TattTRN: Template Reconstruction Network for Tattoo Retrieval

纹身已经被有效地作为软生物特征协助执法机构识别罪犯和受害者，因为它们包含有辨别信息，是定位犯罪团伙或组织成员的有用指标。由于在获取包含纹身的图像时存在各种隐私问题，因此只有有限数量的数据库存在。这种数据库的缺乏延迟了开发新方法，以有效地从候选库中检索潜在嫌疑人的纹身图像。为了缓解这个问题，在我们的工作中，我们使用无监督生成方法创建了一个平衡的数据库，其中包括28,550个半合成的图像，来自571个纹身类别的受纹身主题。此外，我们引入了一种新颖的纹身模板重建网络（TattTRN），它学习将输入的纹身样本映射到其相应的纹身模板，以增强最终特征嵌入的区分属性。实验结果显示，使用真实数据，即WebTattoo和BIVTatt数据库，证明了所提出方法的可行性：在检查最多前20个候选列表项时，可以达到高达99％的准确率。

本论文试图解决使用纹身作为软生物特征在刑事侦查中的识别问题，但由于缺乏数据库，新方法的开发受到了延迟。

本论文使用无监督的生成方法创建了一个平衡的数据库，并引入了一种新颖的Tattoo Template Reconstruction Network (TattTRN)来增强最终特征嵌入的区分属性。

本文创建了一个包含28,550个半合成图像的平衡数据库，涵盖了571个纹身类别。实验结果表明，使用TattTRN可以在最多检查前20个候选列表项的情况下达到高达99%的准确率。

在这个领域中，最近的相关研究包括“Tattoo Recognition Using Convolutional Neural Networks”和“Tattoo Recognition Using Soft Biometrics and Convolutional Neural Networks”。