英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
附录A 译文
婴儿足迹识别
摘要
近年来，婴儿识别在许多应用中越来越受到关注，例如跟踪儿童疫苗接种和识别失踪儿童。由于缺乏有效的婴幼儿识别方法，目前的婴儿识别方法主要依靠父母身份识别或身份证明。虽然生物识别技术（如人脸和指纹识别）已广泛应用于许多成人和青少年的识别应用中，但目前还没有婴儿或新生儿这样的识别系统。其中一个主要问题是婴儿和新生儿的生物特征不是永久性的（如面部），或者由于缺乏适当的传感器而难以捕捉（如指纹）。本文研究了用500 ppi商品摩擦脊传感器识别婴儿足迹的可行性。我们在三个疗程中收集了一个婴儿脚印数据集，包括60名年龄在1到9个月之间的受试者。提出了一种新的基于深卷积神经网络的细节相似性度量方法。描述词结构紧凑，具有高度的识别性。我们对单个注册模板和多个注册模板的融合进行了验证实验，并显示了年龄和时间间隔对匹配性能的影响。通过与现有算法的对比实验，说明了所提出的细节描述符的优越性。
1. 介绍
全球疫苗行动计划（GVAP）是一个路线图，通过更公平地获得疫苗来防止数百万人死亡。各国的目标是到2020年实现全国90%以上和全球80%以上的疫苗接种覆盖率。根据世界卫生组织（世卫组织）的统计，过去几年全球疫苗接种覆盖率保持稳定。例如，2014年，全世界约有1.15亿（86%）名婴儿接种了三剂白喉-破伤风-百日咳（DTP3）疫苗，保护他们免受可能导致严重疾病和残疾或致命的传染病的侵害。到2014年，在193个国家中，有129个国家的DTP3疫苗覆盖率至少达到90%。尽管过去十年全球电视覆盖有所改善，但世卫组织还指出，由于1）资源有限，2）卫生优先事项相互竞争，3）卫生系统管理不善，以及4）监测和监督不足，区域和地方差距仍然存在。更好地管理卫生系统需要一个更准确和高效的儿童识别系统。据估计，在一些最具挑战性的地区，疫苗浪费率高于50%。由于缺乏有效的方法来跟踪哪些儿童已接种疫苗以及哪些疫苗已接种给每个儿童，因此没有给需要的儿童接种疫苗。免疫管理系统迫切需要对每个儿童的免疫计划进行可靠、有效的跟踪。在许多其他应用中，如识别失踪儿童、防止婴儿互换和其他儿童福利应用中，婴儿识别也是迫切需要的。
为了解决人的身份识别问题，生物特征识别技术已被积极研究了几十年。许多技术已经成功地应用于广泛的民事和法医领域。然而，几乎所有的技术都是为成人或青少年设计的，而不是为婴儿设计的。这些技术可能不会直接对婴儿有用，因为有些生物测量方法（例如面部）在出生后不久就不稳定，无法自动识别。DNA被认为是最准确的儿童识别方法（除了同卵双胞胎）。然而，目前基于DNA的鉴定方法不适合于实时应用，也可能由于样本采集的不便而被视为一种侵入性的方法。此外，DNA的使用可能会引起一些隐私问题。
我们手和脚表面出现的皮肤摩擦脊纹是一种特殊的生物特征模式，甚至在出生前都是稳定的[19]。先前关于婴儿识别的研究已经调查了一些流行的生物特征，例如指纹和脸[8]、[9]、[7]。在本文中，我们研究了作为婴儿识别手段的足迹。在识别新生儿方面，脚印比其他生物特征有几个优势。例如，在一些国家，在婴儿出院前，拍摄新生儿的脚印图像是一种常规的出生证明程序。因此，与指纹相比，脚印对父母的关注程度较低。此外，新生儿经常握紧拳头，很难捕捉指纹图像。
足迹识别一直在解决犯罪案件的法医应用中进行研究[21]。然而，一个全自动的足迹识别系统只在近几年才出现[13]。然而，对于新生儿和婴儿的认知还没有得到广泛的研究。
表1根据用于匹配的特征类型简要回顾了有关婴儿足迹识别的文献。有两种类型的足迹图像已经在文献中进行了研究。第一个是低分辨率（约100 ppi）足迹图像，在那里摩擦脊信息无法被捕获。使用的主要功能是折痕，可以在这个低100 ppi分辨率捕获。第二种类型是高分辨率（ge;500 ppi）足迹图像，其中捕获摩擦脊信息，即细节。
在[13]、[12]和[11]中提出了几种匹配新生儿低分辨率足迹图像的算法。他们在出生后的2天内用Cannon Powershot SX110相机从101英尺的地方采集了脚印图像。最佳等误差率（EER）为1.34%。在[1]中，作者使用佳能EOS 7D相机在出生后2天内从40名新生儿身上采集了240张脚印图像。在这40名新生儿中，22名受试者有一个特殊的背景设置，18名受试者在足迹捕获过程中有正常的背景条件。作者获得了65%的一级识别精度，只有40个图像在画廊。一般来说，低分辨率足迹图像不包含脊摩擦信息，可以在更细的尺度上观察到这些信息。这些图像中可以提取的主要特征是折痕，折痕可能还不稳定。
在[16]中，Kotzerke等人提出了一种从新生儿脚印中提取折痕特征的算法，但没有给出匹配性能。脚印的面积比指纹和掌纹大得多。因此，脚印比掌印和指纹有更多的细节。为了便于识别，实际上不需要如此大的摩擦脊面积或细节。在[15]中，Kotzerke等人建议仅利用纹路结构特征（大脚趾下的门厅区）进行识别。他们从54名新生儿身上收集到了指纹图像。两天（第一次治疗）、两个月（第二次治疗）和六个月（第三次治疗）时，婴儿的左右脚印被捕获。在他们的实验中，由于质量差，第一次实验中捕捉到的球印被丢弃，另外两次实验中有192个球点是手工挑选的。第2课时和第3课时之间匹配的钢印图像的EER为7.28%。
本文研究了高分辨率足迹图像作为婴儿识别手段的应用。收集婴儿足迹数据集。数据集包括60名左右足印都被捕获的婴儿；每个婴儿都参与了所有三个阶段的数据收集，其中大多数是1个月大、3个月大和6个月大。提出了一种基于深度卷积神经网络（CNN）的细节描述符。考虑到大足迹数据集的不足，采用了转移学习策略。CNN模型首先在由最先进的指纹匹配器[4]从NIST SD14[18]中选择的小细节对硬样本的mil-lions上进行训练，然后在一组小的婴儿脚印小细节对上进行微调。利用所提出的细节描述符，提出了一种改进的匹配传播算法[17]来匹配婴儿脚印图像。
我们对单个注册模板和多个注册模板的融合进行了验证实验，并显示了年龄和时间间隔对性能的影响。当匹配会话1与会话2、会话1与会话3、会话2与会话3以及融合左右脚印图像时，我们的脚印匹配系统在0.01的错误接受率（FAR）下的真实接受率（GAR）值分别为61%、55%和83%。通过与传统的手工细节描述子的对比实验，说明了该描述子的优越性。
2. 婴儿脚印匹配
2.1.脊宽归一化
由于婴儿脚印的脊线间距远小于成人脚印的脊线间距，因此在进行特征提取之前，我们适当地调整了婴儿脚印图像的分辨率。为了简单起见，我们将婴儿脚印图像的脊宽建模为婴儿年龄（以月为单位）的线性函数：
omega;=alpha;m beta; （1）
其中，和是可以根据训练数据估计的线性模型的参数。比例因子是婴儿年龄（以月为单位）的函数：
（2）
表1. 关于婴儿足迹识别的前期工作总结
|
Author |
Dataset |
Sensor |
Performance |
Notes |
|
Blake [3], 1959 |
1,388 newborn footprints collected immediately after birth |
Inked |
“79% of the original footprints could be identified by flexure crease alone” |
Need manual processing |
|
Shepard et al. [20], 1966 |
51 newborns printed immediately after birth and 5-6 weeks later |
Inked |
19.6% of the newborns matched correctly |
Need manual processing |
|
Thompson et al. [23], 1981 |
100 full-term infant footprints and 20 footprints from premature infants; for premature babies, a second set was captured at discharge 4- 8 weeks later |
Inked |
Accuracy for full-term infant and premature infants was re- ported to be 11% and 0%, respectively |
Need manual processing |
|
Jia et al. [13], [12] and [11], 2012 |
1968 footprint images from 101 feet captured within 2 days after birth |
Cannon Power- shot SX110 IS camera |
EER = 1.34% |
Low resolution images captured at one session by researchers |
|
Balameenakshi and Sumanthi [1], 2013 |
240 images from 40 newborns, collected within 2 days after birth |
Canon EOS 7D camera |
65% rank-1 identification ac- curacy with background size of 40 images |
22 of the subjects had special back- ground setup during image capture |
|
Kotzerke [16], 2013 |
54 subjects within 3 days after birth, 41 subjects at 8 weeks and 4 sub- jects at 6 months; 4 impressions of each foot were captured |
Nekoosa Printed Products Identifier and HP Scanjet G4010 |
No matching experiments con- ducted |
Offline image capture, including cleaning feet, wiping with the ink- less towelette, pressing on paper, and scanning |
|
Kotzerke [15], 2014 |
54 newborn footprint been collected in three sessions (age: 2 days, 2 months and 6 months) |
NEC PU900-10 (1000 ppi) |
EER = 7.28% in matching foot- prints captured at 6 months and 2 months age |
剩余内容已隐藏，支付完成后下载完整资料 资料编号：[441627]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
