CN107016414A - 一种脚印的识别方法 - Google Patents

Abstract

本发明公开了一种脚印的识别方法，分为离线训练过程S_a和在线识别过程S_b两部分，在离线训练时，对识别的脚印区域进行预处理、倾斜校正后提取脚印区域特征并存储，构建脚印特征数据库；在线实别过程中，将待识别的脚印特征数据与预先存储特征数据库中的脚印数据计算相似性得分，通过得分排名完成对脚印的识别。本方法不从图像中提取足迹长度、角度等脚印形态信息，因此不易受噪声和旋转角度的影响，从脚印的整体特征考虑，提高了自动提取精度，降低了识别的难度。且采用小波变换，消除了穿袜时纹理影响，无需对穿袜和赤足进行区分，适用性更加广泛。

Description

一种脚印的识别方法

技术领域

本发明涉及一种脚印的识别方法，属于脚印的识别领域。

背景技术

目前脚印识别方法主要是在脚印区域中，提取足长、掌宽、跟宽、足跟中心到每个脚趾的中心与横轴的角度以及脚掌面积等形态学特征，结合各种分类器进行识别。但是目前的脚印识别方法通常是从图像中提取形态学特征如长、宽、角度等形态特征进行识别。该种方法易受噪声影响，提取精度低，增加整个识别过程难度以及准确性，且目前还没有依赖脚印区域特征进行识别的方法。

发明内容

本发明针对以上问题的提出，提供一种脚印的识别方法，其特征在于包括：离线训练过程S_a和在线识别过程S_b；

所述离线训练过程包括：

S_a1：采集仪采集的脚印压力图像去除噪声提取脚印区域；

S_a2：对所述S_a1中获得的脚印区域倾斜校正；

S_a3:对所述S_a2中获得的校正后的图像，进行尺寸规范化操作。

S_a4：对所述S_a3中获得的尺寸规范化后的脚印区域进行前后足分区，对分区后的脚印区域特征提取；

S_a5：利用所述S_a4中所获得的特征，形成特征数据库，

所述特征数据库表示为，D＝{F_i,i＝1,2,…,N}，其中，F_i表示所提取的第i脚印区域的特征，N表示样本数目；

所述在线识别过程S_b包括：

S_b1：对待识别的脚印区域进行去除噪声影响以及倾斜校正处理；

S_b2：将校正后的脚印区域进行尺寸规范化操作。

S_b3：按照一定的比例进行前后足分区，然后再分别进行小波变换和脚印特征信息提取；

S_b4：根据提取脚印特征信息，采用余弦度量的方式将待识别的脚印数据与离线训练过程S_a中存储的数据库中的脚印数据进行计算，将计算出的相似性得分按照从大到小的方式进行排序，找出所述排名中前K个脚印中个出现次数最多的类别作为待检脚印的类别，完成脚印的识别。

进一步的，S_a11：通过大津法得到脚印区域的阈值，根据该阈值对图像进行二值化处理，得到脚印的二值图像；然后采用半径大小为15的圆盘型结构元素对二值图像进行膨胀运算得到膨胀后的图像f；再采用半径大小为10的圆盘型结构元素对膨胀后的图像f进行腐蚀运算；最后采用八邻域标记算法获得整幅图像的连通域；

S_a12：计算图像中各连通区域面积，并按其大小降序排列。取排在第5名的连通区域面积的值作为阈值，将面积小于设定阈值的连通区域作为噪声处理去除，获得噪声处理后的脚印区域。

进一步的，S_a21：将S_a1所获得的脚印区域的分为前足区域和后足区域，按照12:13的高度比例对足印图像分为前足区域Img1和后足区域Img2；

S_a22：将脚印后足区域Img2进行边缘点检测，得到脚印后足的边缘点，取后足区域最左上边缘点和最右上边缘点连线的中点作为关键点，求该关键点到后足区域各边缘点的距离，将距离最大的直线所在的方向定为脚印区域的主方向。

S_a23：依据主方向与水平方向的倾斜角对整幅脚印区域进行倾斜校正。

进一步的，S_a31：对校正后的图像进行尺寸规范化。具体操作为：构建w×h维的空矩阵T，以矩阵T的中心与校正后脚印区域中心的坐标差为偏移量(dx,dy)，将校正后的脚印区域所有不为零的像素点通过偏移量(dx,dy)平移到矩阵T的中央，构成新的脚印区域。

S_a32:尺寸规范化后的脚印区域重新进行前足、后足分区，通过判断脚印区域的外接矩形的高度和宽度，得到分区后的前足区域Imgt和和后足区域Imgb；

S_a33：穿袜的纹理信息属细节信息，即高频信息，为消除纹理信息带来的影响，采用Harr小波为母波函数，对S_a32中图像Imgt和图像Imgb分别进行n层小波变换，将第n层的低频系数分别记为W_T和W_B；

S_a34：对步骤S_a33得到的W_T和W_B进行傅里叶变换，得到脚掌区域频谱和脚跟区域频谱通过构建带通滤波器，得到滤波后的频谱为和并对其进行对数极坐标变换，得到频谱r_T和r_B；对所述频谱r_T和r_B进行傅里叶变换，提取幅值，得到M维的频谱向量F_T和F_B，将其合并形成2M维的向量F作为脚印特征。

本发明由于采取以上技术方案，其具有以下优点：1)本方法不从图像中提取足迹长度、角度等脚印形态信息，因此不易受噪声和旋转角度的影响，从脚印的整体特征考虑，提高了自动提取精度，降低了识别的难度。2)基于傅里叶梅林的脚印特征具有旋转平移不变性，本方法的识别速度快。3)采用小波变换，消除了穿袜时纹理影响，无需对穿袜和赤足进行区分，适用性更加广泛。

附图说明

为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，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为本发明一种脚印的识别方法的流程图；

图2为图1的离线训练过程、在线识别过程的流程图；

图3为本发明脚印的校正及提取图。

具体实施方式

为使本发明的实施例的目的、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所示的一种脚印识别系统的流程图，作为优选的实施方式，其对脚印的识别过程为：识别的脚印区域进行预处理、倾斜校正后提取脚印区域特征并存储，构建脚印特征数据库。待识别的脚印特征数据与预先存储特征数据库中的脚印数据计算相似性得分。相似性得分排名中前K个脚印中出现次数最对多的类别作为待检脚印的类别，完成脚印识别。

如图2所示，在本实施方式中，脚印识别过程包括：离线训练过程和在线识别过程；

当离线训练过程时，采集仪采集的脚印压力图像，去除噪声影响，提取出脚印区域。在本实施方式中，采用大津法得到脚印区域的阈值，根据该阈值对图像进行二值化处理，得到脚印的二值图像。可以理解为在其他实施方式中，可以采用其他的方式处理脚印的图像，只要能够满足能够有效的判断图像的阈值已达到对图像判断的作用即可。采用半径大小为15的圆盘型结构元素对二值图像进行膨胀运算得到膨胀后的图像f，然后采用半径大小为10的圆盘型结构元素对膨胀后的图像f进行腐蚀运算，最后采用八邻域标记算法获得整幅图像的连通域；计算图像中各连通区域面积，并按其大小降序排列。取排在第5名的连通区域面积的值作为阈值，将面积小于设定阈值的连通区域作为噪声处理并去除噪声，获得噪声处理后的脚印区域。

进一步的，在本实施方式中，为降低旋转角度影响，对中获得脚印区域进行倾斜校正。作为优选的实施方式，将获得的脚印区域粗略的分为前足区域和后足区域。按照一定的高度比例对足印图像分为前足区域Img1和后足区域Img2。在本实施方式中，高度比为12:13。将脚印后足区域Img2进行边缘点检测，得到脚印后足的边缘点，取后足区域最左上边缘点和最右上边缘点连线的中点作为关键点，计算该关键点到后足区域各边缘点的距离，将距离最大的直线所在的方向定为脚印区域的主方向。再依据主方向与水平方向的倾斜角对整幅脚印区域进行倾斜校正。

进一步的，在本实施方式中，对校正后的图像进行尺寸规范化。构建w×h维的空矩阵T，以矩阵T的中心与校正后脚印区域中心的坐标差为偏移量(dx,dy)，将校正后的脚印区域所有不为零的像素点通过偏移量(dx,dy)平移到矩阵T的中央，构成新的脚印区域。

进一步的，在本实施方式中，对获得的尺寸规范化后的图像进行特征的提取，校正后的脚印区域重新进行前足、后足分区。在本实施方式中，采用的分区规则为：首先判断脚印区域的外接矩形的高度和宽度，如果高度大于宽度，则按照3：2的高度比例对脚印区域进行粗略分区，分为前足区域Imgt和后足区域Imgb。否则按照3:2的宽度比例对脚印区域进行分区。

当所需识别的脚印是穿袜时的脚印，其采集的纹理信息属细节信息，即高频信息，为消除纹理信息带来的影响，采用Harr小波为母波函数，对前一步骤中前足区域Img1和后足区域Img2分别进行n层小波变换，，将它们第n层的低频系数分别记为W_T和W_B，在本实施方式中，n＝3。

在本实施方式中，对得到的W_T和W_B进行傅里叶变换，

其中M表示矩阵矢量W_T行数，N表示矩阵矢量W_T列数，M-1表示矩阵矢量W_T行数减一，N-1表示矩阵矢量W_T列数减一，A表示矩阵矢量W_B行数，B表示矩阵矢量W_B列数，A-1表示矩阵矢量W_B行数减一，B-1表示矩阵矢量W_B列数减一，取其幅值得到前足区域Img1频谱和后足区域Img2频谱

然后构建带通滤波器，通过公式

在本实施方式中n＝20，其中LP表示低通滤波器，HP表示高通滤波器。

HP(ξ,η)＝(1-X(ξ,η))(2-X(ξ,η)) (35)

其中：D₁＝{ξ,η|ξ²+η²≤r²}，X(ξ,η)＝cosξπcosηπ,ξ≥-0.5,η≤0.5。

D的值为要进行滤波的频谱行数或列数中较大值，经过滤波器滤波后的频谱分别为和在本实施方式中，设置，ρ＝0.35m，θ＝0.35l，由要进行对数极坐标变换的频谱的行列数决定。对滤波后的频谱和进行对数极坐标变换，得到频谱r_T和r_B。作为优选的实施方式，对r_T和r_B进行傅里叶变换，提取幅值，得到M维的频谱向量F_T和F_B，将其合并形成2M维的向量F作为脚印特征。其中，为前足区域Img1通过带通滤波器后得到的频谱，为后足区域Img2通过带通滤波器后得到的频谱，r_T为前足区域Img1通过对数极坐标变换后得到的频谱，r_B为后足区域Img2通过对数极坐标变换后得到的频谱。

在本实施方式中，建脚印数据库，由提取每幅脚印的特征，构成脚印特征数据库D＝{F_i,i＝1,2,…,N}，F_i表示所提取的第i脚印区域的特征，N表示样本数目。在构建数据库时，不区分穿袜足印和赤足足印以及左右脚。

当在线识别过程时，首先对待识别的脚印区域进行去除噪声影响以及倾斜校正预处理后，将去除噪声影响的脚印区域进行尺度规范化的操作，然后按照一定比例进行前、后足分区，然后对前、后足区分别进行小波变换和特征提取。

在本实施方式中，根据提取脚印特征信息，将待识别的脚印数据与预先存储的数据库中的脚印数据，通过余弦度量的方法进行计算相似性得分，将相似性得分按照从大到小的方式进行排序，找出相似性排名中前K个脚印中个出现次数最多的类别作为待检脚印的类别，完成对脚印识别。

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。

Claims (8)

1.一种脚印的识别方法，其特征在于包括如下步骤：

离线训练过程S_a：对训练集中脚印区域进行去除噪声和倾斜校正预处理，提取脚印区域，将所述提取的脚印区域放于预定的空图像中央实现尺寸规范化；对尺寸规范化后的图像进行前后足分区，并提取特征，存储并构建脚印特征数据库D；所述预定的空图像T是指构建大小为w×h的全零矩阵，其中w＝max(w_i,i＝1,…,N),h＝max(h_i,i＝1,…,N),w_i和h_i分别表示每幅训练图像的宽度和高度；所述的尺寸规范化是指将脚印区域中所有不为零的像素点，通过偏移量平移到矩阵T的中央，构成新的脚印区域；所述偏移量(dx,dy)等于矩阵T的中心与校正后脚印区域中心的坐标差；

在线识别过程S_b：待识别的脚印区域按上述方法预处理、规范化和提取特征，并与预先存储特征数据库D中的脚印数据计算特征相似度，依据相似度得分，给出判定结果，完成对脚印的识别。

2.根据权利要求1所述的一种脚印的识别方法，其特征还在于：所述离线训练过程S_a包括以下步骤：

S_a1：采集的脚印压力图像，去除噪声后，提取脚印区域；

S_a2：校正所述S_a1中获得的脚印区域；

S_a3：对校正后的图像尺寸规范化操作；

S_a4：对所述S_a3中获得的尺寸规范化后的脚印区域进行前后足分区，对分区后的脚印区域进行特征提取；

S_a5：由所述S_a4中所提取的特征，构建特征数据库；

所述特征数据库表示为，D＝{F_i,i＝1,2,…,N}，其中，F_i表示所提取的第i个脚印区域的特征，N表示样本数目。

3.根据权利要求1所述的一种脚印的识别方法，其特征还在于：所述在线识别过程S_b包括以下步骤：

S_b1：对待识别的脚印区域进行去除噪声影响和倾斜校正处理；

S_b2：将校正后的脚印区域进行尺寸规范化；

S_b3：对尺寸规范化后的脚印区域按照12:13进行前后足分区，对分区后的前足、后足分别进行小波变换和脚印特征信息提取；所述尺寸规范化是在构建w×h维的空矩阵T后，以矩阵T的中心与校正后脚印区域中心的坐标差为偏移量(dx,dy)，将校正后的脚印区域所有不为零的像素点通过偏移量(dx,dy)平移到矩阵T的中央；

S_b4：根据提取脚印特征信息，采用余弦度量的方式将待识别的脚印数据与离线训练过程中存储的数据库中的脚印数据进行计算，将计算出的相似性得分按照从大到小的方式进行排序，找出所述排名中前K个脚印中个出现次数最多的类别作为待检脚印的类别，完成脚印的识别。

4.根据权利要求2所述的一种脚印的识别方法，其特征还在于：所述的步骤S_a1具体包括如下步骤：

S_a11：通过大津法得到脚印区域的阈值，根据该阈值对图像进行二值化处理，得到脚印的二值图像，采用半径大小为15像素的圆盘型结构元素对二值图像进行膨胀运算得到膨胀后的图像f；再采用半径大小为10像素的圆盘型结构元素对膨胀后的图像f进行腐蚀运算；采用八邻域标记算法获得整幅图像的连通域；

S_a12：计算图像中各连通区域面积，并按其大小降序排列。取排在第5名的连通区域面积的值作为阈值，将面积小于设定阈值的连通区域作为噪声处理去除，获得噪声处理后的脚印区域。

5.根据权利要求2所述的一种脚印的识别方法，其特征还在于：所述的步骤S_a2具体包括如下步骤：

S_a21：将所获得的脚印区域的分为前足区域Img1和后足区域Img2，按照12:13的高度比例对足印图像分为前足区域Img1和后足区域Img2；

S_a22：将脚印后足区域Img2进行边缘点检测，得到脚印后足的边缘点，取后足图像区域上最左上边缘点和最右上边缘点连线的中点作为关键点，计算所述关键点到后足区域各边缘点的距离，将距离最大的直线所在的方向定为脚印区域的主方向；

S_a23：依据主方向与水平方向的倾斜角度对整幅脚印区域进行倾斜校正。

6.根据权利要求2所述的一种脚印的识别方法，其特征还在于：

S_a31：对校正后的图像进行尺寸规范化；

S_a32：通过判断脚印区域的外接矩形的高度和宽度，对校正后的脚印区域重新进行前足、后足分区，得到分区后的前足区域Img1和后足区域Img2；

S_a33：采用Harr小波为母波函数，对S_a32中前足区域Img1和后足区域Img2分别进行n层小波变换，将第n层的低频系数分别记为W_T和W_B；其中W_T表示前足区域Img1得到的第n层的低频系数，W_B表示后足区域Img2得到的第n层的低频系数；

S_a34：对步骤S_a33得到的W_T和W_B进行傅里叶变换，得到前足区域Img1的频谱和后足区域Img2的频谱通过构建带通滤波器，得到滤波后的频谱为和并对其进行对数极坐标变换，得到频谱r_T和r_B；

其中，为前足区域Img1通过带通滤波器后得到的频谱，为后足区域Img2通过带通滤波器后得到的频谱，r_T为前足区域Img1通过对数极坐标变换后得到的频谱，r_B为后足区域Img2通过对数极坐标变换后得到的频谱；

对所述频谱r_T和r_B进行傅里叶变换，提取幅值，得到M维的频谱向量F_T和F_B，将其合并形成2M维的向量F作为脚印特征。

7.根据权利要求6所述的一种脚印的识别方法，其特征还在于：所述傅里叶变换的变换过程为：

其中M表示矩阵矢量W_T行数，N表示矩阵矢量W_T列数，M-1表示矩阵矢量W_T行数减一，N-1表示矩阵矢量W_T列数减一，A表示矩阵矢量W_B行数，B表示矩阵矢量W_B列数，A-1表示矩阵矢量W_B行数减一，B-1表示矩阵矢量W_B列数减一，取其幅值得到前足区域Img1频谱和后足区域Img2频谱

8.根据权利要求6所述的一种脚印的识别方法，其特征还在于：所述带通滤波过程为：

其中n＝20，LP表示低通滤波器；HP表示高通滤波器；

HP(ξ,η)＝(1-X(ξ,η))(2-X(ξ,η)) (35)

其中：D₁＝{ξ,η|ξ²+η²≤r²}，X(ξ,η)＝cosξπcosηπ,ξ≥-0.5,η≤0.5；

比较滤波的频谱行数与滤波的列数间较大值为D，经过滤波后的频谱分别为和

设置，ρ＝0.35m，θ＝0.35l，由要进行对数极坐标变换的频谱的行列数决定。对滤波后的频谱和进行对数极坐标变换，得到频谱r_T和r_B；

再对r_T和r_B进行傅里叶变换，提取幅值，得到M维的频谱向量F_T和F_B，将其合并形成2M维的向量F作为脚印特征。