Resumen

Como una de las pruebas esenciales de las escenas del crimen, las imágenes de huellas no pueden ignorarse en el desciframiento de casos en serie. La comparación y recuperación tradicional de huellas requiere mucho tiempo y recursos humanos, lo que afecta significativamente al progreso del caso. Con el rápido desarrollo del aprendizaje profundo, la red neuronal convolucional ha demostrado un excelente rendimiento en el reconocimiento y la recuperación de imágenes. Para satisfacer las necesidades reales de la recuperación de imágenes de huellas de seguridad pública, exploramos el efecto de las redes neuronales convolucionales en la recuperación de imágenes de huellas y proponemos una red neuronal profunda de conjunto para la recuperación de imágenes basada en el aprendizaje de transferencia. Al mismo tiempo, basándonos en la tecnología edge computing, desarrollamos un sistema de adquisición de huellas para recopilar datos de huellas. Los resultados experimentales sobre el conjunto de datos de huellas que hemos construido demuestran que nuestro enfoque es útil y práctico.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:recuperación de imágenes de huellas de seguridad pública, comparación tradicional de huellas, red neuronal convolucional, red neuronal profunda, tecnología edge computing, sistema de adquisición de huellas, recuperación de imágenes de huellas, recuperación, resultados experimentales, necesidades reales
• Keywords:public security footprint image retrieval, traditional footprint comparison, convolutional neural network, deep neural network, edge computing technology, footprint acquisition system, footprint image retrieval, retrieval, experimental results, actual needs