂花纹的切分,然后根据简单花纹段的方向、宽度和空间关系进行裂缝花纹配对,根据配对花纹的间隙,确定裂缝特征的位置和范围,完成裂缝特征检测,并在实验室采集的直线型、网格型、波折型等鞋印花纹上进行验证。结果表明,在实验数据集上裂缝特征的检出率为87.5%。裂缝特征自动检测算法能够应用于鞋印检验鉴定中,可有效降低对人员经验的依赖,消除人为因素影响。

鞋印花纹裂缝特征自动描绘方法

为了提高鞋印鉴定中对细节特征描绘的客观性,提出一种鞋印花纹裂缝特征自动描绘方法。通过对组成裂缝特征的两花纹的走势、宽度进行分析,采用自适应阶数的多项式曲线拟合和图像处理手段,实现裂缝特征的自动描绘。实验结果表明,对于直线型、网格型、波折型等较细的花纹类型,该方法能够精确地描绘其中的裂缝特征。该方法的应用,能够提高鞋印鉴定的客观性。

基于深度学习跨清晰度的鞋面检索——从足迹图像到视频中锁定犯罪嫌疑人的应用

如何有效利用鞋样联合监控视频中提取行人所穿鞋子信息进而锁定嫌疑人在视频中的位置是一个新的课题。基于深度学习的跨清晰度的鞋面检索算法可以解决视频提取的低清鞋子与高清鞋面比对检索的难题,从而打通从足迹到视频中锁定嫌疑人的通路。算法在实现过程中,加入网络分支、特定损失函数、随机变换等手段。在1172组样本检索测试中,算法累计查中率首位达到66.2%,前5达到85.8%。实验证明,在客观指标和主观验证均达到较高的应用级别水准。

基于多尺度特征的赤足足迹图像人身识别算法

本文提出一种基于深度学习技术的赤足足迹图像人身识别算法。以ResNet50为基础网络,结合水平金字塔匹配(horizontal pyramid matching,HPM)技术提取赤足足迹图像的多尺度特征,并利用三元组损失函数Separate Triplet Loss对赤足足迹进行人身度量学习。结果表明,本文基于6433人的赤足足迹进行训练,在11028人的开集赤足数据集上进行测试,所提出的算法的首位度识别准确率达到了96.2%,并且在CMC和mAP各项指标上均远优于常规的ResNet50网络结合交叉熵损失(cross-entropy loss)以及ArcFace损失的深度学习方法。实验证明,本文提出的基于赤足足迹的人身识别算法达到了很好的识别效果,在万人级别的采集数据上达到了较高的识别水准。

基于曲线拟合的线条状工具痕迹自动比对方法研究

线条状工具痕迹是刑事案件现场中常见的痕迹之一,但其利用率却一直较低,主要原因是比对繁琐并具有一定的不确定性。通过若干组实验数据给出一种线条类工具痕迹的自动比对方法:首先将提取的工具痕迹图像经过特征提取,得到工具痕迹模型描述,包括痕迹成痕线条与方向等;进而采用曲线拟合的方式,得到所比对线条的整体曲线形状;最后采用拟合误差、相关性与曲线上关键点的直线模型差,得到量化的相似性结果。该方法是在基于霍夫变换的工具痕迹特征提取的基础上给出的,可以通过对不同图像的工具痕迹特征进行比对,得到准确的、量化的相似性。

基于霍夫变换的工具痕迹特征提取方法研究

利用计算机对线条型工具痕迹进行自动比对的关键是提取特征,基于此,研究了一种基于霍夫变换的工具痕迹特征提取方法,该方法包括图像预处理、边缘检测、霍夫变换、直线模型匹配与聚类、主方向与成痕过程模拟几个步骤,通过以上步骤可以从痕迹图像中提取工具痕迹的直线方程与成痕方向,为后续特征比对提供数据基础。

优化管理目标 提升企业财务核心能力的策略

为了优化公司的经营管理手段,提升公司的竞争实力,公司应当制定出财务管理目标,将财务管理作为公司的经营理念之一,通过财务管理核心能力的增强,实现公司的长期、可持续、健康发展。下文中,笔者将从个人参加公司财务管理的工作实践出发,总结当前国内部分公司在财务管理核心能力培养、财务管理目标制定过程中存在的问题与不足,并提出个人意见与看法,为优化公司财务管理策略,提供参考。