本文提出一种基于深度学习技术的赤足足迹图像人身识别算法.以ResNet50为基础网络,结合水平金字塔匹配(horizontal pyramid matching,HPM)技术提取赤足足迹图像的多尺度特征,并利用三元组损失函数Separate Triplet Loss对赤足足迹进行人身度量学习.结果表明,本文基于6433人的赤足足迹进行训练,在11028人的开集赤足数据集上进行测试,所提出的算法的首位度识别准确率达到了96.2％,并且在CMC和mAP各项指标上均远优于常规的ResNet50网络结合交叉熵损失(cross-entropy loss)以及ArcFace损失的深度学习方法.实验证明,本文提出的基于赤足足迹的人身识别算法达到了很好的识别效果,在万人级别的采集数据上达到了较高的识别水准.
