基於深度學習理論的紋身圖像識別與檢測研究

第一章 緒論/1
一、 引言/3
二、 深度學習/5
三、 紋身圖像/12
四、 紋身圖像識別與檢測/22

第二章 紋身影像處理理論基礎/27
一、 圖像底層特徵/29
二、 詞包模型/36
三、 空間金字塔概述/37
四、 深度置信網路概述/38
五、 卷積神經網路/42

第三章 深度學習演算法在紋身圖像檢測中的比較研究/47
一、 深度學習演算法/49
二、 對比實驗與分析/56

第四章 基於多特徵融合的DBN紋身圖像識別與檢測/63
一、 引言/65
二、 基於多特徵融合的DBN紋身圖像檢測改進演算法/66
三、 基於視覺詞包的DBN紋身圖像檢測改進演算法（BOVW-DBN）/68
四、 基於空間金字塔的DBN紋身圖像檢測改進演算法（SP-DBN）/74
五、 基於DBN改進演算法在Caltech 101 分類中的應用/78
六、 基於DBN改進演算法在紋身圖像檢測中的應用/82

第五章 基於全連接層的CNN紋身圖像檢測/93
一、 CNN基本結構/96
二、 基於CNN的改進演算法/97
三、 基於三通道R-CNN的紋身檢測（CFT Faster R-CNN）/118

主要參考文獻/130
後記/143

隨著圖像拍攝設備、智慧手機和互聯網技術的發展，紋身圖像的採集、傳播變得越來越容易。而網路技術的發展，特別是無線高速網路的發展（如4G、5G技術），為網路圖像分享提供了便捷的通道，出現了一些專業化的網路資料庫和圖像分享網站。伴隨著突發事件的不斷發生，紋身同其他生物特徵一樣，成為對犯罪嫌疑人識別的有力證據。如何對紋身圖像進行檢測和語義解讀，已經引起公共安全部門的重視。

在19世紀60年代到80年代，俄國學者阿爾卡季布維尼科夫遊走俄國各地的懲教中心，在懲教中心尋找帶有紋身的罪犯並拍下罪犯身上的紋身圖案。19世紀末20世紀初，波蘭監獄管理局會對監獄每一位罪犯進行紋身，以更好地進行識別。當這些罪犯死亡後，罪犯身上的紋身圖案會經由專門人員切割下來並保存，以便日後分析不同罪犯之間的關係。在我國，紋身也有著悠久的發展歷史，但是大部分時間裡，紋身都受到一定的歧視。例如紋身者被看作與罪犯、流氓、黑社會有關。早在中國封建時代，紋身作為一種社會符號，在罪犯身體的明顯部位，如在罪犯的面部額下刺寫“流放”、“充軍”等字樣來進行罪犯的標識和識別。由於受到傳統觀念（身體髮膚，受之父母）的影響，普遍認為紋身是破壞自己的身體，是對自己父母的大不敬。

通過對各種紋身圖案的解讀，並借助紋身圖案的油墨痕跡可查明大量犯罪嫌疑人犯下的各種罪行。例如通過不同的紋身圖案（如玫瑰、蛇等）的解讀而瞭解到這些罪犯的行為取向，以找到他們的同夥及犯罪證據。隨著公共安全事件的頻繁出現，人們對紋身研究的關注度越來越高。

紋身同傷疤、斑、痣等一樣成為人體生物特徵的重要組成部分。同時，由於它提供了足以證明個人身份的資訊，而受到越來越多的重視。

在一些黑社會團體中，紋身作為其入會的考驗，也普遍被採用。一些公共安全管理部門開始通過紋身特徵建立某種關聯，以根據紋身進行分類來發現犯罪嫌疑人。對紋身的分類、識別、檢測逐漸被學者和相關部門重視。本研究正是在此背景下開展的，運用深度學習理論和方法，針對紋身圖像的局部性、內容的複雜性、紋理的清晰性、顏色的單一性、圖案Logo標誌性、大小形狀多樣性等特點進行針對性研究。我們通過對不同方法和不同資料集的對比研究，取得了一定的研究成果。希望引起學者們對紋身研究的關注和更深入的研究。