CN111402202B - 足底压力图像相似度评价方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，公开了一种足底压力图像相似度评价方法，包括以下步骤：足迹校准：对采集到的足底压力数据进行去噪，并统一足迹图像中足迹的倾角，完成校准操作；判断外部相似度：对经过校准的足迹图像进行等效矩形算法，得到像素级别的足长与足宽，并转化为真实的足长与足宽，比较得出外部相似度；判断内部相似度：对每个区域的压力块进行压力增强，分别在每个区域建立极坐标系，将压力块转化为点集形式，基于匹配相似度算法，根据压力的点集信息对内部相似度进行评价。本发明通过上述步骤能够准确判断不同足底压力图像之间的相似度，反馈足底每个区域压力分布的差异性，可用于刑侦判断，有效提高刑侦效率。

Description

足底压力图像相似度评价方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种足底压力图像相似度评价方法。

背景技术

足迹图像受足部骨骼、后天生活习惯等影响具有唯一性和独特性，并且相对于指纹痕迹等其他痕迹来说更加不容易伪装。除了纯粹的科研意义，在商业和执法中也有着诸多应用，如监管、安全、刑侦领域等。

现有技术中，如何对比不同足迹的相似度是足迹领域的难点之一，传统算法仅仅对油墨，光学等不包含压力信息的足迹数据进行外缘轮廓的大致评价，针对包含压力信息的足迹数据，没有成型的算法，因此无法得到更加准确、可靠的相似度判断。

发明内容

本发明针对现有技术的不足，提供一种能够准确比较、判断多幅足底压力图像之间相似度的评价方法。

本发明通过以下技术手段实现解决上述技术问题的：一种足底压力图像相似度评价方法，包括以下步骤：

S1、足迹校准：对采集到的足底压力数据进行去噪，并统一足迹图像中足迹的倾角，完成校准操作；

S2、判断外部相似度：对经过校准的足迹图像进行等效矩形算法，得到像素级别的足长与足宽，再将像素级别的足长与足宽转化为真实的足长与足宽，计算出外部相似度；

S3、判断内部相似度：对经过校准的足迹图像进行等效矩形算法，使用自适应阈值划分的方式提取足底压力数据中的压力块，对每个区域的压力块进行压力增强，并分别在每个区域建立极坐标系，将压力块转化为点集形式，基于匹配相似度算法，根据压力的点集信息对内部相似度进行评价。

本发明的优点在于：足迹校准步骤在一定程度上去除图像上的噪声，能够自动检测旋转角度，统一足底压力图像的倾角；外部相似度评价步骤能够准确提取脚印的足长与足宽，根据足迹学知识精确的评价外形相似度；内部相似度评价步骤不仅能评价足底压力数据之间的压力分布差异，还能反馈出足底不同区域的压力分布差异，且总体评价时间短，效率高。

附图说明

图1为足底压力数据相似度评价流程图。

图2为足迹分区示意图。

图3为等效矩形示意图。

图4为矩形框区域放缩示意图。

图5为旋转效果示意图。

图6为分区效果图。

图7为压力提取图。

图8为压力增强图。

图9为信息转换效果图。

图10为极经归一化原理图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例提供一种足底压力图像相似度评价方法，数据来源于杭州创痕公司的足底压力成趟采集仪，包含33块压力板，每块压力板长度为30cm，每厘米5个压力点，总长度为9.9m，单块压力板采集出的图像大小为250×150个像素点，可以采集连续的步态足底压力数据。本实施例基于该设备下的足底压力数据，进行了实验，包括以下步骤：

S1、足迹校准：首先随机挑选两张来源于不同ID的足底压力数据，首先对数据进行去噪操作，之后进行自适应旋转操作，主要实现过程如下：首先将图像中的脚印分为三个区域(脚趾区A、前掌区B、足跟区C)，如图2所示，其中a是脚趾区A的竖直长度，b是前掌区B的竖直长度，c是足跟区C的竖直长度，h是足迹区域最高点与最低点之间的竖直长度。为了让程序能够自动识别出脚印的A、B、C三个区域，根据足迹学先验知识，人体足部的足长与脚趾区、前掌区、足跟区存在比例关系，本实施例采用了统计学的方法进行分析，计算了在200张随机抽样的足迹图像上a、b、c所占h的平均比例，并得到式1-3：

a＝0.1589×h 式1

b＝0.2322×h 式2

c＝0.2700×h 式3；

根据上述关系，旋转算法通过计算每张图像中脚印的竖直高度h来确定b与c的长度。

其次为了找到前掌区B与足跟区C的中心点，根据计算出的b与c的长度对前掌区B和足跟区C采用了矩形等效法，如图3所示：用矩形框1、矩形框2的中心点代替两个区域的中心点，最后以两个中心点的连线为转轴，以矩形框1的中心点为定点，转轴与竖直方向的夹角为旋转角进行自动旋转。

当然，在实际的程序运行过程中，部分图像出现了矩形框中心偏离到脚印有效像素之外的问题.针对偏离问题，可对区域矩形进行适当放缩修正，使区域矩形放缩到对应区域的内部，如图4所示，从图中可以看出，这一方法解决了偏离的问题。

图4中两个区域矩形中心的连线与竖直方向基线之间存在夹角，此夹角既为旋转角度，以矩形框1中心点作为定点进行旋转，最终旋转效果如图5所示，经过处理后的脚印呈竖直状态。

S2、判断外部相似度：利用等效矩形框定出校准后的图像，如图6所示，得到脚趾区A₁、前掌区B₁、足跟区C₁三个框选区域，以等效矩形的长为像素级别的足长L，等效矩形的宽为像素级别的足宽W，基于单块压力板长度为30cm，采集出的图像长为250个像素点，因此足迹的真实足长足宽由式4-5可得，不同足底压力图像的外部相似度由式6可得；

L_r＝30/250×L 式4

W_r＝30/250×W 式5

Sp＝|L_mr-L_nr|+|W_mr-W_nr| 式6；

其中，L_r、W_r分别为真实的足长、足宽，Sp为外部相似度，L_mr、W_mr是第m个足底压力图像的真实足长、足宽，L_nr、W_nr是n个足底压力图像的真实足长、足宽。

S3、判断内部相似度：首先根据式1-3对足迹区域进行分区，对每个区域使用等效矩形替代，分区效果如图6所示，得到脚趾区A₁、前掌区B₁、足跟区C₁三个框选区域。由于压力区域是图像R通道像素值较高的区域，本发明采取自适应阈值分割的方法，对每张图像的R通道的像素值划分成10个等级，将前三个等级定义为压力区域，将压力区域提取出来，效果如图7所示。为了保证所有数据压力信息的一致性，对提取出的压力区域进行了压力增强，达到归一化的效果，如图8所示。

为了准确的评价从不同足迹中提取极坐标点信息的相似度，本实施例分别以脚趾区A₁、前掌区B₁、足跟区C₁三个框选区域左下角的顶点为坐标原点O建立极坐标系，将增强的压力信息转化为极坐标点信息，利用匹配相似度算法得出内部相似度。

上述极坐标信息的匹配相似度算法，大致分为以下步骤：

首先，采集两幅待比较足底压力图像的极坐标点信息P₁、P₂(P₁、P₂来自于不同足迹同一区域所提取的压力点信息)：

其次，由于P₁，P₂来自于不同的极坐标系，所以极经的尺度不同，需要对P₁与P₂中点集的极经进行归一化，如图10所示，以图9中足跟区C₁为例，任取其中一点T，连接该点与坐标原点，反向延长该点与足跟区上缘交于N，则：

OT＝ρ，ON＝L/sin(θ)，其中L为足跟区长

定义归一化后的极经为：

则归一化后的P₁，P₂为：

最后，对归一化后的两个点集进行匹配操作：

步骤Ⅰ：从P₁中选取一个角度最小的点X₁(ρ₁,θ₁)(若多个最小点，任取一个)，P₂中选取角度与θ₁最接近的点X₂(ρ₂,θ₂)(若存在多个P₂，则取ρ₁与ρ₂最接近的点，若X₁与X₂完全相同且存在多个这样的X₂，则任取一个X₂)，定义X₁，X₂为一对匹配点，将X₁，X₂转换到标准坐标系中计算欧式距离E₁，之后从双方点集中剔除X₁，X₂。

步骤Ⅱ：重复步骤Ⅰ，最终得到n个欧式距离，最终足跟区压力分布距离为：

步骤Ⅲ：重复上述步骤，对脚趾区A₁、前掌区B₁进行距离计算，最终压力分布距离为：

i，j,k分别为足跟区，前掌区，脚趾区压力转换的点的个数；

联合两幅待比较足底压力数据的外缘距离、压力分布距离，得到最终距离为：

S＝Sp+Sd

本实施例在内部压力分布相似度方面，通过提取对足迹图像进行自动分区，提取压力块，将压力块转化为点集的算法，将压力分布相似度的求解转化为点集位置分布相似度的求解。在划分的每个区域内，通过建立极坐标的方法，定位出每个点集的位置，利用点集间位置信息的差异作为该区相似度评价的指标，该算法不仅能够准确的评价两张足迹图像中压力分布的相似度，而且还能反馈出足底每个区域压力分布的差异性。

需要说明的是，在本文中，如若存在第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上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精神和范围。

Claims (3)

1.一种足底压力图像相似度评价方法，其特征在于，包括以下步骤：

S1、足迹校准：对采集到的足底压力数据进行去噪，并统一足迹图像中足迹的倾角，完成校准操作；

S2、判断外部相似度：对经过校准的足迹图像进行等效矩形算法，得到像素级别的足长与足宽，再将像素级别的足长与足宽转化为真实的足长与足宽，计算出外部相似度；

S3、判断内部相似度：对经过校准的足迹图像进行等效矩形算法，使用自适应阈值划分的方式提取足底压力数据中的压力块，对每个区域的压力块进行压力增强，并分别在每个区域建立极坐标系，将压力块转化为点集形式，基于匹配相似度算法，根据压力的点集信息对内部相似度进行评价；

所述外部相似度的计算包括以下步骤：利用等效矩形框定校准后的图像，得到脚趾区A₁、前掌区B₁、足跟区C₁三个框选区域，以等效矩形的长为像素级别的足长L，等效矩形的宽为像素级别的足宽W，基于单块压力板长度为30cm，采集出的图像长为250个像素点，因此足迹的真实足长足宽由式4-5可得，不同足底压力图像的外部相似度由式6可得

L_r＝30/250×L 式4

W_r＝30/250×W 式5

Sp＝|L_mr-L_nr|+|W_mr-W_nr| 式6；

其中，L_r、W_r分别为真实的足长、足宽，Sp为外部相似度，L_mr、W_mr是第m个足底压力图像的真实足长、足宽，L_nr、W_nr是第n个足底压力图像的真实足长、足宽；

所述内部相似度的计算包括以下步骤：

S1、利用等效矩形框定出校准后的图像，得到脚趾区A₁、前掌区B₁、足跟区C₁三个框选区域，采取自适应阈值分割的方法，将所述图像R通道的像素值由高至低划分成10个等级，将处于前三个等级的像素点提取出来得到压力区域，并对压力区域进行压力增强；

S2、分别以脚趾区A₁、前掌区B₁、足跟区C₁三个框选区域左下角的顶点为坐标原点O建立极坐标系，将增强的压力信息转化为极坐标点信息，利用匹配相似度算法得出内部相似度。

2.如权利要求1所述的足底压力图像相似度评价方法，其特征在于，所述校准操作包括以下步骤：

S1、根据式1-3对足迹区域进行分区，将图像中的脚印分为脚趾区A、前掌区B、足跟区C三个区域，式1-3如下：

a＝0.1589×h 式1

b＝0.2322×h 式2

c＝0.2700×h 式3；

S2、采用矩形等效法在前掌区B、足跟区C内分别设置矩形框1、矩形框2，并以矩形框1、矩形框2的中心点做为前掌区B、足跟区C的中心点，以两个中心点的连线为转轴，以前掌区B的中心点为定点旋转转轴至与显示屏幕底边垂直。

3.如权利要求1所述的足底压力图像相似度评价方法，其特征在于，所述匹配相似度算法，包括以下步骤：

S1、采集两幅待比较足底压力图像同一框选区域的极坐标点信息P₁、P₂：

S2、对P₁、P₂中点集的极经进行归一化：选取所述框选区域中的任意一个坐标T，连接T点与坐标原点O后反向延长该点与所述框选区域区上缘交于N点，则：

OT＝ρ，ON＝L/sin(θ)，L为足长；

归一化后的极经为：

归一化后的P₁、P₂为：

S3、对归一化后的两个点集进行匹配操作：

步骤Ⅰ：从P₁中选取一个角度最小的点X₁(ρ₁,θ₁)，P₂中选取角度与θ₁最接近的点X₂(ρ₂,θ₂)，定义X₁，X₂为一对匹配点，将X₁，X₂转换到标准坐标系中计算欧式距离E₁，之后从双方点集中剔除X₁，X₂；

步骤Ⅱ：重复步骤Ⅰ，最终得到n个欧式距离，最终足跟区压力分布距离为：

步骤Ⅲ：重复上述步骤Ι、步骤Ⅱ，对全部框选区域进行距离计算，最终压力分布距离为：

i，j,k分别为足跟区，前掌区，脚趾区压力转换的点的个数，

联合两幅待比较足底压力数据的外缘距离、压力分布距离，得到最终距离为：

S＝Sp+Sd。