摘要
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。
- 单位