一种足迹压力分布特征表示方法

摘要

本发明公开了一种足迹压力分布特征表示方法，包括以下步骤：S1：采用足迹采集仪采集足迹压力图像信息，对足迹压力图像进行预处理；S2：提取足迹前足、后足压力分布特征，构建足迹压力分布特征图；S3:将前足、后足区域压力分布特征图沿着各方向投影，寻找投影值(压力值)最大方向作为主方向，进行压力分布特征图主方向规范化；S4：将得到的足迹压力分布特征进行特征选择。本方法提取的足迹压力分布特征很好地体现了人体行走时脚底压力的分布特点，无需进行赤足和穿袜足迹的区分，适用性更加广泛。

说明书

技术领域

本发明涉及图像处理与生物特征识别技术领域，尤其涉及一种足迹压力分布特征表示方法。

背景技术

目前足迹的特征表示主要分为三类：几何形态特征、压力形态特征和纹理特征。几何形态特征是建立统一的足迹图像坐标系，进行几何度量，对足长、掌宽、跟宽以及从足跟到每个脚趾的边缘，足跟中心到每个脚趾的中心进行测量。足迹压力形态特征主要包括足底与地面之间的相互作用力信息和足底压力分布信息。主要方法有：1)利用足底压力分布信息构建足底平均、最大、最小压力时间曲线，直接利用曲线的数据点来构建特征向量；2)提取足迹压力中心与区域几何中心的位置关系，足部重压和足部重压分布(COP)特征进行实时身份认定；3)基于足底压力引入时空HOG(方向梯度直方图)算子，用于刻画足底动态压力分布的时空特征实现分类识别。足迹纹理特征通过基于变换的方法被提取，如傅里叶变换，离散余弦变换，小波变换，以及主成分分析和独立主成分分析的方法获取纹理特征进行足迹识别。

目前，足迹生物特征分析和身份识别应用技术的研究，尚缺乏系统和深入的应用研究基础。足迹特征通常用足型特征来表示，例如足长、足宽和跟宽，很难精确提取。由于采集设备的长期使用，足迹压力图像容易受灰尘等固定噪声和随机噪声的影响，很难在降低压力图像噪声水平的基础上，同时最大限度的保留压力图像所携带的信息。足迹图像携带大量信息，存在高维小样本的现象，使整个过程很难达到准确、高效的识别目的。

发明内容

根据现有技术存在的问题，本发明公开了一种足迹压力分布特征表示方法，其特征还在于：包括以下步骤：

S1：采用足迹采集仪采集足迹压力图像信息，对足迹压力图像进行预处理；

S2：提取足迹前足、后足压力分布特征，构建足迹压力分布特征图；

S3：将前足、后足区域压力分布特征图沿着各方向投影，寻找投影值(压力值)最大方向作为主方向，进行压力分布特征图主方向规范化；

S4：将得到的足迹压力分布特征进行特征选择。

所述S1具体还包括以下步骤：

S11：采用足迹采集仪采集足迹压力图像信息，对足迹压力图像进行预处理：采用最大类间方差法设定阈值，使灰度值小于等于该阈值的像素灰度值设置为0，其余部分保持不变，消除图像中背景噪声对足迹压力分布特征的干扰；

S12：通过寻找整个图像的连通区域，求取包含足迹区域的最大连通区域；

S13：逐行扫描计算足迹区域坐标的最小和最大值，获取包含足迹区域的最小外接矩形；

S14：判断包含足迹最小外接矩形的高度和宽度，如果高度大于宽度，按照3：2的高度比例对足迹图像进行分区，从而将足迹图像分为前足区域A和后足区域B，否则按照3：2的宽度比例对足迹图像进行前足、后足的划分；

S15：根据S14得到了足迹图像后足区域B，将后足区域B在任意角度射线方向上做投影变换得到后足区域在某一角度方向上的特性，寻找投影值最大的角度作为后足区域的主方向，依据主方向的与水平方向的倾斜角对整幅足迹图像进行倾斜校正；

S16：将校正后的图像再一次进行步骤S13获取校正后足迹图像最小外接矩形并且进行前足、后足划分的操作。

S2采用如下方式：

S21：将前足区域A和后足区域B的图像质心近似为着力点c_A,c_B，分别以c_A,c_B为中心点，将压力图像从笛卡尔坐标(x,y)空间映射到极坐标(ρ,θ)空间，变换公式为：

式中：ρ表示点(x,y)与中心点的距离，最大值ρ_max为前足区域最小外接矩形对角线长度的一半；θ表示该向量与x轴正向的夹角，最大值θ_max为360度，映射后的图像列方向表示角度θ，行方向表示到中心点的距离ρ；

S22：在变换过程中，将ρ_max分成W份，从而在前足或后足区域形成W个同心圆，从中心点出发做M条射线，将θ_max均分成M等份，这M条射线与W个同心圆相交形成MW个互不重叠的区域，计算每个区域中像素点灰度值的均值，将各区域压力的均值作为特征值来描述足迹图像的压力分布。

S3步骤如下：

S31：分别寻找前足、后足压力分布特征图的主方向，即将特征图沿着各方向进行投影，投影值(压力值)最大的方向即为主方向，将主方向定为起始角度，即将主方向所在的列移到特征矩阵的首列，将特征图进行循环左移，从而使特征图具有旋转不变性；

S32：通过上述步骤得到了足迹压力图像的压力分布特征F。

S4采用如下方式：

S41：足迹压力图像特征集为F_T＝{F₁,F₂,F₃,...,F_N}^T，N为训练压力图像特征集的个数，F_i是足迹压力分布特征的列向量表示，其维数为：MW×1，求取特征均值和协方差：

S42：对协方差矩阵G进行特征值分解，求前d个最大特征值对应的特征向量：x₁,x₂,...,x_d作为投影向量，对于特征矩阵F_T，得到一组投影特征向量：Y₁,Y₂,...,Y_d,令B_MW×d＝[Y₁,Y₂,...,Y_d]_MW×d，B_MW×d为F的特征矩阵；

S43：利用步骤S42中的数据矩阵B得到Z＝F_TB和如下公式计算类间离散度矩阵S_b和类内离散度矩阵S_w，模式类别有C类，第l类的特征个数为R_l(l＝1,2...,C),即

其中，是第l类的特征平均值，是整体特征的平均值，Z_lj是第l类的第j个特征向量；

S44：建立目标准则函数通过根据广义特征值方程S_bW_opt＝λS_wW_opt，求得最优投影矩阵W_opt，得到最终特征选择的结果ZW_opt。

由于采用了上述技术方案，本发明提供的一种足迹压力分布特征表示方法，具有如下有益效果：1)、提出的足迹压力分布特征与人走路方式存在相关性，特征更加稳定，区分度更高，从而提高了识别的准确度。2)、提取的足迹压力分布特征具有旋转不变性。3)、提取的足迹压力分布特征很好地体现了人体行走时脚底压力的分布特点，无需进行赤足和穿袜足迹的区分，适用性更加广泛。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的足迹压力分布特征图；

图2为本发明的足迹压力图像的最大连通区域示意图；

图3为本发明的校正规范足迹压力图像示意图

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1-图3所示的一种足迹压力分布特征表示方法，它表示足迹在承受人体重力作用下，足底各部分相对于着力点的压力分布情况。该特征表示方法可表示为：F＝(A_p,B_p)

A_p表示前足区域的压力分布特征图，B_p表示后足区域的压力分布特征图。压力分布特征图中的每一个元素值表示的是压力图对应区域内各点灰度值(压力)的均值，其定义如下：

式中，f_A,f_B分别表示足迹前足区域压力图像、后足区域压力图像，θ_i表示压力图像中对应区域上边界相对于水平线的夹角，同理θ_i-1表示下边界的夹角；ρ_i,j表示区域后边界相对于着力点的距离，ρ_i,j-1表示前边界相对于着力点的距离，N(θ_i,ρ_i,j)表示区域内的像素数。将足迹图像分为前足区和后足区，在前后足区，分别以着力点为中心做W个同心圆，这就产生了W个圆环。再以着力点为起始点，做M条射线，且各条射线之间的夹角相同，这些射线与圆环就将前足区或后足区各分成了MW份。由此，我们以各区域内压力的均值作为特征值来表征足迹，这些特征值按角度及其到着力点的距离顺序排列便形成足迹压力分布图。包括以下步骤：

S1：采用足迹采集仪采集足迹压力图像信息，对足迹压力图像进行预处理；

S2：提取足迹前足、后足压力分布特征，构建足迹压力分布特征图；

S3：将前足、后足区域压力分布特征图沿着各方向投影，寻找投影值(压力值)最大方向作为主方向，进行压力分布特征图主方向规范化；

S4：将得到的足迹压力分布特征进行特征选择。

所述S1具体还包括以下步骤：

S11：采用足迹采集仪采集足迹压力图像信息，对足迹压力图像进行预处理：采用最大类间方差法设定阈值，使灰度值小于等于该阈值的像素灰度值设置为0，其余部分保持不变，消除图像中背景噪声对足迹压力分布特征的干扰；

S12：通过寻找整个图像的连通区域，求取包含足迹区域的最大连通区域；

S13：逐行扫描计算足迹区域坐标的最小和最大值，获取包含足迹区域的最小外接矩形；

S14：判断包含足迹最小外接矩形的高度和宽度，如果高度大于宽度，按照3：2的高度比例对足迹图像进行分区，从而将足迹图像分为前足区域A和后足区域B，否则按照3：2的宽度比例对足迹图像进行前足、后足的划分；

S15：根据S14得到了足迹图像后足区域B，将后足区域B在任意角度射线方向上做投影变换得到后足区域在某一角度方向上的特性，寻找投影值最大的角度作为后足区域的主方向，依据主方向的与水平方向的倾斜角对整幅足迹图像进行倾斜校正；

S16：将校正后的图像再一次进行步骤S13获取校正后足迹图像最小外接矩形并且进行前足、后足划分的操作。

S2采用如下方式：

S21：将前足区域A和后足区域B的图像质心近似为着力点c_A,c_B，分别以c_A,c_B为中心点，将压力图像从笛卡尔坐标(x,y)空间映射到极坐标(ρ,θ)空间，变换公式为：

式中：ρ表示点(x,y)与中心点的距离，最大值ρ_max为前足区域最小外接矩形对角线长度的一半；θ表示该向量与x轴正向的夹角，最大值θ_max为360度，映射后的图像列方向表示角度θ，行方向表示到中心点的距离ρ；

S22：在变换过程中，将ρ_max分成W份，从而在前足或后足区域形成W个同心圆，从中心点出发做M条射线，将θ_max均分成M等份，这M条射线与W个同心圆相交形成MW个互不重叠的区域，计算每个区域中像素点灰度值的均值，将各区域压力的均值作为特征值来描述足迹图像的压力分布。

S3步骤如下：

S31：分别寻找前足、后足压力分布特征图的主方向，即将特征图沿着各方向进行投影，投影值(压力值)最大的方向即为主方向，将主方向定为起始角度，即将主方向所在的列移到特征矩阵的首列，将特征图进行循环左移，从而使特征图具有旋转不变性；

S32：通过上述步骤得到了足迹压力图像的压力分布特征F。

S4采用如下方式：

S41：足迹压力图像特征集为F_T＝{F₁,F₂,F₃,...,F_N}^T，N为训练压力图像特征集的个数，F_i是足迹压力分布特征的列向量表示，其维数为：MW×1，求取特征均值和协方差：

S42：对协方差矩阵G进行特征值分解，求前d个最大特征值对应的特征向量：x₁,x₂,...,x_d作为投影向量，对于特征矩阵F_T，得到一组投影特征向量：Y₁,Y₂,...,Y_d,令B_MW×d＝[Y₁,Y₂,...,Y_d]_MW×d，B_MW×d为F的特征矩阵；

S43：利用步骤S42中的数据矩阵B得到Z＝F_TB和如下公式计算类间离散度矩阵S_b和类内离散度矩阵S_w，模式类别有C类，第l类的特征个数为R_l(l＝1,2...,C),即

其中，是第l类的特征平均值，是整体特征的平均值，Z_lj是第l类的第j个特征向量；

S44：建立目标准则函数通过根据广义特征值方程S_bW_opt＝λS_wW_opt，求得最优投影矩阵W_opt，得到最终特征选择的结果ZW_opt。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。