CriSp：利用胎面深度图增强犯罪现场鞋印匹配
计算机视觉与模式识别
2024-08-01 v2
摘要
鞋印是犯罪现场常见的证据类型，经常用于法医调查。然而，由于缺乏训练数据，现有方法无法有效利用深度学习技术将噪声大且被遮挡的犯罪现场鞋印与鞋数据库进行匹配。此外，所有现有方法都将犯罪现场鞋印与干净的参考印迹进行匹配，但我们的分析表明，与信息更丰富的胎面深度图进行匹配能获得更好的检索结果。匹配任务因需要仅识别鞋印和鞋胎面相应区域（如脚跟、脚趾等）的相似性而变得更加复杂。为了克服这些挑战，我们利用在线零售商的鞋胎面图像，并使用现成的预测器来估计深度图和干净印迹。我们的方法名为CriSp，通过在这些数据上训练，将犯罪现场鞋印与胎面深度图进行匹配。CriSp结合了数据增强来模拟犯罪现场鞋印，一个编码器来学习空间感知特征，以及一个掩码模块来确保只有犯罪现场印迹的可见区域影响检索结果。为了验证我们的方法，我们通过重新处理现有的犯罪现场鞋印数据集引入了两个验证集，并建立了一个用于比较的基准测试协议。在该基准测试上，CriSp在自动化鞋印匹配和针对此任务定制的图像检索方面均显著优于现有最先进方法。
引用
@article{arxiv.2404.16972,
title = {CriSp: Leveraging Tread Depth Maps for Enhanced Crime-Scene Shoeprint Matching},
author = {Samia Shafique and Shu Kong and Charless Fowlkes},
journal= {arXiv preprint arXiv:2404.16972},
year = {2024}
}