一种基于赤足或穿袜足迹图像的自动人身认定方法技术

本发明专利技术提供一种基于赤足或穿袜足迹图像的自动人身认定方法，步骤为，S1、统计足迹数量，单枚足迹执行步骤S2，否则执行步骤S3；S2、提取足迹的结构形状类与压力类特征，执行步骤S4；S3、成趟多枚足迹则提取成趟足迹的相关特征，并进行单枚足迹分拆并分别提取结构形状类与压力类特征；执行步骤S4；S4、进行特征查询，将足迹特征与样本库中个体进行相似度分析并打分，执行步骤S5；S5、若数小于一定分值，执行步骤S6，否则执行步骤S7；S6、对提取的足迹特征进行特征训练，更新样本库，认定过程结束；S7、将得分最高的个体作为查询结果输出，认定结束。本方法可以对足迹特征进行量化统计与评分，根据评分结果达到足迹的自动认定，从而实现人身认定。

【技术实现步骤摘要】
一种基于赤足或穿袜足迹图像的自动人身认定方法
本专利技术涉及一种自动认定方法，尤其是一种基于赤足或穿袜足迹图像的自动人身认定方法，属于自动识别方法领域。
技术介绍
目前基于赤足或穿袜足迹图像的人身认定方法主要以人工鉴定为主，样本库基本是已进行赤足或穿袜足迹采集的人群，采用的是卷宗、现场照片等非数字档案，在比对过程中，为定性分析，缺少比对客观量化标准，因此，整个过程很难达到快速、准确、高效的认定目的，这导致目前还没有一种能利用赤足或穿袜足迹图像自动进行人身认定的方法。同时，在进行人工认定过程中，量化特征分类的都是硬阈值法，这样在进行比较时，特征边界问题会更加明显，降低了量化特征分类的准确性。从多种赤足与穿袜足迹图像特征综合分析的角度讲，相同维数的特征分析权重并没有经过层次分析，不同维数的特征量并能够结合起来进行综合判定，即：曲线特征与点特征是无法结合在一起进行分析的，这都会使特征之间的关联性变低，增大认定结果误差。有鉴于此特提出本专利技术。
技术实现思路
本专利技术要解决的技术问题在于克服现有技术的不足，提供一种基于赤足或穿袜足迹图像的自动人身认定方法，能够更高效准确地进行足迹自动认定。为解决上述技术问题，本专利技术采用技术方案的基本构思是：一种基于赤足或穿袜足迹图像的自动人身认定方法，包括以下步骤：S1、对足迹图像进行足迹数量统计，若为单枚足迹执行步骤S2，否则执行步骤S3；S2、足迹图像只有单枚足迹，提取足迹特征，所述足迹特征包括结构形状类与压力类两种特征，然后执行步骤S4；S3、足迹图像为成趟的多枚足迹，提取成趟足迹的相关特征，然后将图像中的足迹进行单枚足迹分拆，并对所有单枚足迹的足迹特征分别进行提取，所述足迹特征包括结构形状类与压力类两种特征，用统计的方法取最稳定的单枚足迹特征并保存；然后执行步骤S4；S4、进行特征查询，将足迹特征与样本库中所有个体进行相似度分析并打分，执行步骤S5；S5、得到打分结果，如果相似度的整体分数结果小于一定分值，则认为样本特征库中不存在查询个体或者查询个体中的样本过少，执行步骤S6，否则执行步骤S7；S6、利用提取的足迹特征进行特征训练，并更新样本库，认定过程结束；S7、将所有打分结果中得分最高的个体作为查询结果输出，认定结束。特征查询的步骤为：首先将要查询足迹的每种单值特征与样本库中训练的不同个体相对应的单值特征对比评分，假设提取的特征值为f，训练得到的统计分布特征为af，按照公式(1)进行相似度分值Sv计算(k、b是通过统计得出的分数判别系数)：sv＝kαf+b(1)将要查询足迹的每种结构形状类特征与样本库中训练的不同个体相对应的每种结构形状类特征对比评分；若查询特征曲线为vs，样本库特征曲线为vb，则其相似度分值Sl可由公式(2)计算得到：sl＝R(vs,vb)(2)式(2)中，R()为相关评估函数；接着根据样本库中每个个体的各种特征稳定性计算每种特征的权重，权值是采用稳定度统计的方法来确定的，在进行各个个体特征训练时，相同个体的训练样本，单值特征的标准差与期望之比越小则认为该特征越稳定，向量特征的归一化拟合误差越小则该特征越稳定，越稳定的特征分配越高的权值；最后对这些特征进行加权求和，求和公式如(3)所示：上式中，M为特征总数，wi为各个特征的权值。进一步的，根据相同个体特征训练时的特征维数不同，特征训练分为单值特征训练与向量特征训练，单值特征训练的步骤为：首先将所有足迹特征组成特征值向量，然后通过固定模型拟合得到该单值特征的分布，最后得到该分布的主要参数，以此作为训练结果；训练某特征向量为Lf＝{l1l2...li...lN}，i＝1,2,...,N，N＞5且为整数，根据固定模型拟合函数，得到其固定模型分布G(α)，α即某特征的分布特征；向量特征训练的步骤为：首先将所有向量进行旋转矫正，使曲线可以作为水平坐标的函数，然后对曲线进行横坐标归一化处理，对每枚足迹所采得的归一化曲线进行拟合，设定相同长度的横坐标，根据每条拟合曲线结果得到长度相同的曲线向量，最后对所有曲线进行相同坐标系下的整体拟合，得到最接近的形状曲线。进一步的，wi的求取方法如公式(4)所示：δi表示的是第i个特征的变化率，其计算方式根据特征维数不同而不同，M为特征总数。进一步的，单值特征的变化率求取如式(5)所示：αi表示的是第i个特征的分布参数，G(α)表示的是某个特征的固定模型拟合分布；向量特征的变化率求取如式(6)所示：xi表示的是从样本中提取的第i个向量特征，是指每个个体拟合后的向量特征训练结果。采用上述技术方案后，本专利技术与现有技术相比具有以下有益效果。本专利技术一种基于赤足或穿袜足迹图像的自动人身认定方法，该方法可以对结构形状类与压力类两类特征进行量化统计与评分，根据评分结果达到足迹的自动认定，从而实现自动人身认定的目的。本方法将以往足迹认定中通过特征定性来认定的方式改变为定量认定的方式。在特征查询中，每个足迹特征的查询的结果是量化后的评分结果，整体的特征查询结果也是量化的，而不是定性的，其结果不是现有足迹认定中像、类似、接近之类的定性结果，而是量化的结果，且基于特征稳定度的综合量化特征分析方法，可以充分体现每个特征在综合分析时的可信度，提高综合分析特征的准确性，使得认定的结果更准确。下面结合附图对本专利技术的具体实施方式作进一步详细的描述。附图说明图1是本专利技术一种基于赤足或穿袜足迹图像的自动人身认定方法的整体算法流程图。图2是本专利技术一种基于赤足或穿袜足迹图像的自动人身认定方法中的单值特征训练过程流程图。图3是本专利技术一种基于赤足或穿袜足迹图像的自动人身认定方法中的向量特征训练过程流程图。图4是本专利技术一种基于赤足或穿袜足迹图像的自动人身认定方法的特征查询过程流程图。具体实施方式如图1所示，本专利技术一种基于赤足或穿袜足迹图像的自动人身认定方法，包括以下步骤：S1、录入赤足或穿袜足迹图像，对足迹图像进行足迹数量统计，并根据足迹数量为1个还是多个，进行不同的操作。若为单枚足迹执行步骤S2，否则执行步骤S3；S2、足迹图像只有单枚足迹，提取足迹特征，所述足迹特征包括结构形状类与压力类两种特征，然后执行步骤S4。S3、足迹图像为成趟的多枚足迹，提取成趟足迹的相关特征，然后将图像中的足迹进行单枚足迹分拆，并对所有单枚足迹的足迹特征分别进行提取，所述足迹特征包括结构形状类与压力类两种特征，用统计的方法取最稳定的单枚足迹特征并保存；然后执行步骤S4。S4、进行特征查询，将足迹特征与样本库中所有个体进行相似度分析并打分，执行步骤S5；S5、得到打分结果，如果相似度的整体分数结果小于一定分值，则认为样本特征库中不存在查询个体或者查询个体中的样本过少，执行步骤S6，否则执行步骤S7；S6、利用提取的足迹特征进行特征训练，并更新样本库，认定过程结束；S7、将所有打分结果中得分最高的个体作为查询结果输出，认定结束。如图4所示，在进行特征查询时，首先将要查询足迹的每种单值特征提取并与样本库中训练的不同个体相对应的单值特征对比评分。假设提取的特征值为f，训练得到的统计分布特征为af，按照公式(1)进行相似度分值Sv计算(k、b是通过统计得出的分数判别系数)：sv＝kαf+b(1)将要查询足迹的每种结构形状类特征与样本库中训练的不同本文档来自技高网...

【技术保护点】
一种基于赤足或穿袜足迹图像的自动人身认定方法，其特征在于：包括以下步骤，S1、对足迹图像进行足迹数量统计，若为单枚足迹执行步骤S2，否则执行步骤S3；S2、足迹图像只有单枚足迹，提取足迹特征，所述足迹特征包括结构形状类与压力类两种特征，然后执行步骤S4；S3、足迹图像为成趟的多枚足迹，提取成趟足迹的相关特征，然后将图像中的足迹进行单枚足迹分拆，并对所有单枚足迹的足迹特征分别进行提取，所述足迹特征包括结构形状类与压力类两种特征，用统计的方法取最稳定的单枚足迹特征并保存；然后执行步骤S4；S4、进行特征查询，将足迹特征与样本库中所有个体进行相似度分析并打分，执行步骤S5；S5、得到打分结果，如果相似度的整体分数结果小于一定分值，则认为样本特征库中不存在查询个体或者查询个体中的样本过少，执行步骤S6，否则执行步骤S7；S6、利用提取的足迹特征进行特征训练，并更新样本库，认定过程结束；S7、将所有打分结果中得分最高的个体作为查询结果输出，认定结束。

【技术特征摘要】
1.一种基于赤足或穿袜足迹图像的自动人身认定方法，其特征在于：包括以下步骤，S1、对足迹图像进行足迹数量统计，若为单枚足迹执行步骤S2，否则执行步骤S3；S2、足迹图像只有单枚足迹，提取足迹特征，所述足迹特征包括结构形状类与压力类两种特征，然后执行步骤S4；S3、足迹图像为成趟的多枚足迹，提取成趟足迹的相关特征，然后将图像中的足迹进行单枚足迹分拆，并对所有单枚足迹的足迹特征分别进行提取，所述足迹特征包括结构形状类与压力类两种特征，用统计的方法取最稳定的单枚足迹特征并保存；然后执行步骤S4；S4、进行特征查询，将足迹特征与样本库中所有个体进行相似度分析并打分，执行步骤S5；S5、得到打分结果，如果相似度的整体分数结果小于一定分值，则认为样本特征库中不存在查询个体或者查询个体中的样本过少，执行步骤S6，否则执行步骤S7；S6、利用提取的足迹特征进行特征训练，并更新样本库，认定过程结束；S7、将所有打分结果中得分最高的个体作为查询结果输出，认定结束；特征查询的步骤为：首先将要查询足迹的每种单值特征与样本库中训练的不同个体相对应的单值特征对比评分，假设提取的特征值为f，训练得到的统计分布特征为af，按照公式(1)进行相似度分值Sv计算k、b是通过统计得出的分数判别系数：sv＝kαf+b(1)将要查询足迹的每种结构形状类特征与样本库中训练的不同个体相对应的每种结构形状类特征对比评分；若查询特征曲线为vs，样本库特征曲线为vb，则其相似度分值Sl可由公式(2)计算得到：sl＝R(vs,vb)(2)式(2)中，R()为相关评估函数；接着根据样本库中每个个体的各种特征稳定性计算每种特征的权重，权值是采用稳定度统计的方法来确定的，在进行各个个体特征训练时，相同个体的训练样本，单值特征的标准差与期望之比越小则认为该特征越稳定，向量特征的归一化拟合误差越小则该特征越稳定，越稳定的特征分配越高的权值；最后对这些特征进行加权求和，求和公式如(3)所示：

【专利技术属性】
技术研发人员：董波，徐旭，何晓光，
申请(专利权)人：大连恒锐科技股份有限公司，
类型：发明
国别省市：辽宁;21