积分商城

最新搜索： TLE9879 FOC STM3207 EZCAD lvgl TP-UART2 ide手册
您现在的位置是：首页 > 技术资料 > 现勘图像检索综述
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

现勘图像检索综述

更新时间：2019-12-24 04:04:09 大小：1022K 上传用户：守着阳光1985查看TA发布的资源 标签：图像检索 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

现勘图像检索是进行证据图像比对以获取物证信息的重要手段.本文基于目前应用广泛的现勘图像数据库,根据图像内容将图像分为鞋印、指纹、纹身等种类.并通过对现勘图像的两项关键技术即低层数字特征提取和高层语义分析的总结,从颜色特征、纹理特征、边缘提取等方面综述了现勘图像低层数字特征提取技术,从利用语义模板和数据库本体结构、机器学习算法、引入人工反馈三大类高层语义提取技术综述了现勘图像高层语义分析的研究成果.最后,结合公安行业利用现勘图像获取物证线索的实际应用需求,指出了通过引入公安行业先验知识来提高检索效率等研究方向.


部分文件列表

文件名 大小
现勘图像检索综述.pdf 1022K

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
3
Vol． 46 No． 3  
Mar． 2018  
第
期
电
子
学
报
2018  
3
ACTA ELECTRONICA SINICA  
年
月
现勘图像检索综述  
1，2  
1，2  
1
，
，
刘 颖 胡 丹 范九伦  
( 1．  
，
710121;  
西安邮电大学图像与信息处理研究所 陕西西安  
2．  
，
710121)  
电子信息现场勘验应用技术公安部重点实验室 陕西西安  
:
．
现勘图像检索是进行证据图像比对以获取物证信息的重要手段 本文基于目前应用广泛的现勘图像数  
摘
要
，
、
、
据库 根据图像内容将图像分为鞋印 指纹 纹身等种类 并通过对现勘图像的两项关键技术即低层数字特征提取和高  
．
，
、
、
层语义分析的总结 从颜色特征 纹理特征 边缘提取等方面综述了现勘图像低层数字特征提取技术 从利用语义模板  
，
、 、  
和数据库本体结构 机器学习算法 引入人工反馈三大类高层语义提取技术综述了现勘图像高层语义分析的研究成  
．
，
，
果 最后 结合公安行业利用现勘图像获取物证线索的实际应用需求 指出了通过引入公安行业先验知识来提高检索  
．
效率等研究方向  
:
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
现勘图像检索 现勘图像数据库 低层数字特征 高层语义特征  
TP391. 41  
0372-2112 ( 2018) 03-0761-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 03． 035  
:
:
A
:
文章编号  
文献标识码  
电子学报  
A Survey of Crime Scene  
Investigation Image Retrieval  
1，2  
1，2  
1
LIU Ying ，HU Dan ，FAN Jiu-lun  
( 1． Center for Image and Information Processing，Xi`an University of Posts ＆ Telecommunications，Xi’an，Shaanxi 710121，China;  
2． Key Lab of Electronic Information Processing with Applications in Crime Scene Investigation，  
Ministry of Public Security，Xi’an，Shaanxi 710121，China)  
Abstract: Crime scene investigation ( CSI) image retrieval is an important means to obtain material evidence for case  
solving． This paper describes the CSI image datasets，which are classified into different categories according to the content of  
the data，such as shoe marks，finger prints，tattoo，etc． This paper provides a survey on state-of-the-art techniques in CSI im-  
age retrieval focusing on low-level feature extraction and high-level semantic learning． Low-level CSI image features mainly  
include color feature，texture feature，boundary descriptor，etc． And，three categories of high-level semantic extraction tech-  
niques for CSI images are identified including using semantic template and database ontology，machine learning techniques  
and introducing relevance feedback． In addition，based on practical requirements from the police on using CSI images to find  
evidence clues，a few research directions are suggested such as introducing prior knowledge of the police to enhance retrieval  
efficiency．  
Key words: crime scene investigation image retrieval; crime scene investigation image database; low-level digital fea-  
ture extraction; high-level semantic learning  
，
CSIR  
、
对提高公安机关的工作效率 节省人  
增加 高效的  
1
引言  
力物力资源越来越重要［1 ～ 3］  
．
，
现勘图像是现场勘验信息的重要组成部分 而现  
( Content-Based Image Re-  
基于内 容 的 图 像 检 索  
( Crime Scene Investigation Image Retrieval，  
勘图像检索  
trieval，CBIR)  
利用从图像像素值中提取的低层图像数  
CSIR)  
，
可为刑侦破案提供重要线索 并在串并案中起到  
，
字特征和高层语义特征来描述图像内容 并通过图像  
． ，  
重要作用 随着摄像设备的普及 现勘图像数量的积累  
，
特征向量间的距离来定义图像相似度 从而实现图像  
: 2016-12-02;  
: 2017-04-21;  
:
收稿日期  
修回日期  
责任编辑 覃怀银  
:
( No. 2016GABJC51) ;  
( No. 61671377)  
基金项目 公安部科技强警  
国家自然科学基金  
762  
2018  
电
子
学
报
年
数据库检索［4］ 关于  
的研究始于上个世纪八十  
1
表
现勘图像数据库介绍  
．
CBIR  
． 、  
年代 常用的图像低层数字特征包括色度特征 纹理  
数据库  
研究机构  
数据库类别  
车牌  
［5］  
、
．
(
)
特征 空间位置特征和形状特征  
除了传统的图像  
大小 张  
低层数字特征［4，5］ 近年来 研究对亮度 平移 旋转  
尺度等 变 化 具 有 鲁 棒 性 的 图 像 特 征 越 来 越 受 到 重  
( Scale Invariant Feature  
，
，
、
、
、
Shahid Rajaee Teacher  
1200  
Training University，Iran  
视［6，7］ 比如尺度不变特征变换  
Transform，SIFT) ［7］  
，
Forensic and Security Laboratory，School of  
Computer Engineering，Nanyang  
、
( Histogram of O-  
方向梯度直方图  
riented Gradient，HOG ) ［8］  
( Bag of Words，  
BOW) ［9］  
7752  
掌纹  
、
词 袋  
( Spatial Pyramid Matching，  
Technological University，Singapore  
、
空间金字塔匹配  
SPM) ［10］  
．
等 图 像 高 层 语 义 特 征  
( high-level semantic  
2000  
首都师范大学  
鞋印  
纹身  
Computer Science and Engineering  
feature)  
是将图像低层数字特征通过机器学习等算法  
100000  
转换为接近人类语言的文字描述［5］ 除了传统的语义  
at Michigan State University，USA  
．
学习算法［4］ 近 年来 学者 们将 相关反馈  
Feedback，RF) ［11］ ( fuzzy theory) ［12，13］  
，
，
( Relevance  
Forensic and Security Laboratory，School of  
Computer Engineering，Nanyang  
、
模糊理论  
等用于  
1133  
皮肤  
Technological University，Singapore  
CBIR  
，
，
中 以引入更多的人机交互 引用人类容易理解  
，
、
的术语表达结果 提供学习速度快 网络结构简单的  
100000  
11456  
西安邮电大学图像与信息处理研究所  
西安邮电大学图像与信息处理研究所  
轮胎花纹  
综合  
，
，
检索模型 从而显著减少检索时间 提高检索准确率  
．
( deep learning)  
深度学习  
可以利用卷积神经网络从大  
，
数据中自动学习出图像的高层语义特征 近年来在图  
像分类方面表现突出［14 ～ 16］  
．
CBIR  
，
已经发展多年 但是由于现勘图像数据涉  
虽然  
，
，
及实际案件 数据来源特殊 建立科研用现勘图像数据库  
．
，
CSIR  
．
并不容易 因此 学术界目前关于  
的研究相对较少  
此外 现勘图像数据本身具有不同于学术界常用测试图  
CBIR  
，
，
像数 据 库 的 特 点 常 规 的  
算 法 不 一 定 适 用 于  
［17］  
CSIR  
．
CSIR  
，
要提高  
的效率 需要充分考虑现勘图像数  
，
．
据的特点 及公安行业的实际应用需求 本文总结了该领  
西安邮电大学图像与信息处理研究所依托与公安  
，
域已有的研究成果 讨论了现勘图像检索的最新技术动  
，
部共建的研究平台 多年来从事现勘图像检索领域的  
，
态 并介绍了目前研究学者们使用的各类现勘图像数据  
，
11456 46  
幅
研究 目前建成了包含  
类实际案例图像的  
．
，
，
库 此外 结合公安行业实际需求 分析了现勘图像检索  
，
、
、
、
数据库 包括生物物证 血迹 车辆 指纹 鞋印 作案工  
、
、
，
技术的发展趋势 指出了该领域几个未来研究方向  
．
、
具 轮胎压痕等  
．
2
现勘图像数据库  
3
现勘图像检索技术  
，
近年来的学术文献显示 目前在这个领域比较活  
CSIR  
，
的研究 大部分针对某一类现勘图  
文献中对  
:
跃的研究团队有 新加坡南洋理工大学计算机工程学  
( Forensic and Security Labo-  
，
，
，
像进行 比如纹身 数 据库 鞋印数 据 库 毛发数据库  
等［18 ～ 31］ 而随着大数据的出现 快速有效地从多渠道多  
院法庭科学和安全实验室  
ratory，School of Computer Engineering，Nanyang Techno-  
logical University) 、  
．
，
种类大型现勘图像数据库中获取有效线索越来越受到  
密歇根州立大学计算机科学与工程  
( Computer Science and Engineering at Michigan  
． CSIR  
CBIR  
，
技术的基础上 根据  
重视  
的研究是在基于  
学 院  
State University) 、  
，
．
现勘图像数据的特点 进行改进以提高检索效率 本文  
基于现有的基于内容的现勘图像检索技术［18 ～ 35］ 从现  
、
首都师范大学信息工程学院 西安邮  
，
电大学图像与信息处理研究所等高校及研究院的科  
、
勘图像低层数字特征提取 高层语义特征提取两个方  
．
研团队 这些学者们所用的现勘图像数据多为来自特  
CSIR  
．
面描述  
的发展现状  
，
．
:
殊行业的实际数据 也有部分自建数据 主要有 车牌  
3. 1  
现勘图像低层数字特征提取  
、
、
、
图像库 手印掌印图像库 纹身图像库 毛发图像库  
皮肤标志图像库等［21 ～ 34］ 如表 所描述 部分例图如  
、
这类算法利用现勘图像低层数字特征向量之间的  
．
1
，
．
相似度来对现勘图像进行检索 学者们根据不同种类  
1
．
图
所示  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

  • zhengdai 打赏1000.00元   3天前

    资料：STM32IAP使用说明

  • gsy幸运 打赏955.00元   3天前

    资料：STM32IAP使用说明

  • 小猫做电路 打赏855.00元   3天前

    资料：STM32IAP使用说明

  • 21ic小能手 打赏310.00元   3天前

    用户：zhengdai

  • 21ic小能手 打赏320.00元   3天前

    用户：liqiang9090

  • 21ic小能手 打赏310.00元   3天前

    用户：gsy幸运

  • 21ic小能手 打赏270.00元   3天前

    用户：jh03551

  • 21ic小能手 打赏240.00元   3天前

    用户：小猫做电路

  • 21ic小能手 打赏210.00元   3天前

    用户：w178191520

  • 21ic小能手 打赏90.00元   3天前

    用户：kkfjenui

  • 21ic小能手 打赏60.00元   3天前

    用户：liao6

  • 21ic小能手 打赏60.00元   3天前

    用户：w1966891335

  • 21ic小能手 打赏90.00元   3天前

    用户：jh0355

  • 21ic小能手 打赏30.00元   3天前

    用户：xuzhen1

  • 21ic小能手 打赏30.00元   3天前

    用户：sun2152

  • 21ic小能手 打赏50.00元   3天前

    用户：xzxbybd

  • 21ic小能手 打赏50.00元   3天前

    用户：mulanhk

  • 21ic小能手 打赏20.00元   3天前

    用户：x15580286248

  • 21ic小能手 打赏15.00元   3天前

    用户：w993263495

  • 21ic小能手 打赏30.00元   3天前

    用户：玉落彼岸

  • 21ic小能手 打赏20.00元   3天前

    用户：铁蛋锅

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号