“融合现场足迹及周围监控视频实现对犯罪嫌疑人的追踪溯源”已成为公安机关侦破各类案件的技战法,一方面通过现场留下的鞋印推断鞋型,另一方面在案发时间段的一定空间内在视频监控中查找是否出现同一类型的鞋,进而通过以鞋找人的方法实现对犯罪嫌疑人的追踪溯源。然而通过视频监控识别鞋型号的过程较为复杂,不仅需要刑事技术人员拥有敏锐的鉴别力,而且还需花费大量的时间和精力,容易错过破案的最佳时间。在现实案件中很多视频监控质量并不高,更增加了刑事技术人员的任务难度。针对这一问题,本文先提出一种面向视频监控下鞋类图像的质量评价方法,用于筛选高质量和低质量鞋类图像,然后提出一种低质量鞋类自动分类方法,用于对难以识别具体鞋型的低质量鞋类图像进行粗分类。本文工作包括:参考全国制鞋标准化技术委员会2017年制定的制鞋标准,将鞋类分为皮鞋和运动休闲鞋两大类;构建鞋类图像质量评价和低质量鞋类图像分类两个数据库,前者包括54 630幅高质量鞋类图像和46 973幅低质量鞋类图像,后者包括66 425幅皮鞋图像和109 671幅运动休闲鞋图像;基于卷积神经网络,先后设计了鞋类图像质量评价和低质量鞋类图像自动分类网络模型。实验结果表明,鞋类图像质量评价模型在亮度评价,对比度评价,清晰度评价和背景干扰评价方面都有很好的表现,在测试阶段对高质量和低质量鞋类图像的分类精度达到了99.2%。低质量鞋类图像自动分类模型经过五重交叉验证,精度达到了98.5%。可见所设计的网络模型基本能准确识别低质量和高质量鞋类图像、低质量皮鞋和低质量运动休闲鞋图像。