基于多尺度重排填充机制的足迹识别方法研究

作     者：孙永胜 

作者单位：安徽大学 

学位级别：硕士

导师姓名：王年;张艳;杨先军

授予年度：2022年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：足迹识别 细粒度识别 多尺度随机重排 置信度函数 填充机制 

摘      要：因为先天足部骨骼结构和后天环境影响所形成的行走习惯,足迹表现出特定性和稳定性,足迹识别一直受国内外学者们的关注,其发展也从人工手动提取特征逐渐向卷积神经网络自动提取特征过渡。然而,足迹图像和传统图像相比,具有类间差异小、类内差异大的细粒度特性,增加了足迹识别的难度。本文旨在从细粒度图像识别的角度解决压力足迹图像识别的难题,因此,本文首先在细粒度公开数据集上进行算法研究,然后针对足迹图像自身的特点对算法进行改进,以适用于足迹识别问题。本文的具体研究内容如下:(1)构建了压力赤足足迹数据集。针对现有的足迹识别领域缺乏公开的大规模足迹数据集,本文依托足迹感知与分析实验室,按照严格规范的采集流程采集了137个对象的压力赤足足迹图像,实现对不同的算法的评估。为提高数据集的整体质量,本文对所采集的足迹数据进行去噪、中心化和尺度重置等操作。同时,通过对所采集的足迹图像数据分别进行定性和定量分析,得出足迹图像同细粒度图像类似,具有类间差异小、类内差异大的特点。(2)给出了一种基于多尺度区域重排和擦除的细粒度图像识别算法。针对细粒度图像的类间差异小、类内差异大的特点,本文算法所提出的区域擦除模块通过擦除图像中的背景等冗余信息来消除背景噪声,突显前景目标信息,从而使网络能够充分地学习图像中目标物体的特征。其中多尺度区域重排模块实现了图像和子区域在不同尺度上的空间随机打乱。“被破坏的图像更加强调局部细节,迫使网络从图像中挖掘具有判别性的特征信息,提高网络关注判别性区域的能力。同时,本文构建置信度函数对图像中的背景和目标物体进行评估,促使网络获得优越性能。该算法在没有采用部分注释等其他辅助信息且没有引入注意力模块的情况下,仅采用图像类别标签,依然能够获得较高的识别性能。实验结果表明,本文算法在三个细粒度公开数据集(Stanford Dogs,CUB-200-2011,FGVC-Aircraft)上取得较好的识别结果。(3)给出了一种基于填充机制的压力足迹图像识别算法。针对足迹图像的细粒度属性,同时,依据压力赤足足迹图像的特点,基于本文所提出的细粒度图像识别算法和现有的数据增强方法,本文算法所提出的区域填充模块可以对不同分布特点的数据集采取不同的填充方式,实现对原有压力足迹图像的数据增强,提高网络对足迹特征的提取和表达能力。同时,本文引入标签平滑损失代替交叉熵损失,以缓和训练阶段中出现的过拟合现象,提高算法的准确率。实验结果表明,该算法不仅在细粒度公开数据集上具有良好的性能,而且在足迹数据集上具有较高的准确率。