一、鞋底磨损检验与其它检验结合运用(论文文献综述)
张鹤[1](2021)在《鞋大底Schallamach特征的稳定性与特定性研究》文中研究表明鞋印是刑事案件中一种常见的痕迹物证,随着痕迹提取的方式、方法和设备的不断更新,侦查人员能够从犯罪现场获得更加清晰的鞋大底形态特征,从而进一步发挥鞋印在刑事案件侦破中的作用。鞋大底Schallamach特征是一种穿用过程中形成的形态特征,由于该特征反映比较微观,目前在我国未见对该特征系统研究的相关文献。因此,研究鞋大底Schallamach特征具有一定的现实意义。本文开展了相对系统且全面的鞋大底Schallamach特征研究工作。研究的主要内容为鞋大底Schallamach特征的稳定性、特定性与反映性。其中,稳定性和特定性的研究基于皮鞋实验、运动鞋实验、“定步数”实验,反映性的研究基于反映性实验。在鞋大底Schallamach特征的稳定性研究中,共获取鞋大底捺印样本2635张。其中,皮鞋1080张、运动鞋1155张、“定步数”运动鞋400张。制作鞋印样本采用粉末捺印法,针对皮鞋的鞋跟处采用5×5mm2的网格化分区方式,针对运动鞋的全鞋印采用64分区方式。对Schallamach特征从存在、角度和密度三个方面进行量化,对分布规律、角度密度极值、角度与步角关系和算法区分等进行研究。结果表明:Schallamach特征主要出现的区域有三个,按出现顺序排序为:足跟部外缘、足跖区和鞋尖前缘;其形态随着磨损进程的进行而处在动态变化之中,并具有可区分性;其样本同源认定正确率随着捺印间隔次数的增大而减小,当样本间磨损差距小于8000步时,同源认定正确率为90%以上,样本间磨损差距为2000步的差异度中值为21.1;其存在出现、消失、再出现的循环过程;其角度和步角具有中等程度的相关性。鞋大底Schallamach特征的特定性研究发现,鞋大底Schallamach特征具有人各不同且不再重复的特性。同一人穿的同一只鞋子在不同的磨损阶段、不同的人穿同一材质的鞋子都不能形成完全相同的磨损花纹特征,这是受人体足骨结构、行走步幅特征、鞋底受力情况等因素影响的。鞋大底Schallamach特征具有同指纹一样人各不同的特定性,但与指纹不同的是,指纹终身不变而它会随着磨损时间的变化而变化。在鞋大底Schallamach特征的反映性研究中,针对灰尘鞋印进行了四种客体和两种提取方式的比较实验。结果发现,就提取方式而言,配光照相法的提取能力优于足迹提取仪。就承痕客体而言,Schallamach特征在四种客体上的反映性优良关系为:黑色瓷砖最优,浅色木地板次之,足迹台再次,沙地最差。本文通过对鞋大底Schallamach特征的研究,证明其具有极强的特定性、相对的稳定性和一定的反映性,能够成为作鞋子肯定结论的同一认定的依据。研究内容将进一步丰富足迹学科的内容,为公安实战部门刑事侦查人员提供了一种新的技术手段。
王文君[2](2020)在《鞋底磨损与足底压力关系研究》文中指出鞋底磨损特征是由人体足型结构所决定的形象特征和行走运动习惯所决定的形态特征组成的综合性特征,蕴含着丰富的个人信息。但是目前针对鞋底磨损特征的量化研究依然较少,其与足底作用力的关系仍缺乏实验论证。因此探索客观科学的量化处理方法,分析鞋底磨损的形成变化及其与足底压力的关系是研究的重点内容。本文建立了60名青年男性自然行走状态下的足底压力和鞋底磨损样本集,提出了鞋底磨损的量化方法,即将鞋底面“网格化”后,按照磨损严重程度划分等级并予以赋值,得到磨损分布矩阵,并通过一致性检验论证了该处理方法的有效性。而后,本文全面研究了鞋底磨损程度、磨损点位置和磨损面形态特征对足底压力的反映情况,分析磨损特征的价值。第一,实验将鞋底划分为14个区域,研究了磨损程度与压力大小的关系。结果表明:在反复而稳定的足底压力作用下,鞋底面整体磨损程度均匀增加,各区域之间磨损程度大小关系在穿用过程中相对稳定;第一趾区、跖区、弓区及跟区等重点区域磨损程度能够很好的反映出相应部位受力大小;而相比之下,鞋前尖与后缘磨损程度则无法准确提供足底压力大小信息。第二,研究了鞋前尖、趾区、跖区、弓区、跟区和鞋后缘中,磨损点和重压点位置变化及二者关系。结果表明:鞋底各区域重压点位置在行走运动过程中相对稳定;穿用过程中,除趾区和弓区外,其余各区域磨损集中且磨损点位置相对固定,可作为稳定特征加以分析;鞋前后缘、跖区和跟区磨损点对重压点位置反映良好,其他区域磨损点与重压点位置则有一定差异。第三,选择足跖区为研究重点划定磨损面与重压面范围,分析其形态变化及二者关系。结果表明:足跖区重压面形态在自然行走状态下相对稳定;穿用过程中,磨损面的圆形度、矩形度、长宽比和体态比未发生明显变化,但角度会有所增加;穿用8周后,鞋底磨损面与重压面形态基本一致,足跖区磨损面形态能够很好的反映重压面形态。综上,本文在60人的数据集上,证明了足底压力作用模式具有其稳定性,鞋底磨损形态在穿用过程中会发生一定变化,但随着穿用时间的延长,鞋底重点区域的磨损特征对足底压力特征反映性增强。该结果可为磨损特征的选择与分析提供参考。
刘珞晰[3](2020)在《橡胶鞋大底穿用特征的特定性与稳定性研究》文中进行了进一步梳理鞋印是刑事案件现场中一种常见的痕迹证据,因其能反映留痕鞋大底的形态特征而为侦查人员所利用。鞋大底穿用过程中形成的形态特征是鞋只同一认定中最常用、也是价值最高的一类特征。但是,由于反映形式与稳定性存在差异,不同的穿用特征在检验鉴定过程中的价值并不相同,从而导致检验人员能够依据穿用特征做出同一认定意见,却难以利用穿用特征来否定同一。鞋大底的穿用特征在足迹检验中非常重要,然而我国对于鞋大底穿用特征的基础性研究较为缺乏,因此鞋大底穿用特征的特定性和稳定性研究十分必要。为了弥补国内相关研究之不足、扩充已有的研究内容,本文在绪论中回顾了国内外鞋大底穿用特征的研究,最终选择四种穿用特征的特定性和稳定性作为本文的研究对象,以期为检验鉴定人员的鞋印鉴定活动提供理论基础。这四种穿用特征包括:硬伤、Schallamach磨损、楔入型附着物和涂层剥离。本文的第二部分选取了缺损这一比较有代表性的硬伤作为研究对象。在43位志愿者的鞋大底跟部相同位置用刻刀挖出米粒大小的缺损,并于第一个月每个穿用日进行捺印(21次),接下来的五个月每个月进行捺印(五次),观察其变化。统计了所有缺损在不同方面的变化;计算了这些变化与体重和身高的相关性;利用支持向量机探究其区分可能性。结果发现,大多数缺损先变大后变小,而且大多数缺损一个月以后边缘变得更加齐整;志愿者的体重/身高与缺损的变化呈负相关。同时,尽管随着穿用时间变久,缺损的区分可能性有所下降,但是在六个月以后依然有77.17%的同源样本和96.88%的异源样本能够被正确认定。这表明,缺损是一种相对可靠的穿用特征,支持向量机也可以在今后应用于类似研究中。本文的第三章从出现与否、角度和密度三个维度对鞋大底跟部Schallamach磨损特征进行描述和研究。此部分使用缺损实验中的鞋印捺印样本。批量裁切捺印样本的跟部,添加5×5 mm2的定位网格,观察和测量Schallamach磨损在每个表格中的有无、角度和密度信息,由此量化整个鞋跟部位的Schallamach磨损特征。随后,统计了其变化规律,探索了不同鞋印中Schallamach磨损差异值的算法。结果表明,鞋大底跟部的Schallamach磨损特征从落脚部位开始出现,慢慢向鞋跟内侧扩张;方向大部分与x轴平行,最陡的位置均于穿用一个月以后出现在偏外侧边缘处;密度有疏有密,当存在一条泾渭分明的分界线时,密度较小的位置偏鞋跟外侧,密度较大的位置靠内。在出现的面积适中的情况下,Schallamach磨损特征具有一定特定性和稳定性,但间隔3天以上的同源样本认定正确率低于70%,故它的稳定性较缺损特征更差。本文的第四章首次对楔入型附着物的稳定性和特定性进行研究。稳定性研究的方法如下:37名志愿者穿着警用皮鞋在水晶板/柏油路面上行走/跑步,每次行进之前都要去带有橡胶颗粒和石英砂的足球场的人工草坪上走路、跑跳,以使橡胶颗粒和石英砂可以充分楔入鞋底。随后,记录行进前后鞋底的附着物数量、计算变化率。特定性研究的方法如下:160名志愿者穿着警用皮鞋在稳定性实验的人工草坪上走路、跑跳。测量、记录附着物在鞋大底两个特定凹线的位置。其中25人在Novel’s EMED系统中留下了动态的足底压力分布记录。此外,还对随机收集的113只鞋上的附着物进行了研究。研究发现,地面的粗糙程度和行进方式都会影响楔入型附着物的稳定;楔入型附着物多集中在后跟凹线中央和弓部凹线的外侧区域,这些部位的鞋底压力大概为0.612-0.882倍(四分位距,下同)的最大压力;楔入型附着物主要为小石子或沙砾,多集中在磨损适当的部位,少见于很少与地面接触的部位。楔入型附着物的分布并不是随机的,而可能与足底压力和摩擦力相关,等等。本文第五章的研究发现了橡胶鞋大底涂层剥离在法庭科学领域利用的可能性,并对其进行了一系列的研究,包括涂层剥离特征的分布、最大剥离面积大小、影响因素及变化规律。结果发现:涂层剥离痕迹主要出现在鞋大底弓部、掌后部位、前端部位和轻微擦划处;涂层的最大剥离面积集中在0.019-1.451 mm2范围内,仅有9只涂层喷涂较厚的鞋大底剥离的涂层面积较大;穿用一个月以后,有28只鞋大底仍有涂层剥离特征,其中包括9只喷涂较厚的鞋大底;28只鞋大底的最大剥离面积集中在0.204-3.805 mm2范围内;鞋大底前端部位的涂层最先停止剥离;涂层剥离持续的时间由长到短分别为鞋大底弓部、掌后部位和前端部位;雨水天气后的两天以内,涂层剥离程度较大的鞋大底数量最多。涂层剥离痕迹的总体变化规律为由边缘向内部收缩并逐渐消失。总而言之,橡胶鞋大底涂层剥离特征与涂层厚度、水浸环境、客体粘附力,以及客体表面几何形状与涂层剥离部位的结合能力相关。不常出现涂料剥离的鞋大底部位、涂层较厚的鞋大底和受轻微擦划破坏部位的涂层剥离特征的特定性较强。涂层较厚的鞋大底和不常接触地面的部位的涂层剥离特征相对稳定。最后,在第六章中,对四种穿用特征进行对比,结果表明:特定性最好的是缺损、轻微擦划处的涂层剥离和楔入型附着物,Schallamach磨损次之,普通的涂层剥离只能用于种属认定;缺损最稳定,楔入型附着物的稳定性难以预估,Schallamach磨损在较短的穿用时间内可以利用。因此,检验鉴定人员在进行同一认定的过程中应当重点关注缺损和楔入型附着物,如遇有样本获得较迅速的情况,轻微擦划处的涂层剥离和Schallamach磨损也是可靠的,普通的涂层剥离可以用于辅助鉴定。这些结果在痕迹的形态学比对方面具有一定的理论和学术意义,对于鞋印的检验鉴定实务也具有一定的应用参考价值。
赵梦影[4](2020)在《基于深度特征的跨模态鞋印图像检索》文中研究表明近年来机器学习等人工智能领域的研究和应用迅速发展,为人们的生活和工作提供了诸多帮助。其中,结合图像检索与足迹检验的智能系统可以更准确迅速的为刑侦人员提供犯罪嫌疑人的相关信息。针对目前鞋印图像所存在的足迹不完整和检索技术落后的问题,利用深度学习的方法对所提取的鞋印进行处理,可以更准确地检索出案发现场足迹所对应的鞋印图像,为后续的案件侦破提供更多的线索和信息。这一方法的使用可分担司法人员的破案重担,提高破案效率。本论文研究了基于深度学习的鞋印图像检索方法。首先,提出了一种跨域的图像检索方法,针对案发现场提取的鞋印图像与图库中鞋印图像存在域间差距的特点,对鞋印图像进行图像分割的预处理,减小图像的域间差距,优化检索性能;其次,针对鞋印图像环境噪声影响较多的特点,在基于深度特征的图像检索算法的基础上,使用Siamese网络作为基础网络框架,以VGG19网络作为特征提取网络,并利用三元组损失对提取的特征进行相似性度量,保证所提取的特征中包含更多鞋印的信息,提高检索性能。在此基础上,本文针对网络的特征提取和相似性度量提出了优化方案。首先,本论文提出了将原始的鞋印图像和经过图像分割处理后的图像所提取的特征进行融合的方法,然后利用融合特征进行相似性度量。原始图像提取的特征中包含全部的鞋印图像信息,而分割后的图像提取的特征中噪声影响较小,融合特征有效结合了二者的优点,所以利用融合特征进行检索可以进一步提高检索性能。本论文使用三元组损失进行相似性度量,训练集中正、负样本选择的好坏影响网络模型的性能。本论文采用在线选择样本图像的方法,通过线上选择与检索图像更相似的负样本图像和差距更大的正样本图像进行相似性度量,以达到更好的训练效果,进而获得更好的检索效果。
郭甜利[5](2019)在《基于语义的平面足迹形象特征分割》文中认为在刑事科学技术领域,平面足迹是重要的痕迹证据,可间接提供犯罪嫌疑人的年龄、身高、性别等信息。随着计算机技术的发展,足迹的自动识别成为现代化足迹鉴定学的重要内容。已有的鞋印分析集中在鞋底花纹提取和建库,对脚印的磨损、鞋型等在足迹学上有较强鉴定意义的形象特征研究较少。本文针对性地分割出足迹的花纹、磨损和鞋型三类特征,降低足迹鉴定中人工标注的主观性,为足迹识别奠定基础。基于语义对平面足迹的形象特征分割指实现语义“广义”的可解释性——使分割得出的类别结果在足迹鉴定领域中有意义。本文以油墨捺印的7600余张平面鞋印为研究样本,应用不同的图像分割方法,实现对平面足迹三类形象特征的分割。在分割足迹图像的花纹特征方面,研究并提出使用局部灰度聚类和乘法内在分量优化两种方法分割足迹图像,目标是得到可视化度高的鞋底花纹。结果表明:局部灰度聚类法对花纹分割有较好的鲁棒性。乘法内在分量优化法则矫正了足迹图像的偏移场、图像变得有序而少噪,花纹也被有效分割。对600张分割效果图打分评估,花纹分割成功率达83%。在分割足迹图像的磨损特征方面,提出使用伪彩色和均值漂移两种方法对乘法内在分量优化算法预处理过的图像分割,以期得到“上色”的平面鞋印磨损区。结果发现:伪彩色使鞋印图像的磨损区域的识别度提升,但是它在一定程度上牺牲了足迹图的准确度,效果良。均值漂移在不需要先验知识的前提下,可有效分割出磨损区,鲁棒性强,算法性能优。评估阶段,将均值漂移分割得到的效果图进行特征匹配,表现良好。在分割足迹图像的鞋型特征方面,使用边缘算子、阈值和区域分割三类方法分割足迹图像,旨在强化图像上足迹区和非足迹区的区分度。结果显示,边缘算子检测鞋型效果一般,自适应阈值法表现良好,区域增长法分割鞋型的性能较好,而分水岭法出现过分割,表现不佳。将分割得到的鞋型进行身高与前掌宽的评估实例,结果与事实一致,证明鞋型分割有效。
孙艺桐[6](2019)在《基于图像处理技术的鞋印识别方法研究》文中研究指明基于图像处理技术的鞋印识别是生物特征识别领域的一个重要研究方向。近年来鞋印识别技术在刑侦领域中得到了广泛的应用。鞋印识别技术是利用图像处理技术对案发现场所遗留的鞋印痕迹进行采集,识别及分析等工作,进而为案件的侦破提供可能。本文主要将图像处理技术应用于平面鞋印的识别当中。主要研究工作包括三个方面:第一:研究了基于混合滤波的鞋印图像滤波算法。基本思想是通过设定阈值将鞋印图像中的像素分成三类:受椒盐噪声污染的像素、受高斯噪声污染的像素以及未受噪声污染的像素。该算法根据椒盐噪声和高斯噪声的不同特点,选取不同尺寸的滤波模板,采用中值滤波算法和均值滤波算法相结合的方法对含噪鞋印图像进行了降噪处理。将信噪比改善因子ISNR作为滤波性能的判定指标,实验证明该滤波方法比单一使用中值和均值滤波时在处理鞋印图像方面有着更好的降噪效果。第二:研究了基于灰度共生矩阵的鞋印识别算法。通过研究灰度共生矩阵的定义及其特征值,发现计算出的特征值可以反应鞋印图像的纹理特点,并且该特征值可以作为鞋印识别的依据。本算法是通过计算鞋印图像在不同方向上的四个灰度共生矩阵特征值的平均值,将计算的平均值作为鞋印图像的特征,利用欧式距离完成鞋印的识别实验。实验结果证明基于灰度共生矩阵的鞋印图像识别是有效的。第三:提出了基于改进的LBP的鞋印识别算法。针对传统LBP算法直接对整幅图像进行特征提取,易忽略局部细节特征这一问题,提出了改进的LBP特征提取算法。本算法先是按照生物特征比例将鞋印图像均匀分块,然后提取每一块鞋印图像的LBP直方图特征,之后叠加每一块的直方图作为最终的鞋印图像的直方图特征,最后采用巴氏距离计算出相似度,完成鞋印的识别实验。将不同的LBP模型应用于鞋印匹配中,包括LBP模型、分块LBP模型、等价LBP模型以及分块等价LBP模型,通过计算识别率和识别时间比较不同模型间的差异。实验结果证明采用基于分块等价LBP算法的识别率可以达到95%,比传统的LBP算法的识别率提高了 5%。
王梦阳[7](2018)在《坡跟皮鞋磨损特征及应用》文中研究指明随着社会的进步,生活水平的提高,鞋子的种类及款式越来越多,以满足人们对美和实用性的追求。而坡跟皮鞋因能适应商务、休闲等多种场合,有增高作用却不显夸张,加之各种层次的价位,使得坡跟皮鞋在社会大量存在。同时,犯罪嫌疑人职业多样性的增加、中高层次人群作案率的提高,无疑增加了坡跟皮鞋足迹在现场的出现率。由于坡跟皮鞋特有的坡跟,在长期使用后会形成独特的坡跟痕迹——不同于平底鞋和高跟鞋的痕迹。对这些特征的认识研究有助于侦查人员对嫌疑人行走作用力的刻画、对穿鞋足迹的同一认定。
邓贵斌[8](2016)在《浅谈鞋底磨损特征检验在刑侦工作中的重要作用》文中研究指明鞋底磨损特征的识别与掌握是足迹检验技术的重要组成部分,在侦查破案中发挥着越来越重要的作用。本文结合工作实际,论述了鞋底磨损特征检验在刑事案件的侦查破案中重要作用,也客观地分析了刑侦工作中鞋底磨损特征检验技术应用上的局限性,提出了解决存在问题的途径和改进办法,以促进足迹检验的相关理论的进一步完善。
姚力,卓玉[9](2009)在《判别分析法在鞋底磨损特征检验中的应用》文中研究表明目的从统计学角度论证同一人的鞋底磨损特征具有相对稳定性。方法对50名实验对象(同质人群)的穿鞋足迹中的鞋底磨损特征进行量化测量,并对测量结果用判别分析的方法进行处理。结果不同人的鞋底磨损特征具有差异性,并且可用于不同人的鉴别。为利用鞋底磨损特征进行个人识别提供了理论基础。
槐云平[10](2009)在《浅谈足迹步态的动静特征与鞋底的动静态磨损的区别》文中指出近年来足迹的步法检验、动力形态检验、磨损检验等刑事技术鉴定方法都取得了可喜的成果,但各种检验方法在特征上运用了许多新名称。随着刑事科学技术的发展,人们对足迹的认识不断地提高,笔者在本文中引入足迹的动静态特征,谈谈足迹的步法检验、动力形态检验、磨损检验的关系及内在本质联系,从而对足迹检验提供一种新思路。
二、鞋底磨损检验与其它检验结合运用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、鞋底磨损检验与其它检验结合运用(论文提纲范文)
(1)鞋大底Schallamach特征的稳定性与特定性研究(论文提纲范文)
摘要 |
abstract |
引言 |
1 绪论 |
1.1 研究背景 |
1.2 橡胶鞋大底Schallamach特征的研究概述 |
1.2.1 橡胶鞋大底的概念以及在本研究中的界定 |
1.2.2 Schallamach特征的概念 |
1.2.3 Schallamach特征的形成机理 |
1.2.4 鞋大底Schallamach特征的研究现状 |
1.3 研究目的与意义 |
2 实验材料与方法 |
2.1 志愿者和实验鞋 |
2.2 高质量捺印样本 |
2.3 数据的提取与分析 |
2.3.1 鞋印方向的确定 |
2.3.2 Schallamach特征的量化 |
2.3.3 区分算法 |
2.4 小结 |
3 鞋大底Schallamach特征的稳定性 |
3.1 警用皮鞋Schallamach特征 |
3.1.1 实验内容 |
3.1.2 Schallamach特征的分布规律 |
3.1.3 Schallamach特征的角度与密度 |
3.1.4 Schallamach特征的区分 |
3.1.5 Schallamach特征角度与步角的关系 |
3.1.6 小结 |
3.2 运动鞋Schallamach特征 |
3.2.1 实验内容 |
3.2.2 Schallamach特征的分布规律 |
3.2.3 Schallamach特征的角度与密度 |
3.2.4 Schallamach特征的区分 |
3.2.5 Schallamach特征角度与步角的关系 |
3.2.6 小结 |
3.3 Schallamach特征的定量分析 |
3.3.1 实验内容 |
3.3.2 同源认定正确率与磨损差异度的关系 |
3.3.3 Schallamach特征的变化速率 |
3.3.4 小结 |
3.4 图像量化的有效性 |
3.5 小结 |
4 鞋大底Schallamach特征的特定性 |
4.1 实验内容 |
4.2 实验结果 |
4.2.1 不同磨损阶段的特定性 |
4.2.2 不同磨损主体的特定性 |
4.3 小结 |
5 鞋大底Schallamach特征的反映性 |
5.1 实验内容 |
5.2 实验结果 |
5.2.1 鞋印提取方式的比较 |
5.2.2 承痕客体的比较 |
5.3 小结 |
结论 |
参考文献 |
附录 A 志愿者基本信息 |
附录 B 本研究中关于警用皮鞋与运动鞋相关特性检验报告 |
在学研究成果 |
致谢 |
(2)鞋底磨损与足底压力关系研究(论文提纲范文)
摘要 |
abstract |
引言 |
1 绪论 |
1.1 鞋底磨损特征检验发展概述 |
1.1.1 鞋底磨损特征 |
1.1.2 鞋底磨损特征研究现状 |
1.2 足底压力特征研究概述 |
1.2.1 足底压力测量技术 |
1.2.2 足底压力特征研究现状 |
1.3 本文研究意义 |
2 样本集的建立 |
2.1 研究对象 |
2.1.1 受试人员 |
2.1.2 实验用鞋 |
2.2 实验设备 |
2.2.1 足底压力分布测量平板 |
2.2.2 处理与分析软件 |
2.3 实验步骤 |
2.3.1 足底压力数据集的建立 |
2.3.2 鞋底磨损样本集的建立 |
2.4 小结 |
3 鞋底磨损分布与足底压力大小关系 |
3.1 实验内容 |
3.2 研究方法 |
3.2.1 鞋底区域的划分 |
3.2.2 足底压力参数的计算 |
3.2.3 平均磨损程度的计算 |
3.2.4 稳定性与一致性检验方法 |
3.3 实验结果与分析 |
3.3.1 足底压力分布及稳定性分析 |
3.3.2 鞋底磨损分布及变化分析 |
3.3.3 鞋底整体磨损程度与足底压力关系分析 |
3.3.4 鞋底重点区域磨损程度与足底压力关系分析 |
3.4 小结 |
4 鞋底磨损点与重压点位置关系 |
4.1 实验内容 |
4.2 前后边缘磨损点与重压点关系分析 |
4.2.1 实验方法 |
4.2.2 实验结果与分析 |
4.3 鞋底面磨损点与重压点关系分析 |
4.3.1 实验方法 |
4.3.2 实验结果与分析 |
4.4 小结 |
5 鞋底磨损面与重压面形态关系 |
5.1 实验内容 |
5.2 实验方法 |
5.2.1 足跖区重压面的确定及形态参数的测量 |
5.2.2 足跖区磨损面的确定及形态参数的测量 |
5.2.3 稳定性和相关性检验方法 |
5.3 实验结果与分析 |
5.3.1 各区域磨损面与重压面出现率统计 |
5.3.2 足跖区重压面形态稳定性分析 |
5.3.3 鞋底足跖区磨损面形态变化分析 |
5.3.4 足跖区磨损面与重压面形态关系分析 |
5.4 小结 |
结论 |
参考文献 |
在学研究成果 |
致谢 |
(3)橡胶鞋大底穿用特征的特定性与稳定性研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 橡胶鞋大底穿用特征的稳定性及其研究状况 |
1.2.1 橡胶鞋大底穿用特征的概念以及在本研究中的界定 |
1.2.2 相关研究中鞋印样本获取的方法比较 |
1.2.3 硬伤的特定性和稳定性研究状况 |
1.2.4 Schallamach磨损的特定性和稳定性研究状况 |
1.2.5 附着物的特定性和稳定性研究状况 |
1.3 研究目的与意义 |
1.4 研究内容与组织结构 |
2 硬伤的特定性与稳定性研究——以鞋跟部位人造缺损为例 |
2.1 材料与方法 |
2.1.1 志愿者和鞋样本的选择及缺损的制作 |
2.1.2 高质量捺印样本 |
2.1.3 捺印样本中缺损的量化 |
2.1.4 统计 |
2.2 实验结果与分析 |
2.2.1 缺损变化趋势 |
2.2.2 缺损变化大小与体重、身高的关系 |
2.2.3 SVM分类结果与讨论 |
2.3 实验结论 |
3 Schallamach磨损的特定性与稳定性研究 |
3.1 材料与方法 |
3.1.1 样本的选择及其预处理 |
3.1.2 Schallamach磨损痕迹的量化及其规律和变化 |
3.1.3 计算不同鞋印跟部Schallamach磨损的差异并探究其区分算法 |
3.1.4 最佳算法的优化 |
3.2 实验结果与分析 |
3.2.1 Schallamach磨损特征的分布和规律 |
3.2.2 区分Schallamach磨损特征的最优算法 |
3.2.3 最佳算法的优化 |
3.3 实验结论 |
4 楔入型附着物的稳定性与特定性研究 |
4.1 楔入型附着物的稳定性研究 |
4.1.1 材料与方法 |
4.1.2 实验结果与讨论 |
4.1.3 实验结论 |
4.2 楔入型附着物的特定性研究 |
4.2.1 同种鞋底花纹、同种楔入型附着物实验 |
4.2.2 随机收取的不同花纹鞋大底的楔入型附着物实验 |
4.2.3 实验结论 |
5 涂层剥离的特定性与稳定性研究 |
5.1 材料与方法 |
5.2 实验结果与分析 |
5.2.1 涂层剥离的特定性 |
5.2.2 涂层剥离的稳定性 |
5.3 实验结论 |
6 总结 |
6.1 论文主要研究工作及总结 |
6.2 论文创新点 |
6.3 研究的不足 |
6.4 进一步研究的展望 |
结语 |
参考文献 |
附录A 本研究中涉及的警用皮鞋相关特性检验报告 |
附录B 楔入型附着物稳定性实验结果 |
在学研究成果 |
致谢 |
(4)基于深度特征的跨模态鞋印图像检索(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状 |
1.2.1 图像检索的现状 |
1.2.2 鞋印检索的发展与现状 |
1.3 论文主要内容 |
1.4 论文章节安排 |
第二章 基于深度特征的鞋印图像检索关键技术 |
2.1 关键技术 |
2.1.1 深度学习 |
2.1.2 图像分割 |
2.1.3 图像检索 |
2.2 鞋印图像特点及数据库 |
2.2.1 鞋印图案的特点 |
2.2.2 现场提取的鞋印图像的特点 |
2.3 本章小结 |
第三章 算法框架及特征提取方法优化 |
3.1 算法框架 |
3.2 算法评测和数据 |
3.2.1 数据集 |
3.2.2 参数设置 |
3.2.3 评测标准和网络性能数据 |
3.3 特征提取优化方法 |
3.3.1 优化方法一—卷积核融合 |
3.3.2 优化方法二—全连接层融合 |
3.3.3 优化方法三—线性叠加 |
3.4 性能分析 |
3.4.1 优化方法性能分析 |
3.4.2 优化方法与原始网络性能比较 |
3.5 本章小结 |
第四章 相似性度量的选择与优化 |
4.1 相似性度量 |
4.1.1 距离度量方法 |
4.1.2 图像检索中的相似性度量方法 |
4.2 损失函数的设计与优化 |
4.2.1 三元组损失函数 |
4.2.2 样本的选择 |
4.2.3 优化方法设计 |
4.3 性能分析 |
4.3.1 优化方法性能分析 |
4.3.2 特征提取与相似性度量优化结合性能分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 主要工作和贡献 |
5.2 未来展望 |
参考文献 |
致谢 |
(5)基于语义的平面足迹形象特征分割(论文提纲范文)
摘要 |
abstract |
引言 |
1 绪论 |
1.1 相关足迹理论 |
1.1.1 平面足迹 |
1.1.2 足迹的形象特征 |
1.2 图像分割 |
1.2.1 图像分割思想 |
1.2.2 基于语义分割鞋印 |
1.3 足迹研究现状 |
1.3.1 国内研究现状 |
1.3.2 国外研究现状 |
1.4 本文研究意义 |
1.5 技术路线 |
2 建立样本集 |
2.1 足迹图像采集 |
2.2 归一化样本集 |
3 分割平面足迹花纹特征 |
3.1 实验流程 |
3.2 适用于分割花纹的水平集 |
3.2.1 局部灰度聚类 |
3.2.2 乘法内在分量优化 |
3.3 实验设计 |
3.3.1 实验方法 |
3.3.2 硬件平台 |
3.4 实验与结果分析 |
3.4.1 局部灰度聚类分割花纹 |
3.4.2 乘法内在分量优化法分割花纹 |
3.4.3 花纹分割效果分析 |
3.5 花纹提取效果实际应用 |
3.6 本章小结 |
4 分割平面足迹磨损特征 |
4.1 实验流程 |
4.2 伪彩色填充鞋印磨损区 |
4.2.1 伪彩色原理 |
4.2.2 平面鞋印图像上色处理 |
4.2.3 伪彩色分割磨损区的效果分析 |
4.3 均值漂移分割鞋印磨损 |
4.3.1 均值漂移思想 |
4.3.2 实验步骤 |
4.3.3 实验结果 |
4.3.4 均值漂移分割磨损区的效果分析 |
4.4 磨损分割效果实际应用 |
4.5 本章小结 |
5 分割平面足迹鞋型特征 |
5.1 实验流程 |
5.2 边缘算子提取鞋型 |
5.2.1 Sobel算子检测鞋型 |
5.2.2 Roberts算子检测鞋型 |
5.2.3 Prewitt算子检测鞋型 |
5.2.4 Laplacian算子检测鞋型 |
5.2.5 Canny算子检测鞋型 |
5.3 基于阈值分割鞋型 |
5.3.1 大津法分割鞋型 |
5.3.2 积分图分割鞋型 |
5.3.3 最大熵值法分割鞋型 |
5.4 基于区域分割鞋型 |
5.4.1 区域生长法分割鞋型 |
5.4.2 分水岭法分割鞋型 |
5.5 鞋型分割效果实际应用 |
5.6 本章小结 |
结论 |
参考文献 |
在学研究成果 |
致谢 |
(6)基于图像处理技术的鞋印识别方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究的背景及意义 |
1.2 课题的研究基础 |
1.2.1 足迹的特点 |
1.2.2 足迹的分类 |
1.3 国内外研究现状与发展趋势 |
1.3.1 国内外的研究现状 |
1.3.1.1 课题的国外研究现状 |
1.3.1.2 课题的国内研究现状 |
1.3.2 课题的发展趋势 |
1.4 课题研究的内容及主要结构 |
1.4.1 研究内容 |
1.4.2 论文结构 |
2 鞋印图像分类、分区与采集 |
2.1 鞋印图像的基本分类 |
2.2 鞋印图像的分区 |
2.3 鞋印图像的采集 |
2.4 本章小结 |
3 基于混合滤波的鞋印图像滤波 |
3.1 常见的图像噪声 |
3.1.1 高斯噪声 |
3.1.2 脉冲噪声 |
3.2 常见的图像滤波方法 |
3.2.1 中值滤波 |
3.2.2 均值滤波 |
3.3 基于混合滤波的鞋印图像滤波 |
3.3.1 鞋印图像噪声特点 |
3.3.2 混合滤波算法 |
3.3.3 实验结果及分析 |
3.4 本章小结 |
4 鞋印图像的特征提取 |
4.1 图像特征概述 |
4.2 常用的图像特征 |
4.2.1 颜色特征 |
4.2.2 形状特征 |
4.2.3 空间关系特征 |
4.2.4 纹理特征 |
4.3 灰度共生矩阵 |
4.3.1 灰度共生矩阵的定义 |
4.3.2 常用的灰度共生矩阵的特征 |
4.3.3 灰度共生矩阵的标准化处理及特征提取 |
4.4 局部二值法 |
4.4.1 基本的LBP |
4.4.2 圆形邻域的LBP |
4.4.3 等价模式LBP |
4.4.4 LBP的特点 |
4.4.4.1 LBP的灰度不变性 |
4.4.4.2 LBP的旋转不变性 |
4.4.5 LBP的直方图特征 |
4.5 基于分块LBP的鞋印特征提取 |
4.6 本章小结 |
5 鞋印图像的识别 |
5.1 图像匹配 |
5.2 相似度衡量方法 |
5.2.1 欧氏距离 |
5.2.2 马氏距离 |
5.2.3 明氏距离 |
5.2.4 巴氏距离 |
5.3 实验环境及实验数据 |
5.4 基于灰度共生矩阵的鞋印识别实验 |
5.5 基于分块LBP的鞋印识别实验 |
5.6 实验结果与分析 |
5.7 本章小结 |
6 结论和展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简介 |
作者在攻读硕士学位期间获得的学术成果 |
致谢 |
(7)坡跟皮鞋磨损特征及应用(论文提纲范文)
一、坡跟皮鞋的独特性 |
二、坡跟磨损的特征 |
三、坡跟磨损的形成原理 |
四、坡跟磨损的应用 |
(一) 坡跟磨损在鞋的同一认定中的应用。 |
(二) 坡跟磨损在人身同一认定中的应用。 |
五、案例分析 |
六、结语 |
(9)判别分析法在鞋底磨损特征检验中的应用(论文提纲范文)
1 样本的收集和特征标定 |
1.1 实验样本的采集 |
1.2 实验样本特征的标定 |
1.2.1 磨损的分区及量化 |
1.2.2 重点磨损区的相互关系及量化 |
2 鞋底磨损特征数据的处理 |
2.1 统计分析原理及方法 |
2.2 统计分析的过程与结果 |
2.2.1 判别分析过程示例 |
2.2.2 不同的特征参数组合对判别结果的影响 |
2.3 统计分析结果的评价 |
3 结 论 |
(10)浅谈足迹步态的动静特征与鞋底的动静态磨损的区别(论文提纲范文)
一、步态的动静态特征 |
(一)静态特征 |
(二)动态特征 |
二、鞋印的动静态磨损 |
三、步态的动静特征与鞋底的动静态磨损的区别 |
四、提取足迹动静态特征的作用 |
四、鞋底磨损检验与其它检验结合运用(论文参考文献)
- [1]鞋大底Schallamach特征的稳定性与特定性研究[D]. 张鹤. 中国人民公安大学, 2021
- [2]鞋底磨损与足底压力关系研究[D]. 王文君. 中国人民公安大学, 2020(12)
- [3]橡胶鞋大底穿用特征的特定性与稳定性研究[D]. 刘珞晰. 中国人民公安大学, 2020(11)
- [4]基于深度特征的跨模态鞋印图像检索[D]. 赵梦影. 北京邮电大学, 2020(05)
- [5]基于语义的平面足迹形象特征分割[D]. 郭甜利. 中国人民公安大学, 2019(09)
- [6]基于图像处理技术的鞋印识别方法研究[D]. 孙艺桐. 沈阳建筑大学, 2019(05)
- [7]坡跟皮鞋磨损特征及应用[J]. 王梦阳. 产业与科技论坛, 2018(18)
- [8]浅谈鞋底磨损特征检验在刑侦工作中的重要作用[J]. 邓贵斌. 法制博览, 2016(26)
- [9]判别分析法在鞋底磨损特征检验中的应用[J]. 姚力,卓玉. 刑事技术, 2009(01)
- [10]浅谈足迹步态的动静特征与鞋底的动静态磨损的区别[J]. 槐云平. 云南警官学院学报, 2009(01)