CN109871827B - 一种结合区域置信度和压力分布方向强度的足迹表达方法 - Google Patents

Abstract

本发明提供一种结合区域置信度和压力分布方向强度的足迹表达方法，至少包括以下步骤：获取待识别的足迹图像并对图像进行预处理；将所述待识别的足迹图像分块积分并对积分后的足迹图像计算；将所述分块后的足迹图像区域置信度计算；基于区域置信度的足迹特征表达通过主成分分析技术以及线性判别分析技术，将对得到的区域置信度的压力方向梯度特征进行特征选择。本发明的方法不直接提取足迹的长度、角度等特征，因此不易受噪声的影响。同时兼顾足迹重压分布以及轮廓形状信息，能够更好的体现了人行走时足底压力的分布特点。进一步的本发明采用的方法消除了穿袜时纹理影响，无需对赤足和穿袜进行区分，适用性更加广泛。

Description

一种结合区域置信度和压力分布方向强度的足迹表达方法

技术领域

本发明涉及足迹识别技术领域，具体而言，尤其涉及一种结合区域置信度和压力分布方向强度的足迹表达方法。

背景技术

目前在基于足迹的生物特征识别中多提取足迹图像的纹理信息、几何形状和压力分布。对于足迹的纹理信息的获取，通常利用傅里叶变换，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，并进行足迹识别。

对于几何形状特征，主要方法有：1)提取足长、掌宽、跟宽、足跟中心到每个脚趾中心与横轴的角度以及脚掌面积等形态学特征；2)分别提取前后足压力中心点到足迹图像边缘点的距离，然后对特征进行傅里叶变换并取模，作为足迹的形状特征。

对于压力分布特征，主要方法有：1)提取足迹压力中心(cop)与区域几何中心的位置关系进行身份认定；2)利用足底压力中心(cop)轨迹信息构建足底平均、最大、最小压力时间曲线，直接利用曲线上的点构建足迹特征向量；3)提取足迹图像的压力径向梯度图来表征一个人的压力分布。

但是目前已有方法在获取足迹纹理需要照相机拍摄足底图像时，用户受到一定程度的制约的同时还需要拍摄高分辨率的足迹图像，才能精确提取足迹的纹理信息，适用性在一定程度上收到制约。

同时在几何形状特征的识别中，容易受到随机噪声和足迹残损的影响，导致识别精度降低。在提取足迹的压力中心(cop)特征、压力变化曲线以及压力分布特征时，都不能兼顾到足迹的轮廓特征，导致一旦压力分布发生偏差，则直接导致识别精度降低。

发明内容

根据上述提出不能兼顾到足迹的轮廓特征、需要拍摄高分辨率的足迹图像等的技术问题，而提供一种结合区域置信度和压力分布方向强度的足迹表达方法。本发明主要利用一种结合区域置信度和压力分布方向强度的足迹表达方法，其特征在于，至少包括以下步骤：

S1：获取待识别的足迹图像并对图像进行预处理；

S2：将所述待识别的足迹图像分块积分并对积分后的足迹图像计算；

S3：将所述分块后的足迹图像区域置信度计算；

S4：基于区域置信度的足迹特征表达

S5：通过主成分分析技术以及线性判别分析技术对得到的区域置信度的压力方向梯度特征进行特征选择。

进一步地，所述预处理首先通过大津法获取所述待识别的足迹图像的阈值，将所述足迹图像中像素与所述阈值进行比较；当所述足迹图像中像素小于所述阈值，则为噪音；通过八邻域标记算法寻找整个所述足迹图像的最大连通区域，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；所述最大连通区域为整幅图像的连通区域中面积最大的连通区域。

更进一步地，再将所述待识别的足迹图像进行倾斜校正；根据3:2高度比例对所述足迹图像进行分区，得到前足和后足区域；通过Radon变换寻找投影值最大的角度作为后足区域的主方向，根据所述后足区域主方向与水平方向的倾斜角度对整幅足迹图像进行倾斜校正，即校正后的后足区域的主方向与水平方向垂直；按照上述方法重新获取校正后足迹图像的最小外界矩形。

获取足迹最小外接矩形的高度，按照3:2的高度比例对足迹图像进行分区，得到前足区域和后足区域，并对所述分区后的前/后足区域进行规范化处理。

更进一步地，将所述前/后足区域进行规范化处理，构建C×D维的空矩阵T，以所述矩阵T的中心与校正后的所述前/后足区域的中心的坐标差作为偏移量(dx,dy)，其中，C和D分别表示为空矩阵T的高度和宽度，dx表示矩阵T中心与前足区域中心的坐标x方向的差值，dy表示矩阵T中心与前足区域中心的坐标y方向的差值；将所述前/后足区域内所有不为零的像素点通过偏移量平移到矩阵T的中央，构成新的统一尺寸的前/后足区域F/H。

进一步地，所述步骤S2：将所述待识别的足迹图像分块积分,首先将所述前足区域F均匀细分为高度和宽度分别为l₁和h₁的L₁×H₁个非重叠块，对每个非重叠块内的灰度值进行积分，并将积分值记为A(x,y)，其中(x,y)表示非重叠块的索引；将所述后足区域H均匀细分为高度和宽度分别为l₂和h₂的L₂×H₂个非重叠块，对每个非重叠块内的灰度值进行积分，并将积分值记为B(x,y)；

更进一步地，计算所述分块后的足迹图像区域置信度，计算前足区域图像A的梯度为：

其中，G_v(x,y)，G_u(x,y)分别表示前足分块积分图像中像素点(x,y)处的水平方向梯度、垂直方向梯度；则像素点(x,y)处的梯度幅值和梯度方向为：

将前足分块积分图像A均匀划分为互不重叠的块，每个块的大小为w×h像素，然后计算置信度因子，w和h为10。

进一步地，计算图像A的压力中心点(x_A,y_A)，以压力中心点(x_A,y_A)所在的块为关键区域，计算各个块中心到点(x_A,y_A)的距离作为置信度矩阵d，并进行归一化得到d'；计算各个块中像素点的灰度值与A(x_A,y_A)的差值取绝对值，并求均值，得到置信度矩阵v，归一化得到v'；将两个置信度矩阵进行加权融合，得到最终的区域置信度矩阵w：

w＝αd'+(1-α)v' (5)

其中，M表示块内所有像素点的个数，D_i表示第i个块内的所有像素点。

更进一步地，根据步骤3中所分的块，将0°到180°的梯度方向平均划分为n个区间，在每个所述块内对所有像素的梯度幅值在各个方向区间进行直方图统计，得到一个n维的特征向量；

将每个块统计的直方图与按照步骤S3中所求取的区域置信度矩阵w对应相乘：

其中，w(i)表示第i个区域的权重因子，M_A(i,j)表示第i个区域内对所有像素的梯度幅值在第j个方向区间的直方图特征，θ_j表示第j个方向对应的角度，Δ表示区间间隔。

进一步地，通过串联规则对每个块内的特征进行串联；所述串联规则是将压力中心点所在块定为起始块，由内向外，顺时针方向，将每个块的特征向量首尾相连，组合成一维向量，得到整个前足分块积分图像A的区域置信度的压力方向梯度特征

将后足图像B按照上述方式提取特征，得到后足图像B的区域置信度的压力方向梯度特征

较现有技术相比，本发明具有以下优点：

本发明的方法不直接提取足迹的长度、角度等特征，因此不易受噪声的影响。同时兼顾足迹重压分布以及轮廓形状信息，能够更好的体现了人行走时足底压力的分布特点。进一步的本发明采用的方法消除了穿袜时纹理影响，无需对赤足和穿袜进行区分，适用性更加广泛。

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做以简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明前后足分区以及如何分块然后进行分块积分示意图。

图2为本发明足迹特征表达时串联规则示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将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、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

作为本申请的一种优选的实施方式，本发明涉及一种结合区域置信度和压力分布方向强度的足迹表达方法，至少包括以下步骤：

S1：获取待识别的足迹图像并对图像进行预处理；

S2：将所述待识别的足迹图像分块积分并对积分后的足迹图像计算。在本实施方式中，步骤S2：将待识别的足迹图像分块积分,首先将前足区域F均匀细分为高度和宽度分别为l₁和h₁的L₁×H₁个非重叠块，对每个非重叠块内的灰度值进行积分，并将积分值记为A(x,y)，其中(x,y)表示非重叠块的索引；将后足区域H均匀细分为高度和宽度分别为l₂和h₂的L₂×H₂个非重叠块，对每个非重叠块内的灰度值进行积分，并将积分值记为B(x,y)。

S3：将所述分块后的足迹图像区域置信度计算；

S4：基于区域置信度的足迹特征表达

S5：通过主成分分析技术以及线性判别分析技术，将得到的区域置信度的压力方向梯度特征进行特征选择。可以理解为在其它的实施方式中，实现足迹的表达还可以通过其它方式进行实现，并不局限于所述的5个步骤，还可以根据实际情况进行选择。

作为一种优选的实施方式，预处理首先通过大津法获取待识别的足迹图像的阈值，将足迹图像中像素与阈值进行比较；当足迹图像中像素小于阈值，则为噪音；通过八邻域标记算法寻找整个足迹图像的最大连通区域，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；最大连通区域为整幅图像的连通区域中面积最大的连通区域。可以理解为在其它的实施方式中，还可以采用其它的方式寻找最大连通区域，只要能够满足能够获取足迹区域的最小外接矩形即可。足迹区域是指整个脚印图像，我们的目的是想要得到整幅图像中脚印部分，去除多余的噪声部分，得到整个脚印的最小外接矩形。

如图1所示，在本实施方式中还需要将待识别的足迹图像进行倾斜校正；根据3:2高度比例对足迹图像进行分区，得到前足和后足区域；通过Radon变换寻找投影值最大的角度作为后足区域的主方向，根据后足区域主方向与水平方向的倾斜角度对整幅足迹图像进行倾斜校正，即校正后的后足区域的主方向与水平方向垂直；按照上述方法重新获取校正后足迹图像的最小外界矩形。获取足迹最小外接矩形的高度，按照3:2的高度比例对足迹图像进行分区，得到前足区域和后足区域，并对分区后的前/后足区域进行规范化处理。因为对足迹图像进行倾斜校正后，需要对足迹区域的最小外接矩形重新进行获取，足迹最小外界矩形的高度就会发生变化，需要重新获取高度值。

作为优选的实施方式，将前/后足区域进行规范化处理，构建C×D维的空矩阵T，以矩阵T的中心与校正后的前/后足区域的中心的坐标差作为偏移量(dx,dy)，其中，C和D分别表示为空矩阵T的高度和宽度，dx表示矩阵T中心与前足区域中心的坐标x方向的差值，dy表示矩阵T中心与前足区域中心的坐标y方向的差值；将前/后足区域内所有不为零的像素点通过偏移量平移到矩阵T的中央，构成新的统一尺寸的前/后足区域F/H。

作为优选的实施方式，计算分块后的足迹图像区域置信度，计算前足区域图像A的梯度为：

其中，G_v(x,y)，G_u(x,y)分别表示前足分块积分图像中像素点(x,y)处的水平方向梯度、垂直方向梯度；则像素点(x,y)处的梯度幅值和梯度方向为：

将前足分块积分图像A均匀划分为互不重叠的块，每个块的大小为w×h像素，然后计算置信度因子，w和h为10；

计算图像A的压力中心点(x_A,y_A)，以压力中心点(x_A,y_A)所在的块为关键区域，计算各个块中心到点(x_A,y_A)的距离作为置信度矩阵d，并进行归一化得到d'；计算各个块中像素点的灰度值与A(x_A,y_A)的差值取绝对值，并求均值，得到置信度矩阵v，归一化得到v'；将两个置信度矩阵进行加权融合，得到最终的区域置信度矩阵w：

w＝αd'+(1-α)v' (5)

其中，M表示块内所有像素点的个数，D_i表示第i个块内的所有像素点。

在本实施方式中，根据步骤3中所分的块，将0°到180°的梯度方向平均划分为n个区间，在每个块内对所有像素的梯度幅值在各个方向区间进行直方图统计，得到一个n维的特征向量；

将每个块统计的直方图与按照步骤S3中所求取的区域置信度矩阵w对应相乘：

其中，w(i)表示第i个区域的权重因子，M_A(i,j)表示第i个区域内对所有像素的梯度幅值在第j个方向区间的直方图特征，θ_j表示第j个方向对应的角度，Δ表示区间间隔；

如图2所示，通过串联规则对每个块内的特征进行串联；串联规则是将压力中心点所在块定为起始块，由内向外，顺时针方向，将每个块的特征向量首尾相连，组合成一维向量，得到整个前足分块积分图像A的区域置信度的压力方向梯度特征

将后足图像B按照上述方式提取特征，得到后足图像B的区域置信度的压力方向梯度特征

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种结合区域置信度和压力分布方向强度的足迹表达方法，其特征在于，至少包括以下步骤：

S1：获取待识别的足迹图像并对图像进行预处理；

S2：将所述待识别的足迹图像分块积分并对积分后的足迹图像计算；

S3：将所述分块后的足迹图像区域置信度计算；

S4：基于区域置信度的足迹特征表达；

S5：通过主成分分析技术以及线性判别分析技术对得到的区域置信度的压力方向梯度特征进行特征选择；

计算所述分块后的足迹图像区域置信度，计算前足区域图像A的梯度为：

其中，G_v(x,y)，G_u(x,y)分别表示前足分块积分图像中像素点(x,y)处的水平方向梯度、垂直方向梯度；则像素点(x,y)处的梯度幅值和梯度方向为：

将前足分块积分图像A均匀划分为互不重叠的块，每个块的大小为w×h像素，然后计算置信度因子，w和h为10；

计算图像A的压力中心点(x_A,y_A)，以压力中心点(x_A,y_A)所在的块为关键区域，计算各个块中心到点(x_A,y_A)的距离作为置信度矩阵d，并进行归一化得到d'；计算各个块中像素点的灰度值与A(x_A,y_A)的差值取绝对值，并求均值，得到置信度矩阵v，归一化得到v'；将两个置信度矩阵进行加权融合，得到最终的区域置信度矩阵w：

w＝αd'+(1-α)v' (5)

其中，M表示块内所有像素点的个数，D_i表示第i个块内的所有像素点。

2.根据权利要求1所述的一种结合区域置信度和压力分布方向强度的足迹表达方法，其特征还在于：

所述预处理首先通过大津法获取所述待识别的足迹图像的阈值，将所述足迹图像中像素与所述阈值进行比较；当所述足迹图像中像素小于所述阈值，则为噪音；通过八邻域标记算法寻找整个所述足迹图像的最大连通区域，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；所述最大连通区域为整幅图像的连通区域中面积最大的连通区域；

再将所述待识别的足迹图像进行倾斜校正；根据3:2高度比例对所述足迹图像进行分区，得到前足和后足区域；通过Radon变换寻找投影值最大的角度作为后足区域的主方向，根据所述后足区域主方向与水平方向的倾斜角度对整幅足迹图像进行倾斜校正，即校正后的后足区域的主方向与水平方向垂直；按照上述方法重新获取校正后足迹图像的最小外界矩形；

获取足迹最小外接矩形的高度，按照3:2的高度比例对足迹图像进行分区，得到前足区域和后足区域，并对所述分区后的前/后足区域进行规范化处理。

3.根据权利要求2所述的一种结合区域置信度和压力分布方向强度的足迹表达方法，其特征还在于：

将所述前/后足区域进行规范化处理，构建C×D维的空矩阵T，以所述矩阵T的中心与校正后的所述前/后足区域的中心的坐标差作为偏移量(dx,dy)，其中，C和D分别表示为空矩阵T的高度和宽度，dx表示矩阵T中心与前足区域中心的坐标x方向的差值，dy表示矩阵T中心与前足区域中心的坐标y方向的差值；将所述前/后足区域内所有不为零的像素点通过偏移量平移到矩阵T的中央，构成新的统一尺寸的前/后足区域F/H。

4.根据权利要求1所述的一种结合区域置信度和压力分布方向强度的足迹表达方法，其特征还在于：

所述步骤S2：将所述待识别的足迹图像分块积分,首先将所述前足区域F均匀细分为高度和宽度分别为l₁和h₁的L₁×H₁个非重叠块，对每个非重叠块内的灰度值进行积分，并将积分值记为A(x,y)，其中(x,y)表示非重叠块的索引；

将所述后足区域H均匀细分为高度和宽度分别为l₂和h₂的L₂×H₂个非重叠块，对每个非重叠块内的灰度值进行积分，并将积分值记为B(x,y)。

5.根据权利要求1所述的一种结合区域置信度和压力分布方向强度的足迹表达方法，其特征还在于：

根据步骤3中所分的块，将0°到180°的梯度方向平均划分为n个区间，在每个所述块内对所有像素的梯度幅值在各个方向区间进行直方图统计，得到一个n维的特征向量；

将每个块统计的直方图与按照步骤S3中所求取的区域置信度矩阵w对应相乘：

其中，w(i)表示第i个区域的权重因子，M_A(i,j)表示第i个区域内对所有像素的梯度幅值在第j个方向区间的直方图特征，θ_j表示第j个方向对应的角度，Δ表示区间间隔；

通过串联规则对每个块内的特征进行串联；所述串联规则是将压力中心点所在块定为起始块，由内向外，顺时针方向，将每个块的特征向量首尾相连，组合成一维向量，得到整个前足分块积分图像A的区域置信度的压力方向梯度特征

将后足图像B按照上述方式提取特征，得到后足图像B的区域置信度的压力方向梯度特征

Images