随着我国信息技术的快速发展,大量刑侦现勘图像被采集用于现代化案件侦破中,这些图像不仅包含许多有价值的线索,还可以提供有力的证据。目前,面向公安侦查应用的刑侦现勘图像检索多使用基于文本或传统浅层特征的图像检索方法,检索的准确率和效率都难以满足现代化刑侦办案的需求。本文对目前图像检索领域的研究成果和技术进行总结分析后,采用基于深度特征的图像检索方法,以提升刑侦现勘图像检索的准确率和效率。主要研究内容如下:(1)在基于深度特征的图像检索中,使用刑侦现勘图像数据集对VGGNet以及Res Net进行微调后,提取图像深度特征进行检索实验。实验结果表明,检索模型存在以下两点不足:模型无法适应目标尺度变化;在样本较少的类别中检索准确率低于平均值。针对以上问题提出两点优化:引入金字塔池化以提升模型对目标尺度变化的鲁棒性;对数据样本增强后重新训练网络,使模型对不同类别样本的检索准确率更加均衡。另外,在检索时引入查询扩展增强了图像特征的表达能力。使用以上优化方法后,检索准确率提升了5.7%。(2)针对海量图像样本中高维特征向量的检索效率问题,提出了一种多级索引的检索方法,将图像的表达使用卷积神经网络抽象成三个部分:图像的语义描述符,用于构建倒排索引;图像的哈希编码,用于实现近似最近邻搜索;图像的深度特征,用于最终的精确距离计算。该方法通过多次使用条件查询,避免了对图像特征库的顺序扫描。并且,在检索过程中结合搜索重排序及查询扩展,降低了近似最近邻搜索的准确率损失。实验结果表明:该方法在保证检索准确率的前提下效率提升了87%。(3)根据公安部门对刑侦现勘图像管理与检索的需求,将本文提出的网络模型和检索算法封装为图像检索服务,设计并实现了“云影现勘图像管理系统”。