首页|期刊导航|数据与计算发展前沿(中英文)|融合多尺度深度特征的残缺鞋印匹配算法

融合多尺度深度特征的残缺鞋印匹配算法OA

中文摘要

【背景】鞋印作为犯罪现场最常见的物证之一,在刑事侦查中发挥着重要作用。“鞋印+监控”侦查技术通过将现场鞋印与视频监控相结合,已成为锁定犯罪嫌疑人的有效手段。【目的】针对现有鞋印匹配算法存在的针对性不强、鲁棒性差、匹配精度不高以及计算复杂度大等问题,本文提出一种基于改进EfficientNetV2-S的融合多尺度深度特征的残缺鞋印匹配算法。【方法】构建了包含1,342类共7,455张鞋印样本的DP-database数据集,其中残缺鞋印占比约70%。采用轻量化的EfficientNetV2-S为骨干网络,引入ECA注意力机制优化Fused-MBConv模块,并通过多层级特征融合策略整合Stage2至Stage6的深度特征,实现不同尺度鞋印信息的有效提取。【结果】在CSS-200数据集上取得top1准确率79%、top10准确率89.5%、top200查全率100%。在CS-Database数据集上,高质量鞋印和血迹鞋印的top1检出率均达100%,灰尘鞋印的top5检出率达100%,优于现有主流算法。【结论】本文方法在保持高效率的同时显著提升了匹配精度和鲁棒性,对残缺、模糊等低质量鞋印具有较强识别能力,可有效满足公安实战“快侦快破”需求。

宋久常;唐云祁;郭威;张嘉楠

中国人民公安大学侦查学院,北京100038中国人民公安大学侦查学院,北京100038中国人民公安大学侦查学院,北京100038北京市公安局朝阳分局刑事侦查支队,北京100123

社会科学

匹配算法特征融合残缺鞋印EfficientNetV2-S

《数据与计算发展前沿(中英文)》 2026 (4)

P.72-86,15

中国人民公安大学刑事科学技术双一流创新研究专项(2023SYL06)。

10.11871/jfdc.issn.2096-742X.2026.04.005

评论