1. 研究目的与意义
我国从五十年代开始研究足迹检验技术，经过几十年的不断发展，已经积累了大量的经验和技术，逐步形成中国特色的足检验技术体系，并在许多重大案件侦破中起到关键作用。
然而由于社会犯罪率逐年攀升，发案数量的急剧扩大，公安系统技术人员少、传统足迹分析管理方法已经无法适应当前发展形势，特别是随着时间的推移，具有丰富实战经验足迹专家的逐渐离退，年轻技术人员经验欠缺，使得刑事技术人员分析利用足迹的热情大为降低，许多地区甚至放弃现场足迹采集过程。
因此，如何提高刑事技术人员分析检验足迹的技术水平，特别是在现场足迹的发现、提取、分析、检验鉴定方面如何创新，是当前公安系统刑事技术部门面临的迫切问题。
2. 研究内容和预期目标
研究内容：
研究从两个方面进行，一方面从图像的预处理出发，首先是通过对大量现场足迹图像进行分析研究，总结出现场足迹图像的特点，作为对现场足迹图像进行处理的理论基础。足迹的拍摄受环境，气候，温湿度的影响，深浅，轻重不一，采集的现场足迹都是有着不同的背景。先用补黑的方法将图片补成统一的正方形图像，接着去掉图片的背景，使足迹图像成为一张灰度图，探索不同的预处理方法生成图像的效果和对足迹图像识别的精度产生的影响。
另一方面从图像识别的程序出发，选择python作为编程语言，用tensorflow来训练足迹识别的模型，做到将足迹的底纹根据不同花纹可以做到精准识别并分类，并且能够准确地在已有的图片库中检索出与待识别足迹相同的足迹。
3. 研究的方法与步骤
查阅图像识别相关文献，深入了解卷积神经网络及足迹识别的相关算法与图像处理相关知识和基本原理，入理解vgg16模型以及相关足迹图像识别算法。
查阅图像处理相关文献，熟悉图像的几种预处理方法。
学习并python语言的相关知识，熟悉pycharm，查阅tensorflow相关资料并训练足迹识别的模型。
4. 参考文献
| [1]李彦冬, 郝宗波, 雷航. 卷积神经网络研究综述[J]. 计算机应用, 2016, 36(9):2508-2515. [2]吕国豪, 罗四维, 黄雅平,等. 基于卷积神经网络的正则化方法[J]. 计算机研究与发展, 2014, 51(9):1891-1900. [3] 许可. 卷积神经网络在图像识别上的应用的研究[D]. 浙江大学, 2012. [4] 卢宏涛, 张秦川. 深度卷积神经网络在计算机视觉中的应用研究综述[J]. 数据采集与处理, 2016, 31(1):1-17. [5] 卢宏涛, 张秦川. 深度卷积神经网络在计算机视觉中的应用研究综述[J]. 数据采集与处理, 2016, 31(1):1-17. [6]（美）Eric Matthes著. Python编程：从入门到实践[M].袁国忠译.北京:人民邮电出版社，2016 [7] (美)Mark Lutz著. Python学习手册[M]. 侯靖译.北京:机械工业出版社,2009 [8] 喻俨,莫瑜,王琛,等.深度学习原理与TensorFlow实践[M].北京:电子工业出版社,2017 [9] 郑泽宇,顾思宇.Tensorflow：实战Google深度学习框架[M].北京:电子工业出版社,2017 [10]陈先昌.基于卷积神经网络的深度学习算法与应用研究[D].浙江:浙江工商大学，2014 |
5. 计划与进度安排
(1) 1月11日至2月15日 分析课题，查找资料。
(2)2月16日至2月28日 完成需求分析。
(3)3月01日至3月16日 完成开题报告。
