基于四区域分割法的足迹关键点智能提取系统

摘要

本发明公开了基于四区域分割法的足迹关键点智能提取系统，涉及图像处理技术领域，解决了现有方案中依靠专业人员进行现场提取，导致的效率低下和误差大的技术问题；本发明对现场采集的足迹图像进行去噪处理，同时，也对亮度和对比度进行调整，提高图像的质量；然后将其背景统一化并根据研究需要提取足迹轮廓特征，同时，还对图像进行中心化和旋转操作，使其足迹有效区域的位置和倾斜角度规范化为统一标准；最后，通过区域分割模块对足迹图像进行划分，分别进行关键点提取并计算其足迹生物参数；相较于人工处理，本发明仅仅需要少量的人工辅助就可以实现智能自动化处理，提高了效率和可信度，为现场足迹图像的处理提供了便利。

说明书

技术领域

本发明属于图像处理领域，涉及基于区域分割的足迹关键点提取技术，具体是基于四区域分割法的足迹关键点智能提取系统。

背景技术

现场足迹作为犯罪现场遗留率最高的一种痕迹，在侦查领域发挥重要的作用。因此，对现场足迹需使用恰当的方法进行提取固定，以最大程度的保留现场足迹的细节特征，科学正确地提取显现足迹对侦查工作的开展具有重要的实践作用。

现有方案存在如下问题：1)由于现场环境的多样性，提取的现场图像背景各异，给现场足迹的处理带来了一定的困难；2)由于提取角度和位置的不同，多数现场图像中足迹的有效区域位置和倾斜角度不统一，这为不同图像之间的对比增加了难度；3)对现场足迹图像的处理往往需要专业人员来进行，不仅专业性要求高，而且效率较低，同时，通过人眼来确定足迹图像中的关键点误差较大。

现有方案的成本较高，效率较低，无法广泛普及，而且很容易受到主观原因的影响，出现较大的误差。因此，在对足迹处理的过程中，亟需一种能够实现现场足迹图像自动化处理的系统。

发明内容

本发明提供了基于四区域分割法的足迹关键点智能提取系统，用于解决现有方案中依靠专业人员进行现场提取，导致的效率低下和误差大的技术问题；为了实现智能化处理图像，本发明对现场采集的足迹图像采用高斯滤波、中值滤波、双边滤波和方框滤波四种去噪方法，针对图像中存在噪声的不同，选取一种或多种方式进行去噪处理，同时，也对亮度和对比度进行处理，提高图像的质量；然后将图像背景统一化并根据研究需要采用边缘检测算法(Canny算法)提取足迹边缘特征或采用二值化方法提取足迹轮廓特征；同时，还对图像进行中心化和旋转操作，使其足迹有效区域的位置和倾斜角度规范化为统一标准；最后，通过区域分割模块将预处理图像划分为脚趾区、前脚掌区、足弓区和后脚掌区四个部分，分别进行关键点提取并计算其相关生物参数。相较于人工处理，本发明仅仅需要少量的人工辅助就可以实现智能自动化处理，为现场足迹图像的处理提供了便利。

本发明的目的可以通过以下技术方案实现：基于四区域分割法的足迹关键点智能提取系统，包括图像预处理模块、关键点提取模块和足迹对比模块；

对现场足迹采集获取足迹图像，并将足迹图像发送至图像预处理模块；

所述图像预处理模块对足迹图像进行图像预处理获取目标图像，并将目标图像发送至关键点提取模块；

所述关键点提取模块获取目标图像中足迹的上下端点以及前后脚掌区的左右端点和中心点，计算足迹生物参数；其中，所述足迹生物参数包括足迹全长、脚掌外侧长、脚掌内侧长、前脚掌宽、后脚掌宽、鞋码尺寸、落脚角度和内外切线与中心线的夹角；

所述足迹对比模块用于分析两张不同目标图像的足迹关键参数实现足迹对比；其中，所述足迹关键参数包括两张目标图像中的任意线段以及对应的角度。

优选的，所述图像预处理包括图像去噪、特征提取、区域分割、亮度调节、对比度调节、中心化处理和旋转处理。

优选的，在对所述足迹图像进行图像预处理之前，所述图像预处理模块还根据足迹图像选取比例尺；且在图像预处理之前选取比例尺，则关键点提取模块中的比例尺输入选择跳过。

优选的，所述图像去噪的方法包括高斯滤波法、中值滤波法、双边滤波法和方框滤波法。

优选的，所述特征提取的方法包括边缘计算算法和二值化轮廓检测算法。

优选的，所述区域分割用于实现足迹图像的自动化分割，将完成的足迹分割成脚趾区、前脚掌区、足弓区和后脚掌区四个区域。

优选的，所述中心化处理将足迹图像中的足迹有效区域平移到足迹图像的中心位置，包括：

从足迹图像四周向内逐行逐列扫描，找到足迹上、下、左、右最外围的四个点，并由这四个点确定足迹的有效像素区域；

获取有效像素区域的中心点并标记为原始中心点，获取足迹图像中心点并标记为目标中心点；

根据所述原始中心点和所述目标中心点的偏移量对足迹的有效像素区域进行平移。

优选的，所述旋转处理将足迹图像中足迹调整为竖直状态。

优选的，在计算所述足迹生物参数之前，还需判断是否进行下端点修正；当下端点上方在足迹中心线两侧均存在有效像素点，则不需要进行下端点修正，否则，需要进行下端点修正；其中，所述足迹中心线为经过前后脚掌区中心点的直线。

优选的，所述下端点的修正包括：

从下端点开始，从下往上依次遍历足迹中心线两边的像素点，直到两边同时出现有效像素点时获取偏差，并根据偏差修正下端点。

优选的，所述关键点提取模块分别与图像预处理模块、足迹对比模块通信和/或电气连接。

与现有技术相比，本发明的有益效果是：

本发明对现场采集的足迹图像进行去噪处理，同时，也对亮度和对比度进行调整，提高图像的质量；然后将其背景统一化并根据研究需要提取足迹轮廓特征，同时，还对图像进行中心化和旋转操作，使其足迹有效区域的位置和倾斜角度规范化为统一标准；最后，通过区域分割模块对足迹图像进行划分，分别进行关键点提取并计算其足迹生物参数；相较于人工处理，本发明仅仅需要少量的人工辅助就可以实现智能自动化处理，提高了效率和可信度，为现场足迹图像的处理提供了便利。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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为本发明的原理示意图；

图2为本发明实施例中的足迹图像；

图3为本发明实施例中二次去噪对比示意图；

图4为本发明实施例中特征提取示意图；

图5为本发明实施例中区域分割示意图；

图6为本发明实施例中等效矩形法示意图；

图7为本发明实施例中中心化处理对比示意图；

图8为本发明实施例中前后脚掌中心点提取示意图；

图9为本发明实施例中旋转处理对比示意图；

图10为本发明实施例中关键点提取步骤示意图；

图11为本发明实施例中关键点提取结果示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。

请参阅图1，本发明提供了一种基于四区域分割法的足迹关键点智能提取系统，包括图像预处理模块、关键点提取模块和足迹对比模块；

对现场足迹采集获取足迹图像，并将足迹图像发送至图像预处理模块；

图像预处理模块对足迹图像进行图像预处理获取目标图像，并将目标图像发送至关键点提取模块；

关键点提取模块获取目标图像中足迹的上下端点以及前后脚掌区的左右端点和中心点，计算足迹生物参数；

足迹对比模块用于分析两张不同目标图像的足迹关键参数实现足迹对比；其中，足迹关键参数包括两张目标图像中的任意线段以及对应的角度。

1)现场足迹图像的采集

请参阅图2，本发明主要处理对象为现场的足迹图像；对于现场遗留的足迹，工作人员使用专业的足迹扫描仪对图像扫描，将扫描得到的图像输入到系统中。

2)比例尺选取

对图像进行处理时，只能计算出图像中的像素距离，其与真实距离之间存在一定的比例关系。扫描仪扫描的图像中包含真实距离的标尺，通过在图像中选取一厘米真实长度对应的像素长度，可以得到单位像素长度与真实长度之间的比例关系，如公式(1)所示：

其中，scale为选择的比例尺，distence_pixel为足迹图像中像素的长度；且在图像预处理之前选取过比例尺时，则在后面的关键点提取模块中的比例尺输入部分可以跳过。

3)图像去噪

请参阅图3，由于采集环境以及采集设备等影响，采集的足迹图像存在或多或少的噪声干扰。为了减少噪声干扰，需要对足迹图像进行图像去噪处理。对于图像中常见的各种噪声，本发明设置四种滤波方式：高斯滤波、中值滤波、双边滤波和方框滤波，根据图像中存在噪声的差异，选择相应滤波方式对图像去噪。

与实验室采集的足迹数据不同，现场足迹图像背景各异，正常的去噪处理无法消除背景因素带来的影响。因此，在特征提取之后，背景信息可能会遗留下来形成新的噪声，如图3(a)所示，本发明针对这些噪声进行二次去噪。对于大范围的噪声信息，使用框选足迹主要区域来消除该区域外的所有噪声，如图3(b)所示；对于细小的噪声信息，通过精细定位并擦除来消除这些噪声的影响，如图3(c)所示。在二次去噪过程中，结合这两种去噪方式，可以有效地去除绝大部分的噪声干扰，为后续的关键点提取提供有力的保障。

4)亮度和对比度调节

由于采集环境的多样化，不同现场足迹图像的质量有所差异。考虑到现实场景光线的强暗以及背景颜色和足迹颜色的差异，本发明通过调节足迹图像的亮度和对比度来提高图像的质量。

5)特征提取

为了应对不同现场足迹图像，本发明设置了两种提取足迹特征的方法：Canny算法和二值化方法。

(1)Canny算法

Canny算法是Canny在1986年提出来的，目前仍是图像边缘检测算法中最经典的算法之一。由于边缘检测容易收到噪声的干扰，首先，使用一个3×3的高斯滤波器去除噪声；然后，将原图像转换为灰度图，使用Sobel算子分别计算出每个点x方向和y方向的梯度，使用非极大值抑制的方法寻找出图像中像素点局部最大值，将非极大值点对应的灰度值置零，即可剔除掉大部分的非边缘点；最后，使用双阈值算法检测和连接边缘，其中，较大阈值(通过滑动条控制)用于检测图像中明显的边缘，由于阈值较高，产生的图像边缘可能不闭合，在中断边缘的邻域内寻找满足较小阈值(定值)的点，根据此点收集新的边缘，直到整个图像边缘闭合。Canny算法提取图像特征的效果图如图4(a)所示。

(2)二值化方法

相较于Canny算法，二值化轮廓检测方法较为简单。该方法主要将图像转换为灰度图，通过滑动条控制其阈值，根据该阈值来调节图像中每个点的像素值，将大于阈值的点像素值设为255，其他的点像素值设为0；然后，将图像统一为黑底，即计算图像的平均像素值是否大于100，将大于100的图像黑白颠倒。二值化提取图像特征的效果图如图4(b)所示。

6)区域分割

请参阅图5，对于一张完整的足迹图像，很难提取出其中一些关键点。因此，本发明按照足骨结构并结合制鞋工业设定，通过一个区域分割模块实现足迹图像有效区域的自动化分割，将完整的足迹划分为四个区域：脚趾区A、前脚掌区B、足弓区C、后脚掌区D。

在区域分割前，先获取足迹有效区域上端点和下端点的坐标，根据该两点坐标确定该足迹有效区域的竖直长度，如公式(2)所示，其中h为足迹有效区域的竖直长度，y

h＝y

根据足迹有效区域的竖直长度h，可以进一步划分为脚趾区、前脚掌区、足弓区和后脚掌区的竖直长度a、b、c、d。为了避免人为因素的影响导致不同足迹图像分割的差异，本发明通过随机抽取200张足迹图像并采用统计学方法分析得到四个区域在足迹有效区域中的占比，通过此比例自动得到足迹图像四个区域的竖直长度，如公式(3)-(6)所示，以实现自动化识别出足迹的四个区域。

a＝0.1589h#(3)

b＝0.2322h#(4)

c＝0.3389h#(5)

d＝0.2700h#(6)

7)中心化和旋转处理

请参阅图6-图7，在数据采集的过程中，由于环境和采集人员扫描方式的差异等因素，导致采集的足迹在每张图像中的分布位置和倾斜角度不统一。该信息差异与关键点信息无直接关联，但对于不同图像的比对会产生不必要的困难。针对该问题，本发明对足迹图像中的有效像素区域进行中心化平移并旋转，规范化不同现场足迹图像之间的位置和方向信息。

中心化处理是将图像中足迹的有效区域平移到图像的中心位置，该算法主要分为三步：首先，从图像四周向内逐行逐列扫描，找到足迹的上、下、左、右最外围的四个点，由这四个点确定足迹的有效像素区域，如图6所示(其中T、E、L、R四点分别表示足迹上、下、左、右最外围的四个边界点，矩形区域即足迹图像的有效像素区域)；其次，计算出等效矩形区域的中心点，比较该中心点坐标与整张足迹图像中心点坐标之间的偏移量；最后，根据该偏移量对足迹有效区域进行平移，以实现中心化的效果，如图7所示。

请参阅图8-图9，旋转处理是为了规范化图像中足迹的倾斜方向，将足迹的测量基线统一为竖直状态，为后续足迹相关参数计算和比对提供便捷。该算法的核心思想是以前脚掌的中心点为旋转点，以前后脚掌中心点的连线与竖直方向的夹角为旋转角进行旋转。主要实现的过程如下：首先，计算出图像中足迹有效区域的竖直长度h，根据公式(4)和(6)得到前后脚掌区的竖直长度；其次，采用与中心化处理类似的等效矩形法得到前后脚掌的等效矩形区域，分别计算出前后脚掌区域的中心点，如图8所示；最后，连接两个中心点，计算出该直线与竖直方向的夹角，以前脚掌区的中心点为旋转点旋转相应的角度，最终得到的效果图如图9所示。

请参阅图10-图11，本发明提供的一种基于四区域分割法的足迹关键点智能提取系统中，关键点提取模块获取目标图像中足迹的上下端点以及前后脚掌区的左右端点和中心点，计算足迹生物参数。

首先，对预处理之后的图像采用等效矩形法得到足迹有效区域最上面和最下面的端点，具体操作类似于预处理模块的中心化处理。然后，根据上下端点得到足迹有效区域的竖直高度。通过区域分割模块将足迹有效区域划分为四个区域，分别对前脚掌区和后脚掌区采用等效矩形法得到两块区域的左右端点，并计算出其中心点。

现场遗留的足迹图像与实验室规范化采集的足迹图像略有不同，部分图像由于被采集者的行走习惯可能会在足迹末端遗留下踏痕，通过这个痕迹可以推断出该对象的行走方向。因此，在对图像进行预处理时往往会保留这些痕迹，而这些痕迹在使用等效矩形法确定足迹有效区域时会导致足迹的竖直长度出现误差，在进行具体的长度计算之前，需要消除该误差带来的影响。所以，在得到足迹相关端点之后，系统会自动对下端点进行修正。根据足迹底部以足迹中心线在y轴方向上对称的左右两边同时包含有效像素，而踏痕只会出现在某一侧，判断下端点上方在足迹中心线两边是否都含存在有效像素点。如果两边都存在，则直接进行长度的计算，否则，将对下端点进行修正，并重新提取前后脚掌区的左右端点和中心点。具体修正方法是从足迹下端点的y坐标开始，从下往上依次遍历足迹中心线两边的像素点，直到两边同时出现有效像素点为止，根据该偏差修正下端点的坐标。

最后，分别计算出足迹全长、脚掌外侧长、脚掌内侧长、前脚掌宽和后脚掌宽的欧式距离长度，并乘以比例尺得到真实长度信息；根据足迹全长采用公式(7)得到鞋码的大小：

shoe

其中，shoe_size指的是鞋码大小(鞋码尺寸)，round是将数字四舍五入到指定位数的函数，foot_length表示脚的真实长度。

同时，分别计算出足迹内切线和外切线与中心线的夹角信息；对于有踏痕的图像，还会计算出其落脚角度，该角度为踏痕与足迹相交点的足迹轮廓切线和踏痕另一端点与后脚掌区中心点连线之间的夹角；最终经过预处理和关键点提取的效果图如图11所示。

本发明提供的一种基于四区域分割法的足迹关键点智能提取系统中，足迹对比模块用于分析两张不同目标图像的足迹关键参数实现足迹对比。

可以理解的是，对于已经提取出足迹生物参数的两张目标图像，可以直接对比其关键参数，对于未提取足迹生物参数的图像，可以分别在两张目标图像中任意选取需要比对的线段以及对应的角度进行比对；其中，所述足迹关键参数包括关键点提取模块中提取的足迹生物参数、两张目标图像中的任意线段以及对应的角度。

足迹比对模块主要的功能就是同时打开两张不同的图像，以便于对比分析其中的异同之处；对于同一现场，很可能存在多种不同的足迹图像，对比分析这些图像是否源于同一个人是分析现场足迹图像中重要的一步，对于不同现场的足迹，比对它们的相似度也是必不可少的；因此，借助图像预处理模块和关键点提取模块，本发明可以提取出足迹图像中的一些关键信息，然后，在足迹比对模块中进一步分析图像之间的关联性，使得本发明的功能更加完善。

在足迹比对模块中，可以手动在两张图像中选取任意的线段和角度，根据各自的比例尺进行计算。对于关键点提取模块中未能提取出来的信息，也可以在该模块中进行更新和完善。

上述公式中的数据均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

通过足迹扫描仪对现场足迹进行采集获取足迹图像，并将足迹图像发送至图像预处理模块进行图像预处理；图像预处理模块对足迹图像进行图像去噪、特征提取、区域分割、亮度调节、对比度调节、中心化处理、旋转处理等一系列自动化处理获取目标图像，并将目标图像发送至关键点提取模块；关键点提取模块获取目标图像中足迹的上下端点以及前后脚掌区的左右端点和中心点，计算足迹生物参数，然后通过足迹对比模块对两张不同目标图像的足迹关键参数实现足迹对比。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离申请的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。