使用卷积神经网络对高加索人种二维足迹进行性别鉴定
计算机视觉与模式识别
2021-09-15 v1 图像与视频处理
摘要
足迹会在各种场景中留下或获取，从犯罪现场到人类学调查。确定足迹的性别在筛选此类印迹时可能很有用，并且已有尝试通过单一或多标志点距离、形状分析以及摩擦脊密度来做到这一点。在此，我们探讨了不同组成部分在二维足印性别鉴定中的相对重要性，即尺寸、形状和纹理。我们使用一种机器学习方法，并将其与更传统的判别方法进行比较。使用了两个数据集：一个是从伯恩茅斯大学学生中收集的试点数据集（N=196），另一个是由谢菲尔德NHS教学医院的足病医生收集的更大数据集（N=2677）。我们的卷积神经网络可以在包含N=267个足迹图像的测试集上，利用所有图像组成部分，以约90%的准确率鉴定足迹性别，这优于专家所能达到的水平。然而，印迹的质量会影响这一成功率，但结果令人鼓舞，并且随着时间的推移，有可能创建一种自动筛选算法，使任何类型的从业者（医学或法医）都能获得二维足迹的初步性别鉴定。
引用
@article{arxiv.2108.01554,
title = {Sexing Caucasian 2D footprints using convolutional neural networks},
author = {Marcin Budka and Matthew R. Bennet and Sally Reynolds and Shelby Barefoot and Sarah Reel and Selina Reidy and Jeremy Walker},
journal= {arXiv preprint arXiv:2108.01554},
year = {2021}
}