唐 俊 樊旭晨 张 艳 鲁玺龙 王 年

(1安徽大学电子信息工程学院, 合肥 230601)(2公安部物证鉴定中心, 北京 100038)

足迹识别是指根据足迹图像获取与身份相关的信息,相比于指纹痕迹,足迹更难去掩盖,因此,足迹识别在监管、安全和刑事侦查等领域具有重要的现实意义.已有足迹识别算法可分为2类:第1类是手动提取特征并建立特征与目标信息之间的函数,如文献[1]提出一种基于脚长、脚宽特征回归身高的算法,文献[2]提出一种基于脚掌半径预测年龄的算法;第2类是自动提取特征并建立特征与目标信息之间的函数,如文献[3]提出一种基于足底压力图像结合卷积神经网络(CNN)的身份识别算法,文献[4]提出一种基于足底光学图像预测身高的算法,文献[5]提出一种使用支持向量机(SVM)的身份识别算法.上述算法均是建立在赤足足底图像基础上,而真实的犯罪现场提取的主要为鞋印图像,由于鞋印种类的多样性以及鞋底磨损度的差异性,无法直接对鞋印图像进行特征提取.针对该问题,本文提出一种将鞋印图像反演成赤足图像的算法,该算法能够对赤足足迹样本量进行扩充,并且间接地解决了鞋印图像特征提取困难的问题.

反演算法实质上是一个图到图的转换问题,该问题的解决方法可分为2种.第1种是基于生成对抗网络(GAN)[6-8],通过生成器与判别器的对抗训练,获得一个可以完成图像到图像转换任务的编解码结构.如文献[9]提出使用UNet[10]作为生成器并……