CN106940727B - 鞋底花纹多维度分类与识别的编码方法 - Google Patents

Abstract

本发明提出了一种鞋底花纹多维度分类与识别的编码方法，包括如下步骤：S1，对大量清晰完整的鞋底样本花纹进行筛选，选取足够数量的不特定鞋底花纹进行比较分析，确定分析方向；S2，根据分析方向，对鞋底花纹进行语义特征归纳，提炼鞋底花纹的组成成分和特征维度；列举样本足迹，反复修正特征和维度，直至特征具有普遍性；S3，明确鞋底花纹特征定义和组织规则，通过鞋底花纹特征成分和维度关系，对宏观特征和微观特征进行定义，并将鞋底花纹特征进行相应编码，根据编码规则对鞋底花纹进行分类。

Description

鞋底花纹多维度分类与识别的编码方法

技术领域

本发明涉及计算机图形分析、公安刑事科学技术领域，尤其涉及一种鞋底花纹多维度分类与识别的编码方法。

背景技术

鞋印(痕)是案件现场勘查中最常遇到的痕迹物证之一，在现场重建、作案人特征分析以及串并案件等诸多侦查手段中发挥重要作用。在公安刑侦工作中，对海量的鞋印图片进行查找和比对是该项技术的关键点。目前，国内采取的主流算法是对图象二值化转换，比较二值图相似度。但由于现场的鞋印受介质、载体和提取技术以及呈痕过程的诸多影响，使得现场鞋印照片存在光斑、噪点、痕迹反差小、不均匀，甚至变形、重叠等特点，严重影响二值图算法的准确性，而该问题是现场鞋印的客观表现，二值图算法无法规避此问题，需要大量耗费人工进行图像修正，效果依然不佳，使得大量技术人员逐步放弃使用该类系统比对，转而人工海选鞋印，造成大量人力成本付出，并且产出较低。如何找到一种适应现场鞋印特点的比对方案，提高准确性和可操作性，是当前急需解决的技术难题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种鞋底花纹多维度分类与识别的编码方法。

为了实现本发明的上述目的，本发明提供了一种鞋底花纹多维度分类与识别的编码方法，包括如下步骤：

S1，对大量清晰完整的鞋底样本花纹进行筛选，选取足够数量的不特定鞋底花纹进行比较分析，确定分析方向；

S2，根据分析方向，对鞋底花纹进行语义特征归纳，提炼鞋底花纹的组成成分和特征维度；列举样本足迹，反复修正特征和维度，直至特征具有普遍性；

S3，明确鞋底花纹特征定义和组织规则，通过鞋底花纹特征成分和维度关系，对宏观特征和微观特征进行定义，并将鞋底花纹特征进行相应编码，根据编码规则对鞋底花纹进行分类。

上述技术方案的有益效果为：从鞋底花纹图像语义出发，通过采集大量数据样本做分析比较，发现和总结鞋底花纹组成原理和组织规律，寻找最适合的特征编码与查码方案，通过特征编码的方式，赋予鞋印科学的个性特征，进而对鞋底花纹进行特征标注达到分类查询的技术效果。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，所述S1包括：

S1-1，观察鞋底花纹的形态，比较鞋底花纹轮廓、弓部、掌部和跟部的功能区是否一致，显著花纹特征是否相似；

S1-2，比较鞋底花纹的区域关系、位置、范围是否相似；

S1-3，比较鞋底花纹相应位置的几何图形种类、组合方式、排列方式是否相似；

S1-4，比较鞋底花纹单元大小、图形密度是否相似。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，所述S2包括：

S2-1，通过对不特定大量鞋样鞋底花纹观察，提炼鞋底花纹构成要素；

鞋底花纹基本构成单位为几何图形；几何图形在形状、大小范围、方向、相互关系、图形密度、位置六个因素的影响下发生变化，产生鞋底花纹构成的三个基本要素：元素、单元、图区；它们之间的关系是：几何图形即为元素；元素组合形成了单元；单元的排列的规律性称为骨骼，具有相同元素、单元和骨骼的范围称为图区；图区的布局形成了整个鞋底花纹的基本样式；

S2-2,分析相似鞋底花纹构成要素、影响花纹种类的因素，通过对差异点进行单独比较，发现差异属性来源于八个维度，分为宏观和微观两个方面；其中宏观包括：图区相互关系、鞋底结构特点、显著特征、花纹密度；微观包括：相应位置上的元素种类、元素大小方向、元素组合关系、单元排列方式。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，所述S3包括：

S3-1，进行微观特征的编码分类，通过比较鞋底花纹图像的元素、单元、骨骼、单元大小等微观特征，比较鞋底花纹微观特征相似度；

S3-2，进行宏观特征的编码分类，通过比较图区关系、鞋底结构、显著花纹、密度等宏观特征，比较鞋底花纹宏观特征相似度。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，所述S3-1的微观特征包括：

S3-1-1，在微观特征中对元素设置元素属性，然后形成元素的形态特征和状态特征；

S3-1-2，对元素特征设置完成后，在微观特征中对单元设置单元属性，然后形成单元特征；

S3-1-3，对单元属性设置完成后，在微观特征中对图区设置骨骼属性，形成骨骼特征。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，所述S3-2的宏观特征包括：

S3-2-1，在宏观特征中对显著特征设置显著特征属性，然后形成显著特征；

S3-2-2，在宏观特征中对鞋底结构设置鞋底结构属性，然后形成鞋底结构特征；

S3-2-3，在宏观特征中图区关系设置图区关系属性，然后形成图区关系特征。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，还包括如下编码方法：

S4，坐标系方法

(1)实物大小坐标系：以图像中拍摄的比例尺为标准，确定鞋底花纹的实际大小；统一鞋尖朝向，以鞋底花纹固定点为元点，建立坐标系；

(2)归一化坐标系：采取鞋前掌前缘突点为I点、后跟后缘突点为II点、掌部内侧外缘突点为III点、过I、II两点的直线为垂直方向时，有过III点的水平线和与鞋掌外侧外缘相切的垂直线的交点为IV点；所有鞋底花纹图像归一化压缩，即I、II两点间线段等比变化为统一长度，III、IV两点间线段长度为统一长度；该坐标系下鞋底花纹原始形状将压缩变形，但所有形象位置将抽象化为标准鞋模的相对位置，有利于抵消现场鞋印变形误差，和鞋码误差，描述结果接近视觉上的相似性。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，还包括如下编码方法：

S4’,单元大小方法

在宏观特征、微观特征均相同的情况下，有单元大小影响鞋底花纹的种类；

单元大小取决于统一的标尺下的描述，通过比例尺测量实际大小或是通过鞋底轮廓测量相对大小两种方式描述；通过比例尺可以得到单元的实际大小，而通过归一化测算单元相对标准鞋轮廓形象的大小；

通过图区所在归一化坐标系下的像素位置，筛选最有可能为同一位置的图区中的单元大小进行比较；采取描述单元面积大小、周长和单元各方向投影的最大和最小值的比较。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，还包括如下编码方法：

S4”,权重与过滤值：各特征值、维度值对总体相似度评价的价值有高有底，通过预先设定权重值，改变特征、维度的作用大小；通过设定计算过程中某个值的有效性范围，过滤掉“噪音”，以提高精确度。

所述的鞋底花纹多维度分类与识别的编码方法，优选的，还包括如下编码方法：

S4”’，密度方法，鞋底花纹范围内的正形所占的面积比例或者单元个数占比面积率；

还包括如下编码方法：

S4””，位置方法，所在坐标系下的像素位置及其像素位置集合，用于某一目标在相同位置上的比较。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

从鞋底花纹图像语义出发，通过采集大量数据样本做分析比较，发现和总结鞋底花纹组成原理和组织规律，寻找最适合的特征编码与查码方案，通过特征编码的方式，赋予鞋印科学的个性特征，进而对鞋底花纹进行特征标注达到分类查询的目的。该方案通过图形语义分析转换特征，赋予足迹充分的特征信息，有效提高鞋印比对精度。同时通过语义转换突破了二值图特征提取瓶颈，大大降低图像预处理要求，满足对残缺、变形、模糊、光亮不均匀足迹查询需要。同时，鞋印花纹特征的归纳和查询方案的研究，是图像语义识别中，对词典库和语义逻辑方向研究的前期工作，对鞋底花纹语义自动识别和比对研究有重要意义。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1A-1B是本发明鞋底花纹分析方向示意图；

图2是鞋底花纹要素构成分析示意图；

图3是鞋底花纹维度构成分析示意图；

图4是本发明元素分类示意图；

图5是本发明单元分类示意图；

图6是本发明骨骼分类示意图；

图7是本发明宏观特征示意图；

图8是鞋底花纹四点定位示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

通过对数万枚不特定鞋样鞋底花纹观察，发现区分鞋底花纹种类的判定，是通过检材与样本间的八个维度特征进行打分，如图4，部分维度关联计算，得出四个方向的相似度值，并综合为总相似度。1为宏观特征的文本比对：包含图区关系、鞋底结构特点、显著元素三个维度，2为界限特征：为图区关系维度的图形化计算，3为微观特征：包括元素种类、元素大小方向、元素组合关系、单元排列方式等四个维度的文本特征，以及测量得到图区密度特征，4为单元大小特征：单元大小维度的图形化计算。

鞋底花纹多维度分类研究

一、鞋底花纹语义分类和比对的理论基础

1、鞋底花纹具有图形语义特征：按照符号学对符号的定义，所有能用视觉看到的能指(形式)，只要观看者能够理解其意义，那么它们都应算是视觉符号。而鞋底花纹的图案多由可辨识几何图形构成，可以分辨出点、线、面、直、方、圆等几何意义。所以鞋底花纹中的图形具有语义，可以分解为视觉符号，加以总结为鞋底花纹特征。

2、鞋底花纹具有组织规律语义特征：鞋底花纹设计者创造出的鞋底花纹样式繁多，但其中的鞋底花纹布置和构造依据，均来源于鞋的使用功能和美学等因素，而平面构成就是探讨二度空间的视觉文法，从平面设计和构成着手，研究鞋底花纹的特征规律，可以发现鞋底花纹的构成同样符合平面构成的基本原理，其基本几何图形按照美的视觉效果，力学的原理，进行编排和组合，呈现出规律性、逻辑性的特点。所以鞋底花纹的组织规律具有语义，可以总结为鞋底花纹特征。

3、鞋底花纹语义特征有统一性：格式塔心理学认为视觉元素的组织是所有心智的基本，而且是与生俱来的，并不需要刻意去学习。格式塔心理把视觉元素组织的因素定名为知觉组织律，说明人的视觉是有规律可寻的，格式塔心理学家通过大量的视觉心理实验总结出人类视觉的四大基本规律：

(1)邻近性原则，即空间中距离相近的元素有被看作一体的趋势。

(2)类似性原则，即空间中色彩、明度或者形状近似的元素有被看作一体的趋势。

(3)延续性原则，即人的视线有沿着空间元素流动的趋势。

(4)完整性原则，人类视觉有将不完整的形态使之完整的趋势。

所以，不同的观察者对于相同图形有相同的认知方式，自然会得出相同评判结论，如根据临近性原则，鞋底花纹的元素组合方式会有相同的认知结论，形成单元的概念；根据类似原则，形状相似的元素或单元聚集在一起，会被自然认知为一个整体区域，形成“图区”的概念。延续性原则使得元素或单元的排列会被观察者注意到，形成骨骼的概念。完整性原则使得残缺鞋底或残缺感的图案足迹会被大脑补全得到一致的图像评价。人天生共享同一个视觉认知标准，而这些认知标准不需要培训，这是鞋底花纹的特征定义的基础。

4、鞋底花纹语义特征有稳定性：物质转移学说(洛卡德交换原理)指明了痕迹的形成原理。痕迹在物体接触面和压力共同作用，通过物质的转移形成了相同的形象反映。同一鞋底花纹在不同条件下印压形成的形象(鞋印)，如立体足迹、血足迹、灰尘足迹，加层、减层足迹等，认知者会得到相同的鞋底花纹特征描述，鞋底花纹语义特征有稳定性。

5、鞋底花纹种类语义识别具有抗干扰性。根据知觉恒常性(格式塔心理学)，当客观条件在一定范围内改变时，我们的知觉映象在相当程度上却保持着它的稳定性，即知觉恒常性。恒常性中形状恒常性，大小恒常性(例如远处的一个人向你走近时，他在你视网膜中的图像会越来越大，但你感知到他的身材却没有什么变化)造成观察者对对象不同条件下观察同一形象有相同判定。所以，残缺、变形、模糊对鞋底花纹种类的认定不具有决定性影响。甚至鞋底花纹相同，但鞋尺码不同，观察者仍然视作同一类花纹的鞋底。

6、结论

(1)鞋底花纹具有语义特征，特征有规律和内在逻辑，其规律首先符合平面构成理论规律，可通过归纳总结形成特征词典。

(2)鞋底花纹特征具有统一性和稳定性，鞋底花纹特征编辑可普遍适用于各观察主体。

(3)鞋底花纹种类的识别具有较强抗残缺、变形、模糊等能力，针对公安业务中现场鞋底花纹形成特点，有较强适应性。

二、鞋底花纹特征及维度分析

1、鞋底花纹构成分析方向

如图1所示，通过对数万枚不特定鞋底花纹观察，发现人工区分鞋底花纹种类的判定，是通过检测检材与样本间的多个方面的特征做出区分和判断：

(1)比较鞋底花纹的宏观外形，是否轮廓相似、弓部是否具备、有无跟部和跟部的功能区、有无显著特征等。

(2)比较鞋底花纹的区域关系、位置、范围，是否区的关系相似。

(3)比较鞋底花纹相应位置的几何图形种类、组合方式、排列方式是否相似。

(4)比较鞋底花纹单元大小、密度是否相似。

2、鞋底花纹构成要素分析

通过对不特定大量鞋样鞋底花纹观察，不同鞋样花纹的构成内容有相似性，其基本构成最小单位为几何图形，而几何图形在形状、大小、方向、相互关系、图形密度、位置六个因素的影响下发生变化，构建出复杂多变的鞋底花纹种类。几何图形的变换产生鞋底花纹构成的三个基本要素，它们是元素、单元、图区。它们之间的关系是：不同几何图形即为元素；元素组合形成了单元；单元的排列具有规律性(骨骼)，具有相同元素、单元和骨骼的范围形成图区。图区的布局形成了整个鞋底花纹的基本样式。如图2

3、鞋底花纹特征维度分析

通过对数万枚复杂鞋样鞋底元素观察，发现区分鞋底元素种类的判定，是通过检测检材与样本间的多个方面的特征做出区分和判断。通过对相似鞋底元素对比，对差异点进行单独分析，发现差异属性来源于宏观和微观两个方面八个维度，其中宏观包括：显著特征、鞋底结构、图区关系、图形密度；微观包括：相应位置上的元素种类、元素大小方向、元素组合关系、单元排列方式。如图3

(1)比较鞋底元素宏观特征：

图区关系。比较范围为半掌(前掌或后跟)，比较图区与图区的位置关系，以及分区方式(图区分割或分隔线分隔)。

鞋底结构。比较鞋底元素因使用功能或设计常规，在常见位置出现的元素特征。如鞋围边、弓型、端部、重心部位的特征。

显著特征。比较在鞋底整体上反映出的直观的显著特点。如商标。

图形密度：比较鞋底元素范围内“正形”所占的面积比例或者单位面积内单元的个数。

(2)比较鞋底元素的对应位置上的微观特征：

元素种类。比较对应位置上元素的几何属性。

元素大小。比较元素图形的大小。

单元大小方向。比较单元相对鞋底花纹的方向、角度。

元素组合关系。比较元素间的组合关系。

排列方式。比较元素组合单元的排列、布局方式。

4、结论

(1)鞋底花纹的构成要素为元素、单元、图区。而影响构成要素的属性为：形状，方向、大小范围、相互关系、图形密度。

(2)鞋底花纹特征分类维度，宏观角度分为：图区关系、鞋底结构、显著特征、图形密度四个维度。微观分为：元素种类、元素组合关系、单元大小方向、排列方式四个维度。

三、鞋底花纹特征分类规则和定义

1、总述

鞋底花纹由形象图形按照一定规律排序组合而成，形成复杂多变的鞋底花纹类别。研究发现其构成规律及特征如下：1、鞋底花纹组成成分为元素、单元、图区；2、鞋底花纹组成方式为：元素构成单元、单元构成图区，图区组合为鞋底花纹样式。3、鞋底花纹特征定义维度为：微观特征(元素种类、元素组合关系、单元大小方向、排列方式)、宏观特征(图区关系、鞋底结构、显著特征、图形密度)。

2、基本词定义

(1)鞋底花纹：出现在鞋大底(与地面完全接触的部分，即底部)上的图案与纹理。

(2)正形与负形：鞋印是由鞋底花纹凸出部位印压客体形成的，反映鞋底花纹形态的图案，鞋印花纹的正形不一定为鞋的凸出部位形成，而是整体处于较为明显和突出位置、引人注目的，有具体的形象和轮廓，处于画面前面位置、有明显的结构和内在的图案，通常称为“图”。鞋印花纹的负形：通常称为“底”，即“图”的周围空间，其特点为容易别忽视、不受重视、外形散漫、形状不确定、单一、在画面处于靠后的位置，有衬托作用。

(3)鞋底花纹范围：指鞋底边界线范围内，鞋底花纹分布的最大和全部区域。分为掌部、弓部、跟部范围；

(4)维度：鞋印花纹分类的维度是按照区分鞋印花纹的思维方式出发，寻找影响视觉区分图像组成的各个因素。这些相互独立的因素称为鞋底花纹分类的维度。

维度共同影响和组合，判定鞋底花纹的种类。鞋底花纹有形态要素(形状、大小、方向)、构成要素、位置要素三个类别，宏观、微观两方向，形成了“元素种类”、“单元构成”、“单元大小”、“骨骼方式”、“图区的位置及范围”、“图区的关系”、“功能区结构”、“显著特征”等8个具体特征维度。他们之间独立存在，互不干扰，任一维度的特征变化，将构成列独立而又相关的足迹花纹序列。

(5)微观维度：微观维度研究组成鞋底花纹的具体内容和方式，描述底层到高层的形与形的组织特点。是区分鞋底花纹类别较为准确的特征组成，有较强排他能力。但现场鞋印易受到现场呈痕因素的影响，造成微观特征信息缺失，需结合宏观特征使用。微观特征包括：元素、单元、骨骼、图区、大小。

(6)宏观维度：宏观维度研究鞋底花纹整体布局产生的特征和属性。关注的对象范围较大，整体互补，不易受现场成痕因素干扰，可以快速划分鞋底花纹大类别，缩小查询范围，提高查询精度。如对反差弱、变形大、介质相融造成的模糊足迹，细节特征丢失，但宏观特征往往较为稳定，易发现。但特征区分度有限，同种宏观属性足迹有相当数量。需结合微观特征使用。

3、元素的分类与特征定义

3.1元素的定义

组成鞋底花纹的基本的图形，分为点、线、面，如直线、方块、图文等。点、线、面是鞋底花纹中的形态构成的基本元素，是将设计元素分解后找到简单成分，不能再次分解，是最小的组成成分。

3.2元素的属性

点：鞋底花纹中细小且明显的形象称之为“点”，细小为相对而言，在画面中显得细小。点的形状可以为圆点、方点、虚线点等。

线：鞋底花纹中宽度与长度比值小，有轨迹感的形象称为线。常见线为：直线、弧线、折线、波浪线、波折线、线段、螺旋线、自由线或粗线、细线、虚线、网格线。

面：鞋底花纹中由轮廓线构成的轮廓形象。按照思维方式和视觉形式分为：“几何形”、“具象形”、“偶然形”。

“几何形”按照边的数量和形态分为“块纹”、“团纹”、“团块纹”；“块纹”为直边构成，分为“正方块”、“长方块”、“菱形块”、“非矩形四边块”、“多边块”等；“多边块”通过出现的频率和特殊形象分为“枝块”、“凹块”、“凸块”、“x形块”和“自由块”等；“团块”为弧边构成，分为：“圆形”、“椭圆形”、“水滴形”、“枝团”、“凸团”、“凹团”、“自由团”等。

具象形:自然中原有的形象(如动物、植物、风景)和人为创造的形象(文字、商标)。

偶然形:偶发形成的，无既定规则予以重复构建的图形。

3.3元素特征定义

通过对鞋底花纹元素形态归纳总结，发现元素由多个属性词条描述形成具体形，相近元素间具有相同的某项属性，如“弧线”、“直线”，其共同点为“线”，又如“弧线”、“弧块”，共同点为“弧”。将元素的各项属性剥离形成形态特征和状态特征，称为鞋底花纹元素属性的拆分。具体特征值总结如下：

(1)形态特征：

点纹：面积小而形成没有空间维度感的图形；线纹：长宽比例较大，形成轨迹感的图形；三边块纹：三个直边围成的面；四边块纹：四个直边围成的面；多边块纹：四个以上直边围成的面；圆纹：同几何意义中的圆；椭圆纹：同几何意义中的椭圆；团块纹：直边和弧边围成的面；团纹：弧边围成的面；图纹：自然中原有的形象，如树叶、太阳；图字：各种字符；形象：人为创造的形象，如五角星、桃心；板纹：没有边界感的纹理图案；空纹：大面积的背景区域，特指有突出感觉的背景；罕纹：难以归纳为常见经典图形的复杂图形；

(2)状态特征：碎状：不规则、偶然形成的复杂多边形，似碎石形态；组状：特指短线成捆状分布的属性；直状：同一方向延续的形态；弧状：沿弧形轨迹延续的形态；折状：转折的轨迹形态；波折：连续角状转折形成多个夹角的轨迹形态；波浪：连续弧状转折形成浪花状的轨迹形态；条状：介于线与块之间的状态；正方状：与四边块纹组合为正方形；矩状：与四边块纹组合为矩形；菱状：与四边块纹组合为凌形；非矩：与四边块纹组合为不规则四边形；缺损：图形部分缺失，但原形态感仍然显著；轴状：图形为中心轴对称状态；联合：两个或多个元素连接在一起，忽略前后关系，联合成一个新的形象；凹状：多边块的一种，其中一个内角大于180度；凸状：多边块的一种，任意一个内角均小于180度；枝状：凹状多边块的一种特殊形状，有强烈的分支感；E状：支形块的一种特殊形状，多个内角为90度，如“E”字形；X形：支形块的一种特殊形状，如“x”字形；鼎形：支形块的一种特殊形状，多个内角为90度，如“凸”字形；纵态：脚尖朝上时，在鞋底花纹中纵向状态，如竖线；横态：脚尖朝上时，在鞋底花纹中横向状态，如横线；斜态：脚尖朝上时，在鞋底花纹中斜向状态，如斜线；大态：元素形状明显大于常见纹尺寸；无序态：图形本身有轨迹感，且轨迹方向多变，没有规律；螺旋态：图形形态如螺旋状分布，如螺旋线。阴态：图案形象通过背景负形表达的状态。

如图4所示，为元素特征示意图：

4、单元的分类与特征定义

4.1单元的定义

构成图形的基本单位，通过重复排列构成鞋底花纹，具有一致性、连贯性的区域。分为单一单元和组合单元，单一单元为一个元素构成，组合单元由多个相同或不同元素组合而成。

4.2单元属性

(1)位置关系

包含：大形包含小形，形成内外关系。分离：元素与元素存在一定的距离

相连：元素与元素分离，但之间由线或面相连接；相遇：元素与元素边沿相切；相交：元素与元素部分重叠，联合：两个或多个元素连接在一起，忽略前后关系，联合成一个新的形象；

(2)正负关系

透叠：两个及以上元素相交时，去掉相交部分，保留没有相交的部分；差叠：与透叠相反，只有互相重叠的地方可以看得见；重叠：一个形覆盖在另一个形上，产生前后关系，形成一近一远的层次感；减缺：两个及以上元素重叠时前面的缺损元素没有画出来，只保留后面减缺的新形象；

(3)元素种类

同构：同一种元构成单元。

异构：两种及以上元素种类构成单元。

(4)单元方向

纵态：鞋底花纹中，单元长边大致平行于鞋掌前缘突点与后跟后缘突点连线的状态为纵态。横态：纵态旋转90度左右为横态。斜态：纵态旋转45度左右为斜态。纵向：单元内元素排列方向为上下方向(脚跟朝上)横向：单元内元素排列方向为左右方向(脚跟朝上)斜向：单元内元素排列方向为倾斜方向(脚跟朝上)环向：单元内元素排列方向为环绕方向。

(5)元素数量

单构：单个元素构成单元。双构：两个元素构成单元。群构：组成单元过程中的群化现象。元素临近，有两个以上相同的元素，集中在一起，互相发生联系时，便可形成群化。元素特征具有共同因素，能产生同一性，可以形成群化。元素排列一致，会产生图形的连续性，可以构成群化。习惯性的组合，在视觉经验中，容易形成一个完整的图形，便于联系在一起而构成群化。

4.3单元特征定义

在单元构成时，存在位置关系、正负关系、元素种类、数量、方向等属性，根据鞋底花纹单元出现频率，对以上属性加以组合、拆解，总结特征词如下：

内含实心：元素内部全部为正形，且无其他形象；

内含空心：元素呈包含关系，元素内部大部分空间为负形；

内含相同：元素内部包含一个相同元素形象。可以为重叠或减缺；

减缺：两个及以上不同元素重叠时前面的缺损元素没有画出来，只保留后面减缺的新形象；

内含异种：元素呈包含关系，且种类不同；内含矩阵：元素呈包含关系，且内部元素呈矩阵(两个方向)排列；内含单排：元素呈包含关系，且内部元素呈单向排列；内含中心：元素呈包含关系，且内部元呈环状、螺旋状或X状排列；内含外露：元素呈包含关系，但内部元素与外部元素轮廓有相切；内含单线：元素呈包含关系，内部为一线状元素；内含罕见：元素呈包含关系，但内部构造未归纳；多层环绕:元素有多重内含关系；群化组合：大量同类元素排列形成单元；多项组合：三至五个元素组合，结构简单的单元；二项组合：两个元素组合形成单元；同种组合：组合单元由同种元素组成；异种组合：组合单元有不同元素组成；横向组合：组合元素横向排列；纵向组合：组合元素纵向排列；无向组合：组合方向非简单的横向、纵向或环绕；镜像组合：单元成轴对称状态；环绕组合：多个同种元素环向排列形成环状形象的单元；交融组合：元素间为分离关系，群构形成单元，但单元间组成部分公用；联合组合：元素大面积相连接形成组合关系；连线组合：元素间为分离关系，但有‘相连’的情况；复杂组合：骨架明晰，但单元组合种类、方向、数量变化较为复杂，单元划分多元性。

如图5所示，单元特征示意图。

5、图区

5.1图区的定义

指相同或相近元素、单元按照一定规律(骨骼)重复排列，产生连续、有规律、有秩序、和谐统一视觉效果的区域范围。图区一般由元素、单元的种类和排列方式划分，但分割线也可形成区域感，分割线可以为线、条或是较明显的间隙。

5.2重复构成

以一个单元体在基本格式内重复排列，排列时可做方向、位置变化。

相似或相同的形状做大小、方向的重复。根据鞋底花纹中图区的位置、重复构成的方向、显著特征等分为：纵排、对排、矩阵、网格、散落、环绕、围排、蜿蜒、Z排、少排、单置、罕排。

构成关系：单元排列过程中，单元间在种类、位置等方面的属性。

异替、交错、夹杂、镶嵌、连线、粘连。

5.3骨骼定义

鞋底花纹设计，依照一定的规律将基本形组合起来，这种管辖编排形象的方式称为骨骼。分为规律和非规律性骨骼。基本格式：90度排列格式、45度排列格式、弧线排列格式、折线排列格式。

规律性骨骼：重复、近似、渐变、发射、特异；

非规律性骨骼：密集、对比、分割、肌理、空间、图形想象。

5.4骨骼的属性

(1)骨骼的方向：单向-双向(平面二维方向)、发射(内外方向)、散落(无方向)、正向-斜向(鞋跟朝上)、单排-双排-多排(排列列数)。

(2)骨骼中单元的变化：交错(单元位置变化)、夹杂(单元种类无规律变化)、异替(单元种类规律变化)、特异(某一单元变化)、渐变(所有单元规律变化)、

5.5骨骼特征定义

纵排：单元单向单排纵向重复排列；对排：单元单向双排纵向重复排列；矩阵：单元双向多排重复排；网格：单元双向多排重复排列，单元相切呈网格状态；散落：单元无向重复排列；环绕：单元环形方向排列；围排：单元沿着鞋底围边范围排列；蜿蜒：单元排列轨迹呈波浪状；Z排：单元排列轨迹呈波折状；单置：一个单元构成整个图区；罕排：排列方式少见，未归纳；异替：区内由两种及以上的单元有规律的重复交替排列而成；交错：同一种单元构成，该单元位置发生变化，形成有规律的交替变化；夹杂：两种及以上单元组成图区，主单元有规律均匀分布，附单元类型少量无规律分布其中；镶嵌：单元轮廓边缘间等距，形成条状间隙；连线：单元间有细线牵连；连片：单元间由片状物牵连；重叠：单元间由重叠、遮挡感；渐变：把基本形按照大小、方向、虚实等关系渐次变化构成形式；

(1)形状的渐变：一个基本形渐变到另一个基本形，可以由完整到残缺，也可以简单到复杂，抽象到具体。(2)方向的渐变：基本形的方向，通过平面旋转，发生有规律的逐渐变动。(3)位置的渐变：基本形作为位置渐变时,骨架线发生逐渐变化。(4)大小的渐变：基本形由大到小的逐渐排列。(5)虚实的渐变：虚像到实像的逐步变化。(6)疏密的渐变：单元排列密度的渐变。统一：单元形态均不一致，但都有共同的某项属性，如元素类别(四边块纹)，单元结构(内同)等，形成倾向认为是同一类单元而化为一个图区的划分方式；

特异：图区中某一单元剧烈变化，与其他单元脱离，形成明显的关注感；

如图6所示，骨骼特征示意图。

6、宏观特征

6.1宏观特征的定义

宏观特征从鞋底花纹整个范围内观察发现的特征，特征来源于显著元素、鞋底结构、图区关系。宏观维度研究鞋底花纹整体布局产生的特征和属性，从整体上描述鞋底花纹特征，特征值不易受现场成痕因素干扰，可以快速划分鞋底花纹基本类别，缩小查询范围，提高查询精度。如对鞋印痕中反差弱、变形、纹线模糊的足迹，细节特征丢失，但宏观特征往往较为稳定，容易保留。但宏观特征区分度有限，同种宏观值的鞋底花纹较多。需结合微观特征使用。

6.2宏观特征的属性

主要从图区的位置关系，鞋底结构特征，较为显著花纹形态和关系入手，分为三个方面的特征：

(1)显著特征：在鞋底整体花纹上反映出的显著特点

(2)鞋底结构：鞋底花纹应功能或款式设计而形成花纹特征。如鞋围边、弓部、端部、重心部位的特征。

(3)图区关系：讨论范围为半掌(前掌或后跟)，图区与图区的位置关系，以及分区种类(图区分割或分隔线分隔)。

6.3宏观特征定义：

(1)显著特征类

直芯：包围宏观特征中，中心处图区为竖条状；橄榄：橄榄形态的图区，常出现包围结构中；横断：范围内有左右贯通的、显著的隔断；显线：贯穿多区的显著的实心线或条；擦线：贯穿多区的显著的阴状的线或条；显块：显著的大块图形，通常为实心重叠在各图区上。空区：较大范围的底纹区域(无花纹)；重心：掌部或跟部重心处出现花纹分区；离散：鞋底花纹主要由分离状态的团、块组成；散线：鞋底花纹主要由不规则的线纹组成；纵条：鞋底花纹主要由纵向排列的长线或长条块组成；拼嵌：鞋底花纹主要由镶嵌的块纹组成；网络：鞋底花纹主要由网格组成；板区：鞋底花纹主要由纹理(板纹)组成；形象：鞋底花纹中由明显的图画组成；区块：鞋底花纹中的单元成包含关系，外部元素面积较大，内部结构复杂，有区域感，但该单元仍然重复构成图区；连片：鞋底花纹中由粘连的图案组成；大块：鞋底花纹中主要单元面积明显较大；小粒：鞋底花纹中主要单元明显细小；旋转：鞋底花纹中主要骨骼为环绕；发射：中心在鞋底花纹外或边沿，骨骼为发射；辐射：中心点在鞋底花纹内，骨骼为发射；蜿蜒：鞋底花纹中主要为蜿蜒状的排列；

(2)鞋底结构

功能性：

无端：前掌前缘或后跟后缘没有耐磨块或独立的图区。有端：前掌前缘或后跟后缘有耐磨块或独立的图区，称端区。凸端：端区朝向掌心的边沿形态为凸形；平端：端区朝向掌心的边沿形态为水平；斜端：端区朝向掌心的边沿形态为倾斜状；大端：端区面积超出常见范围尺寸；普端：端区面积为常见尺寸；小端：端区面积小于常见尺寸；板端：端部图区为板纹(纹理)；线端：端部图区由线纹构成；块端：端部图区由块纹构成；点端：端部图区由点纹构成；有弓：鞋弓部有花纹；无弓：鞋弓部无花纹；半弓：鞋弓为空心或一半结构。无围：范围内没有围边；有围：范围内有围边(环绕鞋底边缘的条状图区)；线围：围边为顺鞋边沿的线纹。窄围：围边为除线围外的其他构成，且围边较窄，不计入图区。附围：围边由多层图区环绕组成；

对称性：

纹称：范围内单元分布对称；纹偏：范围内单元不分布对称；构称：图区分布对称；构偏：图区分布不对称；

(3)图区关系

单区：范围内由一个区组成整个鞋底花纹；独区：范围内由一个区组成，且该区为一个单元；包围：由交宽围边区和中心区组成；左右：区呈现左右分布，可以为对称或非称，有时同一个区因单元分布有强烈左右关系，也定为左右宏观；上下：区域分布为上下关系，面积不一定相等，鞋跟部分视面积大小判断是否为区；斜区：图区呈现倾斜两侧分布，介于上下、左右图区关系间；复杂：图区分布未归纳，关系暂不明确。嵌区：两个及以上区域重合，通过间隙展现，无远近层次感；覆叠：一个图区形覆盖在另一个图区上，产生前后关系，形成一近一远的层次感；减缺：两个图区重叠，前面的缺损元素没有画出来，只保留后面减缺的新形象。减去的部分仍有语义特征；区融：图区间的区域发生重叠、交叉；倾向：图区分割不经典，倾向认定；区似：区的划分因单元或排列方式相近，出现多种划分标准；区割：由分割造成的分区感。如分割线或显著距离；隔区：同一图区不连续；对向：范围内只由一个“对排”特征的骨骼组成；无律：区域间的位置关系复杂，无法简单分类；

如图7所示，宏观特征示意图。

7、单元大小

在宏观、微观均相同的情况下，仍有单元大小影响鞋底花纹的种类，例如细线纵向排列构成全部鞋底花纹，也有粗线相同布局构成另一种鞋底花纹，所以需要描述。同时，单元大小也是有效排除不同种类鞋底花纹的有效维度。

单元大小取决于统一的标尺(坐标系)下的描述。可以通过比例尺或是鞋底视觉大小两种方式描述，区别在于通过比例尺可以得到单元的实际大小，通过归一化鞋印的全长，测算单元相对大小，即视觉大小。第二种方案，描述视觉上鞋底花纹的种类，即排除比例尺误差和鞋码差异来带的干扰。

单元的大小描述方法有多种，可采取描述单元面积、周长大小的比较。

8、位置

特征所在坐标系下的像素位置，用于确认某一确切特征相同位置上的目标。

9、坐标系

(1)实物大坐标系：以比例尺为标准，确定鞋底花纹的实际大小。以鞋底花纹固定点为元点(如前掌前缘突点)，同一朝向(如后跟前缘突点与后跟后缘突点连线垂直坐标系横轴，鞋尖朝上)建立坐标系。

(2)归一化坐标系：

四点定位：

I点：鞋掌前端外缘突点；

II点：鞋跟后端外缘突点；

III点：鞋掌内侧外缘突点；

IV点：过I、II两点的直线为垂直方向时，有过III点的水平线和与鞋掌外侧外缘相切的垂直线交点为IV点。

如图8所示，图形归一化：足迹图片沿点I、II方向压缩至I、II两点间线段长28cm。图片沿点III、IV方向压缩至III、IV两点间线段长10cm。过I、II两点的直线为垂直方向时，分别过点I、II的水平线，与分别过点III、IV的垂直线所围成的矩形为足迹的矩形范围。压缩确保所有图片预处理后的足迹矩形范围为相同像素矩阵。

归一化坐标系：以足迹的矩形框为界限，设任意一像素点(如第一行和第一列)为坐标元点(0,0)。水平方向为第一轴，垂直方向为第二轴。

该坐标系下鞋底花纹原始形状将压缩变形，但所有形象位置将抽象化的归为标准鞋模的相对位置，有利于抵消变形误差，和鞋码误差，描述结果接近视觉上的相似性。

10、图形密度

鞋底花纹范围内“正形”所占的面积比例。

四、关于鞋底花纹多维度分类方案的注意事项

1、二义性

一个图形或排列方式等特征，不同观察者得出两个或以上的合理判定，称为特征的二义性。其原因为部分图像的语义本身存在多重解释(如凹块和叉状块)，图形反映不完全造成解释差异，或观察者认知经验差异造成解释差异。二义性是影响图文分区的主要因素。二义性的产生与生俱来，是人工认知的基本属性，很难避免。但是，二义性有共同认知的特点，即客体本身的二义解释是基本固定的，不是任意答案，产生二义的情况也是有限的，不是任何客体都有二义性。所以，通过预定编码规则，计算机辅助测量和判定，可以减少二义性影响。

2、鞋底花纹特征标定原则

特征的确定遵照简单、直观的原则，语义感强烈的、不复杂的解释首先考虑；能够减少特征量的解释方案首先考虑；复杂的图形向经典、常见的图形解释；

3、特征的信息量

一个完整的鞋底花纹含有多个特征，特征与特征不是独立的，而是有关联和法则的，如一个正方块内含一个圆纹的单元，该单元矩阵形成的鞋底花纹，其特征为“(方块-内含-圆纹)-矩阵”。“方块”和“圆纹”是元素，“-内含-”关联两个元素，并带有方向(前词向后词对应)。而“-矩阵”只连接前一个词组，同时是对“()”内所有特征起作用，即“方块”是矩阵的，内含的“圆纹”是矩阵的、“内含”关系也是“矩阵”的。其信息总量为：

(1)方块、内含、圆纹、矩阵；

(2)方块-内含、内含-圆纹、圆纹-矩阵、内含-矩阵、方块-矩阵；

(3)方块-内含-圆纹、内含-圆纹-矩阵、方块-内含-矩阵；

(4)方块-内含-圆纹-矩阵。

特征的绑定：通过指明特征的相互关系，保证信息的准确和数量，并避免无关特征的组合，出现语义歧义。特征绑定通过连接特征实现，如直线，表达为直状、直线、直状-直线三个特征值。

5、鞋底花纹分类的内含

“鞋底花纹多维度分类方案”采用图形语义分析的方法解析鞋底花纹特征，区分图形类别、图形关系、位置、大小、密度等特征，用于鞋底花纹的比对和查询，但不限于文中指出的具体特征和定义。人工解析是该分类方案的一种信息获取渠道，但不限于人工标注获取的方式，通过计算机自动识别以上总结的形状和关系等特征，同样属于该类分类方法的运用。对鞋底花纹的图形分类和组成关系的研究是该方法的内含。

基于鞋底花纹多维度分类规则，可以获取鞋底花纹“元素种类”、“单元构成”、“单元大小”、“骨骼方式”、“图区的位置及范围”、“图区的关系”、“功能区结构”、“显著特征”等8个具体特征维度的特征值。设计思路为通过各个维度相似度的计算，计算出其相似度，并通过得分排名找到鞋底花纹一致的目标。即查找两鞋底花纹在相同位置上有相同花纹形态、相同花纹组合、相同花纹排列且相同单元大小的鞋底花纹；系统需要具备数据库、参数设置、图片预处理、特征录入、算法、查询、串并等几个单元模块。

经过编码之后，通过如下方法进行查码操作，

一、算法主线：

1、预设各特征键值及名称t、设定各权重值R。

2、图像预处理：四点标定鞋底花纹在图像中的范围

I点：鞋掌前端外缘突点；

II点：鞋跟后端外缘突点；

III点：鞋掌内侧外缘突点；

IV点：过I、II两点的直线为垂直方向时，有过III点的水平线和与鞋掌外侧外缘相切的垂直线交点为IV点。

3、图形归一化：足迹图片沿点I、II方向压缩至I、II两点间线段长28cm。图片沿点III、IV方向压缩至III、IV两点间线段长10cm。过I、II两点的直线为垂直方向时，分别过点I、II的水平线，与分别过点III、IV的垂直线所围成的矩形为足迹的矩形范围。压缩确保所有图片预处理后的足迹矩形范围为相同像素矩阵。

4、归一化坐标系：以鞋底花纹的矩形框为界限，设任意一像素点(如第一行和第一列)为坐标原点(0，0)。水平方向为x轴，垂直方向为Y轴。

5、实际坐标系：以鞋底花纹图片中比例尺为标准，保障鞋底花纹为比例尺下实际大小。设三点定位中I点为原点(0，0)。水平方向为X轴，垂直方向为Y轴。

6、在坐标系下标画出图区的范围，并生成图区Q_v，记录图区Q_v的像素坐标集合。(两种坐标系均可使用，归一化坐标系倾向任意尺码花纹类别比较，实际坐标系倾向等大鞋底花纹比较)。

7、特征集合T：预设掌部宏观、跟部宏观、图区Q_v共V+2个特征框，逐个输入特征集合内的特征值t。

8、单元大小：记录某图区Q_v中单元的大小值，面积为S，周长为C。

9、分别计算各个维度的相似度，再汇总求得总相似度。计算的维度按照宏观特征比较、图区特征值比较、单元大小比较、图区界限比较四个维度展开。各个特征的比较是基于相同位置的特征比较。

(1)宏观特征的比较：通过计算相同范围内宏观语义的相似程度，判定检材和样本在宏观上的属性相似度。

(2)图区特征值的比较：相同图区(范围和位置一致)内的特征相似度。

(3)单元大小比较：相同图区(范围和位置一致)内同一单元的大小相似度计算。

(4)图区界限比较：通过比较图区的范围和位置判定图区结构的相似度。

(5)维度汇总：因各个维度关系相互独立，各维度上的值视为一个方向上的属性，该维度各个值涵盖该维度上所有特征情况，各个维度组合形成一个多维空间，空间上任意一点对应一个鞋底花纹类型。点与点之间的距离表示其差异的程度，距离越短，相似度越高。故采取欧式距离计算汇集维度得分。

10、维度尺度的统一：各维度计算单位需要一致才能合并计算，需要按照统一单位计算维度相似度值，如百分比。

11、权重：各特征值、维度值对总体相似度评价的价值有高有底，通过预先设定权重值大小，改变特征、维度的作用大小。

12、查询：提交检材查询请求，修改查询样本范围，指定必含或必不含(见下文详解)值，发起查询。

13、串并：通过任意维度组合得出综合相似度得分排名。选择目标鞋底花纹形成类案鞋底花纹。

二、计算式

1、宏观特征维度相似度计算

1.1宏观特征：宏观掌部、跟部两个特征集合的各自比较；

1.2特征集合：该类别下标注的所有特征。分为掌部宏观和跟部宏观两个集合；

1.3相似度公式：两个集合之间的相似性采用Jaccard相似指数描述——两个集合集交集的元素个数除以并集的元素个数。

公式如下：

1.4已知条件：

设：(1)t_n为检材特征；

(2)t_m为样本特征；

(3)掌部为一个特征集合，跟部为另一个特征集合；

检材掌部特征和跟部特征集合特征共N个；小写n为该集合中特征的序号；

样本掌部特征和跟部特征集合特征共M个；小写m为该集合中特征的序号；

(4)A_n为检材特征t_n的比对值；

(5)Rt_n为检材特征t_n的权重；

(6)Rt_m为预先设定的样本特征t_m的权重；

(7)R₁为预先设定的宏观特征总权重；

(8)X_n为检材特征t_n的必含值、Y_n为检材特征t_n的必不含值：

含义：目标集合必须含有或必须不含有指定特征t_n；

必含：目标集合含有该特征，X_n＝1，否则＝0；

必不含：目标集合含有该特征Y_n＝0，否则＝1；

1.5计算步骤：

①特征缺失判断：

f_掌(N,M)＝if(NM＞0,1,0)、f跟(N,M)＝if(NM＞0,1,0)

如果检材或样本的掌部宏观特征集合为空，函数f_掌(N,M)＝0，否则＝1。如果检材或样本的跟部宏观特征集合为空，函数f_跟(N,M)＝0，否则＝1。即宏观特征集合缺失，该部分不参与计算。如f_掌和f_跟均为0，宏观特征停止运算，宏观特征总分H₁＝0。

②比对掌部特征和跟部特征得分T：

检材掌部宏观特征与样本掌部宏观特征比较，样本特征集中含有检材特征t_n，则A_n值为1，否则值为0。

检材跟部宏观特征与样本跟部宏观特征比较，样本特征集中含有t_n，则A_n值为1，否则值为0。

比对掌部特征和跟部特征得分：掌部特征、跟部特征必含不含判定后，比对特征得分的权重和为

T＝T_掌+T_跟。

③特征总数B

B＝B_掌+B_跟，即检材、样本掌部和跟部的特征权重和。

④宏观总分H₁

相对分：

H₁＝R₁(H_1掌+H_1跟)/{f_掌(N,M)+f_跟(N,M)}

＝R₁{T_掌/(B_掌-T_掌)+T_跟/(B_跟-T_跟)}/{f_掌(N,M)+f_跟(N,M)}

即掌、跟特征比中权重总分占检材、样本的掌、跟部的特征权重总数的百分比；

宏观绝对分：

即掌部和跟部比中特征权重和占检材掌、跟特征权重的比例。

注：相对分与绝对分为两种方案，计算时任选其一。相对分用于描述样本、检材特征的一致程度，绝对分用于描述样本涵盖检材特征的程度。

2、界限特征相似度：

2.1：定义

区：即图区，指相同花纹形态、构成的区域。有一个特征集合容纳其区内特征，同时有一个像素集描述其区的位置和范围。

区组：检材和样本比对时，两个区的配对编号。

界限：某个图区的所有像素的位置集合。

2.2已知条件：

检材区域总数U，样本区域总数V；

检材图区Q_u、样本图区Q_V；

所有检材与样本区的排列组合，得到区组Q_uv共UV组；下标uv为组合标记，非乘积，u和v分别为检材区域序号和样本区域序号；

检材区Q_u像素集D_u，面积值d_u；

样本区Q_V像素集D_v，面积值d_v；

预先设定的界限权重R₂；

预先设定的界限过滤参数R′₂；

2.3计算步骤：

①区组Q_uv重叠区域像素集合E_uv＝D_u∩D_v

e_uv为E_uv的面积大小；

区组Q_uv覆盖区域F_uv＝D_u∪D_v；

F_uv面积大小f_uv＝d_u+d_v-e_uv；

总交集面积(共同描述区域参与讨论)；

区组Q_uv界限相似度Z_uv＝e_uv/f_uv(当f_uv＝0，Z_uv＝0)；

检材Q_u的最优区组界限相似度Z_u，为与Q_u配对的V个以v为变量的Q_uv的界限相似度集合的最大值Z_u＝max(Z_uv)；

②过滤值I_uv

I_uv＝f(Z_uv)

f(Z_uv)运算规则：当Z_uv值小于界限过滤参数R’₂的，函数f(Z_uv)记为0，否者为1；

③界限特征相似度H₂

方案一：

方案二：

方案一为区组相似度大于过滤值的有效重叠面积占比率；方案二为当检材区数大于、等于样本区数时，检材区的最佳相似度的平均值。当样本区数少于检材时，则对称计算样本的界限相似度，并记为H2。

当区域描述中，整体样本库小面积区描述不佳时，方案一为优。整体区域个数描述较为准确时，方案二为优。

3、明确三点的细节特征相似度：

3.1区域特征的相似度：图区对应的特征集合相似度比较。

3.2已知条件

(1)检材区域数U，样本区域数V；

检材图区Q_u、样本图区Q_v；

所有检材与样本区的排列组合，得到区组Q_uv共UV组；

(2)检材图区Q_u特征集合特征共N个；

t_n为检材特征；

小写n为该集合中特征的序号；

(3)样本图区Q_v特征集合特征共M个；

t_m为样本特征；

小写m为该集合中特征的序号；

(4)A_n为特征t_n的比对值；

(5)预先设定的Rt_n为检材特征t_n的权重；

(6)预先设定的Rt_m为样本特征t_m的权重；

(7)预先设定的R₃为细节特征维度特征总权重；

(8)X_n为检材特征t_n的必含值、Y_n为检材特征t_n的必不含值；记为0或1

含义：目标集合必须含有或必须不含有指定特征t_n；

必含：目标集合含有该特征，X_n＝1，否则＝0；

必不含：目标集合含有该特征Y_n＝0，否则＝1；

(9)检材区Q_u像素集D_u，面积值d_u；

样本区Q_v像素集D_v，面积值d_v；

3.3计算步骤

①区组Q_uv特征比对得分T_uv

②对应区组Q_uv的特征总数为B_uv

即检材区Q_u和样本区Q_v的特征权重和；

③区组Q_uv重叠区域E_uv＝D_u∩D_v

E_uv面积大小e_uv；

区组Q_uv覆盖区域F_uv＝D_u∪D_v；

F_uv面积大小f_uv＝d_u+d_v-e_uv；

总交集面积(共同描述区域参与讨论)；

区组Q_uv界限相似度Z_uv＝e_uv/f_uv(当f_uv＝0，Z_uv＝0)；

④图区重叠过滤值I_uv

I_uv＝f(Z_uv)；

f(Z_uv)运算规则：当Z_uv值小于界限过滤参数R₂'的，函数f(Z_uv)记为0，否者为1；

⑤区组Q_uv特征比对相似度H_uv

相对分：H_uv＝T_uv/(B_uv-T_uv)

绝对分：

相对分为检材、样本综合比较得分，绝对分为样本涵盖检材特征数量得分。

检材Q_u的位置最优界限相似度Z_u：与Q_u配对的v为变量的Q_uv的相似度集合Z_uv的最大值Z_u＝max(Z_uv)该区组Q_uv的最大值特征相似度为位置最优特征相似度h_u；

⑥细节特征维度总分

方案一：

等同于每个像素点的特征相似度积分。

方案二：检材、样本区数最少的为计算目标，例如检材区数少，则取检材Q_u的位置最优界限相似度Z_u，Z_u是与Q_u配对的v为变量的Q_uv的相似度集合Z_uv的最大值，记为Z_u＝max(Z_uv)，该区组Q_uv的最大值特征相似度为位置最优特征相似度h_u；

如样本区少，则改检材U为样本V。最优区对应的特征相似度平均值，对界限划定要求较高；

最优区对应的特征相似度平均值，对界限划定要求较高。

4、未明确三点的细节特征相似度：

没有三点定位，无法确定重叠关系，默认均可能重叠，已知条件同上。

计算步骤：

①区组Q_uv内特征分值为

②对应该区组Q_uv的特征总数为

③每区组得分：

以检材、样本区较少数为L＝min(U,V)；

当U＝V时：

取检材区号u对应的区组集合，其特征值最大为T′_u：

相对分H_u＝T_u'/(B_uv-T_u')

绝对分

当U不等于V时：

以最小区数的区号(检材或样本)为对应的区组集合，计算步骤同上。

④细节特征维度总分H₃；

H₃为检材特征得分U个H_u的和，除以L。

5、明确三点的单元大小相似度：

组成图区的主要单元大小比较，通过计算单元面积、周长相似度的乘积比较单元相似度。5.1已知条件：

检材区域数U，样本区域数V，所有检材与样本区组合，得到区组Q_uv共K＝U*V组；

检材单元面积S_u，样本单元面积S_v；

检材单元周长C_u，样本单元周长C_v；

检材Q区域面积d_u，样本区域面积d_v；

单元大小权重R₄。

面积差过滤值R₅、面积比值过滤值R′₅(范围0-1)；

周长差过滤值R₆、周长比值过滤值R′₆(范围0-1)；

单元大小权重R₇；

5.2计算步骤：

①最优位置区组界限相似度Z′_u

区组Q_uv重叠区域E_uv＝D_u∩D_v

E_uv面积大小e_uv；

区组Q_uv覆盖区域F_uv＝D_u∪D_v；

Q_uv面积大小f_uv＝d_u+d_v-e_uv；

总交集面积(共同描述区域参与讨论)；

区组Q_uv界限相似度Z_uv＝e_uv/f_uv(当f_uv＝0，Z_uv＝0)；

(如两区实际不重叠，则E_uv＝0；即Z_uv＝0)；

检材Q_u的最优位置区组界限相似度Z_u'为与Q_u配对的(u为定量，v为变量)Q_uv的界限相似度集合Z_uv中的最大值Z_u＝max(Z_uv)；

该max(Z_uv)对应v号，为最优位置样本区号，记为v。

②面积相似度：A_uv

Q_uv的单元面积重叠G_uv＝min(S_u,S_v)；其中，min表示取S_u和S_v中的最小值；

检材和样本单元总面积J_uv＝max(S_u,S_v)；其中，max表示取最大值；

Q_u最优位置Q _v 单元面积相似度A_{u v} 进行如下逐项判断：

当|S_u-S _v |小于、等于R₅，则A_{u v} 值为1，其中，||表绝对值；

当|S_u-S _v |大于R₅，则A_{u v 值为}G_{u v} /J_{u v} ；

当G_{u v} /J_{u v} 值大于等于R’₅，A_{u v} 值为G_{u v} /J_{u v} ；

当G_{u v} /J_{u v} 值小于R₅'，A_{u v} 值为0；

举例如R₄'＝1、R₅'＝0.5则：

S_u＝8，S_v＝7.5，A_{u v} ＝1；

S_u＝8，S_v＝3，A_{u v} ＝0；

S_u＝8，S_v＝6，A_{u v} ＝0.75；

如Z_uv集合为空，对应A_{u v} ＝0

③周长相似度：B_{u v}

Q_{u v} 的单元周长重叠值为G'_{u v} ＝min(C_u,C _v )；

检材和样本单元总周长J′_{u v} ＝max(C_u,C _v )；

Q_u最优位置Q _v 单元周长相似度B_{u v} 进行如下逐项判断：

当|C_u-C _v |小于、等于R₆，则B_{u v 值为}1，

当|C_u-C _v |大_于R₆，则B_{u v} 值为G'_{u v} /J_{u v}

当G′ _{u v} /J′_{u v} 值小于R₆'，B_{u v} 值为0；

当G'_{u v} /J′_{u v} 值大于、等于R₆'，B_{u v} 值为G′_{u v} /J′_{u v}

举例如R₆＝1、R₆'＝0.5则：

C_u＝8，C_v＝7.5，A_uv＝1；

C_u＝8，C_v＝3，A_uv＝0；

C_u＝8，C_v＝6，A_uv＝0.75；

如Z_{u v} 集合为空，对应B_{u v} ＝0

④单元大小相似度：

H_u＝A_{u v} *B_{u v}

⑤单元大小相似度总分：

方案一其中，重叠面积大的图区，单元得分高；

方案二其中，检材单元得分平均值，U′值为含有检材单元值的图区总数，该方案对小区重视，精确度高，对样本质量有要求。

6、未明确三点的单元大小相似度：

6.1已知条件：

检材区域数U，样本区域数V，所有检材与样本区组合，得到区组Q_uv共K＝U*V组；

检材单元面积S_u，样本单元面积S_v；

检材单元周长C_u，样本单元周长C_v；

检材Q区域面积d_u，样本区域面积d_v；

单元大小权重R₄。

面积差过滤值R₅、面积比值过滤值R′₅，其中R′₅范围0-1；

周长差过滤值R₆、周长比值过滤值R′₆，其中R′₆范围0-1；

单元大小权重R₇；

6.2计算步骤：

①最优位置区组特征相似度T′_u

区组Q_uv内特征分值为

对应该区组Q_uv的特征总数为

每区组得分：

相对分H_u＝T_u'/(B_uv-T_u')

绝对分

取检材区号u对应的区组集合，其特征值最大为T′_u：

该其特征值最大为T′_u对应样本v号，为最优位置样本区号，记为v。

②面积相似度：A_uv

Q_uv的单元面积重叠G_uv＝min(S_u，S_v)；(注：min表取S_u和S_v中的最小值)；_检材和样本单元总面积J_uv＝max(S_u,S_v)；其中，max表取最大值；

Q_u最优位置Q _v 的单元面积相似度A_{u v} 进行如下逐项判断：

当|S_u-S _v |小于、等于R₅，则A_{u v} 值为1，(注：||表绝对值)

当|S_u-S _v |大于R₅，则A_{u v} 值为G_{u v} /J_{u v}

当G_{u v} /J_{u v} 值大于等于R’₅，A_{u v} 值为G_{u v} /J_{u v} ；

当G_{u v} /J_{u v} 值小于R₅'，A_{u v} 值为0；

如Z_uv集合为空，对应A_{u v} ＝0。

②周长相似度：B_{u v}

Q_{u v} 的单元周长重叠值为G′_{u v} ＝min(C_u,C _v )；

检材和样本单元总周长J′_{u v} ＝max(C_u,C _v )；

Q_u最优位置Q _v 的单元周长相似度B_{u v} 进行如下逐项判断：

当|C_u-C _v |小于、等于R₆，则B_{u v} 值为1，

当|C_u-C _v |大于R₆，则B_{u v 值为}G′_{u v} /J′_{u v} ；

当G′_{u v} /J′_{u v} 值小于R₆'，B_{u v} 值为0；

当G′_{u v} /J′_{u v} 值大于、等于R₆'，B_{u v} 值为G′_{u v} /J′_{u v} ；

如Z_{u v} 集合为空，对应B_{u v} ＝0；

④单元大小得分

H_u＝A_{u v} *B_{u v}

⑤单元大小相似度总分：

方案一其中，重叠面积大的图区，单元得分高；

方案二其中，检材单元得分平均值，U值为含有检材单元值的图区总数，该方案对小区重视，精确度高，对样本质量有要求；

7、采取欧式距离计算公式

各维度相似度通过欧式计算公式得到检材、样本特征的差异度，通过排序，差异度最低的样本为鞋底花纹在宏观特征、界限特征、细节特征、单元大小相似度最高的目标鞋底花纹：

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.一种鞋底花纹多维度分类与识别的编码方法，其特征在于，包括如下步骤：

S1，对大量清晰完整的鞋底样本花纹进行筛选，选取足够数量的不特定鞋底花纹进行比较分析，确定分析方向；

S2，根据分析方向，对鞋底花纹进行语义特征归纳，提炼鞋底花纹的组成成分和特征维度；列举样本足迹，反复修正特征和维度，直至特征具有普遍性；

S3，明确鞋底花纹特征定义和组织规则，通过鞋底花纹特征成分和维度关系，对宏观特征和微观特征进行定义，并将鞋底花纹特征进行相应编码，根据编码规则对鞋底花纹进行分类；

S3-1，进行微观特征的编码分类，通过比较鞋底花纹图像的元素、单元、骨骼、单元大小，比较鞋底花纹微观特征相似度；

S3-2，进行宏观特征的编码分类，通过比较图区关系、鞋底结构、显著花纹、密度，比较鞋底花纹宏观特征相似度；

所述编码方法包括坐标系方法：

(1)实物大小坐标系：以图像中拍摄的比例尺为标准，确定鞋底花纹的实际大小；统一鞋尖朝向，以鞋底花纹固定点为元点，建立坐标系；

(2)归一化坐标系：采取鞋前掌前缘突点为I点、后跟后缘突点为II点、掌部内侧外缘突点为III点、过I、II两点的直线为垂直方向时，有过III点的水平线和与鞋掌外侧外缘相切的垂直线的交点为IV点；所有鞋底花纹图像归一化压缩，即I、II两点间线段等比变化为统一长度，III、IV两点间线段长度为统一长度。

2.根据权利要求1所述的鞋底花纹多维度分类与识别的编码方法，其特征在于，所述S1包括：

S1-1，观察鞋底花纹的形态，比较鞋底花纹轮廓、弓部、掌部和跟部的功能区是否一致，显著花纹特征是否相似；

S1-2，比较鞋底花纹的区域关系、位置、范围是否相似；

S1-3，比较鞋底花纹相应位置的几何图形种类、组合方式、排列方式是否相似；

S1-4，比较鞋底花纹单元大小、图形密度是否相似。

3.根据权利要求1所述的鞋底花纹多维度分类与识别的编码方法，其特征在于，所述S2包括：

S2-1，通过对不特定大量鞋样鞋底花纹观察，提炼鞋底花纹构成要素；鞋底花纹基本构成单位为几何图形；几何图形在形状、大小范围、方向、相互关系、图形密度、位置六个因素的影响下发生变化，产生鞋底花纹构成的三个基本要素：元素、单元、图区；它们之间的关系是：几何图形即为元素；元素组合形成了单元；单元的排列的规律性称为骨骼，具有相同元素、单元和骨骼的范围称为图区；图区的布局形成了整个鞋底花纹的基本样式；

S2-2,分析相似鞋底花纹构成要素、影响花纹种类的因素，通过对差异点进行单独比较，发现差异属性来源于八个维度，分为宏观和微观两个方面；其中宏观包括：图区相互关系、鞋底结构特点、显著特征、花纹密度；微观包括：相应位置上的元素种类、元素大小方向、元素组合关系、单元排列方式。

4.根据权利要求1所述的鞋底花纹多维度分类与识别的编码方法，其特征在于，所述S3-1的微观特征包括：

S3-1-1，在微观特征中对元素设置元素属性，然后形成元素的形态特征和状态特征；

S3-1-2，对元素特征设置完成后，在微观特征中对单元设置单元属性，然后形成单元特征；

S3-1-3，对单元属性设置完成后，在微观特征中对图区设置骨骼属性，形成骨骼特征。

5.根据权利要求1所述的鞋底花纹多维度分类与识别的编码方法，其特征在于，所述S3-2的宏观特征包括：

S3-2-1，在宏观特征中对显著特征设置显著特征属性，然后形成显著特征；

S3-2-2，在宏观特征中对鞋底结构设置鞋底结构属性，然后形成鞋底结构特征；

S3-2-3，在宏观特征中图区关系设置图区关系属性，然后形成图区关系特征。

6.根据权利要求1所述的鞋底花纹多维度分类与识别的编码方法，其特征在于，还包括如下编码方法：

S4’,单元大小方法

在宏观特征、微观特征均相同的情况下，有单元大小影响鞋底花纹的种类；

单元大小取决于统一的标尺下的描述，通过比例尺测量实际大小或是通过鞋底轮廓测量相对大小两种方式描述；通过比例尺可以得到单元的实际大小，而通过归一化测算单元相对标准鞋轮廓形象的大小；

通过图区所在归一化坐标系下的像素位置，筛选最有可能为同一位置的图区中的单元大小进行比较；采取描述单元面积大小、周长和单元各方向投影的最大和最小值的比较。

7.根据权利要求1所述的鞋底花纹多维度分类与识别的编码方法，其特征在于，还包括如下编码方法：

S4”,权重与过滤值：各特征值、维度值对总体相似度评价的价值有高有底，通过预先设定权重值，改变特征、维度的作用大小；通过设定计算过程中某个值的有效性范围，过滤掉“噪音”，以提高精确度。

8.根据权利要求1所述的鞋底花纹多维度分类与识别的编码方法，其特征在于，还包括如下编码方法：

S4”’，密度方法，鞋底花纹范围内的正形所占的面积比例或者单元个数占比面积率；

还包括如下编码方法：

S4””，位置方法，所在坐标系下的像素位置及其像素位置集合，用于某一目标在相同位置上的比较。