一种海量足底压力数据的分析处理系统技术方案

本发明专利技术公开了一种海量足底压力数据的分析处理系统，包括：海量足迹数据获取模块，包括：动态足迹数据的获取、静态足迹数据的获取、用户输入的个人信息的获取；数据属性统一模块，包括：数据类型统一模块和数据维度统一模块；标签文件制作模块，对获取到的海量足迹数据和用户信息进行分类整理；图像预处理模块，对赤足或者穿袜足迹图像数据进行预处理；数据集制作模块，将完成预处理的赤足或者穿袜足迹图像数据分为训练集和验证集；深度学习网络训练及调整模块，设计针对海量足迹图像的深度学习网络，循环进行深度学习网络训练与调整。本发明专利技术实现了海量足迹数据的处理，使得海量足迹数据的处理方式规范有效。

An Analysis and Processing System for Massive Plantar Pressure Data

The invention discloses an analysis and processing system for massive plantar pressure data, which includes: a massive footprint data acquisition module, including: dynamic footprint data acquisition, static footprint data acquisition, user input personal information acquisition; a data attribute unification module, including: data type unification module and data dimension unification module; a tag file production module, for acquisition. The massive footprint data and user information are classified and sorted out; the image preprocessing module preprocesses the barefoot or sock footprint image data; the data set production module divides the barefoot or sock footprint image data that have been preprocessed into training set and verification set; the deep learning network training and adjustment module designs the deep learning network for the massive footprint image. Cycle for in-depth learning network training and adjustment. The invention realizes the processing of massive footprint data, and makes the processing mode of massive footprint data standardized and effective.

【技术实现步骤摘要】
一种海量足底压力数据的分析处理系统
本专利技术涉及一种数据分析处理系统，具体说是一种海量足底压力数据的分析处理系统。
技术介绍
足底压力的分布可以反映出人们不同程度的姿态，足底压力可以应用在各个领域中，例如，足底压力分布可以帮助通过检测溃疡高危区域来区分糖尿病人与非糖尿病人、进行骨科的足病诊、在康复训练中检测行走姿态判断病人恢复程度以及为下肢疾病康复提供解决方案等，同时在刑事侦破中，判断人们身高体重等信息以及地面互动游戏中都有所应用。但目前足底压力数据的分析处理方式都不理想。
技术实现思路
本申请提供了一种海量足底压力数据的分析处理系统，用于对获取到的海量足迹数据进行整理、分析、利用。本申请的第一种技术方案是：一种海量足底压力数据的分析处理系统，包括：海量足迹数据获取模块，包括：动态足迹数据的获取、静态足迹数据的获取、用户输入的个人信息的获取；数据属性统一模块，包括：数据类型统一模块和数据维度统一模块；标签文件制作模块，对获取到的海量足迹数据和用户信息进行分类整理；图像预处理模块，对赤足或者穿袜足迹图像数据进行预处理；数据集制作模块，将完成预处理的赤足或者穿袜足迹图像数据分为训练集和验证集；深度学习网络训练及调整模块，设计针对海量足迹图像的深度学习网络，循环进行深度学习网络训练与调整。进一步的，数据类型统一模块分为以下两种情况：(1)实时动态数据需要通过某段时间的平均处理，转换成静态数据，在平均过程中，无法获取的动态数据做特征提取，直接形成一维数据做训练或者测试；(2)对于能获取行走过程中步幅特征信息的数据，要通过自动特征提取，以同名点轨迹的方式形成一维数据，做训练或者测试。进一步的，数据维度统一模块分为以下两种情况：(1)对三维点云数据，采用仿真碰撞的方法，构建虚拟硬质成痕客体，记录三维脚与客体碰撞的点集，记录点集到成痕客体的垂直距离，以高度为信息形成高度图；(2)二维赤足或者穿袜足迹数据，对于背景复杂的痕迹图能通过以下两种方式进行处理，a、生成或者采集多种含赤足或者穿袜足迹的背景图用于训练；b、人工或者自动去除背景的方式提出赤足或者穿袜足迹前景图；(3)一维数据认为是经过初始特征提取的量，经过降维投影，与其他数据特征结合使用。进一步的，图像预处理模块，具体为：1)自动筛选：通过批量数据的训练，来对赤足或者穿袜足迹图像做自动筛选，剔除不满足要求的图像；将图像输入训练好的CNN模型进行是否满足要求的判别，此处的CNN模型由已知好坏的大量图像按是否满足使用要求进行分类进而训练得到。判别结果为满足要求的留下，不满足要求的剔除不参与后续步骤；2)将足迹图像分辨率归一化；3)将归一化后的足迹图像进行局部区域分割。更进一步的，将足迹图像分辨率归一化有以下两种方式：(1)人工方式：需要标记出赤足或者穿袜足迹同名点位置，同名点位置共4个点，即足趾内缘突点、足趾外缘突点、足跟后缘突点，最长趾前缘突点；每幅图按照4个点的尺度做x/y方向的归一即可；(2)自动方式：通过批量数据的训练，来对赤足或者穿袜足迹图像做自动同名点的标记，每幅图按照4个点的尺度做x/y方向的归一，训练的特征包括角点、点间的相互关系、整幅图；方式包括基于深度学习的全卷积网络、基于图像几何变换的同名点配准。更进一步的，局部区域分割具体为：(1)将所有图像进行尺度归一化，归一化的过程包括提取目标足迹区域，将提取区域补0成正方形，利用插值法进行满足后续处理需求的图像缩放；(2)将归一化之后的足迹图像根据足趾区、足跖区、足弓区和足跟区进行矩形区域分割，得到局部区域图像，具体分割如下图：(3)将所有分割得到的局部区域图像按照局部区域类别进行分类，即将所有足趾区图像放在一起，所有足跖区图像放在一起，所有足弓区图像放在一起，所有足跟区图像放在一起；在每个区域类别下又将图像按照从属用户ID进行分类，即属于同一用户的足趾区、足跖区、足弓区、足跟区图像单独放在一起。作为更进一步的，经过预处理的数据应用于分类(如性别、年龄、身高、体重判定)：此处能将预处理得到的整体图像和各局部区域图像分别进行训练得到针对不同足底区域的模型；(1)训练数据准备：对已经完成预处理后的训练集和验证集的二维图像数据，依照分类需求各自分为N组；(2)分组进行基于CNN网络的训练，此处使用改进的AlexNet网络，网络改进如下：a.初始网络：网络构成：4层卷积层，2层池化层，2层全连接层。网络连接：conv1+pooling1+relu→conv2+pooling2+relu→conv3+relu→conv4+relu→fc5→fc6其中，conv代表卷积层，pooling代表池化层，relu代表激活函数，fc代表全连接层；b.通过训练及验证结果调整网络：利用初始网络进行一次完整训练之后，用验证数据测试，假定性别判定准确率不足N％，则认为网络结构需要调整；c.获得训练好的基于CNN网络的分类模型。作为更进一步的，网络结构的调整方法如下：对任意一幅图而言，将每层卷积层结果输出，用每层卷积的结果与其他图像的同层卷积结果做相关比对:i.若某层级出现相关性明显变大的情况，则降低该层级以及其后端的卷积核尺寸，或者直接将该层作为全连接层重新训练；ii.若相关性随层级深入，逐渐变高，但某层级后相关性变化不大，则直接将该层作为全连接层重新训练，简化模型；iii.若每层级的相关性均很小，则提高与输入层级接近的卷积核大小，或者增加卷积层数量，直至出现其他情况为止。进行循环训练与测试，不断调整网络结构及参数，当测试结果中性别判定准确率大于N％则网络调整结束，保存训练得到的网络模型。本专利技术的有益效果是：本专利通过提供一种海量足迹数据的分析处理方法，用来对获取的海量足迹数据进行整理分析，使用深度学习的方法针对不同的问题进行神经网络的调整与训练。本专利技术实现了海量足迹数据的处理，使得海量足迹数据的处理方式规范有效，使得处理的数据更适用于深度学习神经网络的调整与训练。附图说明本专利技术共有附图3幅：图1为尺度归一参考点图；图2为区域分割示意图；图3为本系统工作流程图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本专利技术进行详细描述。实施例1本实施例提供一种海量足底压力数据的分析处理系统，包括：1.海量足迹数据获取模块：此模块由采集用户足迹数据开始，所采集的足迹数据主要包括动态和静态的足迹数据；然后获取用户输入的个人信息，包括用户的性别、年龄、身高、体重等；最后进行海量的数据获取。2.数据属性统一模块；1)数据类型统一：(1)实时动态数据需要通过某段时间的平均处理，转换成静态数据，在平均过程中，无法获取的动态数据做特征提取，直接形成一维数据做训练或者测试；(2)对于可以获取行走过程中步幅特征信息的数据，要通过自动特征提取，以同名点轨迹的方式形成一维数据，做训练或者测试。2)数据维度统一：(1)对三维点云数据，采用仿真碰撞的方法，构建虚拟硬质成痕客体，记录三维脚(有形变，非刚体)与客体碰撞的点集，记录点集到成痕客体的垂直距离，以高度为信息形成高度图；(2)二维赤足或者穿袜足迹数据，对于背景复杂的痕迹图，可以生成或者采集多种含赤足或者穿袜足迹的背景图用于训练，也可以进行人工或者自动去除背景的方式提出本文档来自技高网...

【技术保护点】
1.一种海量足底压力数据的分析处理系统，其特征在于，包括：海量足迹数据获取模块，包括：动态足迹数据的获取、静态足迹数据的获取、用户输入的个人信息的获取；数据属性统一模块，包括：数据类型统一模块和数据维度统一模块；标签文件制作模块，对获取到的海量足迹数据和用户信息进行分类整理；图像预处理模块，对赤足或者穿袜足迹图像数据进行预处理；数据集制作模块，将完成预处理的赤足或者穿袜足迹图像数据分为训练集和验证集；深度学习网络训练及调整模块，设计针对海量足迹图像的深度学习网络，循环进行深度学习网络训练与调整。

【技术特征摘要】
1.一种海量足底压力数据的分析处理系统，其特征在于，包括：海量足迹数据获取模块，包括：动态足迹数据的获取、静态足迹数据的获取、用户输入的个人信息的获取；数据属性统一模块，包括：数据类型统一模块和数据维度统一模块；标签文件制作模块，对获取到的海量足迹数据和用户信息进行分类整理；图像预处理模块，对赤足或者穿袜足迹图像数据进行预处理；数据集制作模块，将完成预处理的赤足或者穿袜足迹图像数据分为训练集和验证集；深度学习网络训练及调整模块，设计针对海量足迹图像的深度学习网络，循环进行深度学习网络训练与调整。2.根据权利要求1所述一种海量足底压力数据的分析处理系统，其特征在于，数据类型统一模块分为以下两种情况：(1)实时动态数据需要通过某段时间的平均处理，转换成静态数据，在平均过程中，无法获取的动态数据做特征提取，直接形成一维数据做训练或者测试；(2)对于能获取行走过程中步幅特征信息的数据，要通过自动特征提取，以同名点轨迹的方式形成一维数据，做训练或者测试。3.根据权利要求1或2所述一种海量足底压力数据的分析处理系统，其特征在于，数据维度统一模块分为以下两种情况：(1)对三维点云数据，采用仿真碰撞的方法，构建虚拟硬质成痕客体，记录三维脚与客体碰撞的点集，记录点集到成痕客体的垂直距离，以高度为信息形成高度图；(2)二维赤足或者穿袜足迹数据，对于背景复杂的痕迹图能通过以下两种方式进行处理，a、生成或者采集多种含赤足或者穿袜足迹的背景图用于训练；b、人工或者自动去除背景的方式提出赤足或者穿袜足迹前景图；(3)一维数据认为是经过初始特征提取的量，经过降维投影，与其他数据特征结合使用。4.根据权利要求3所述一种海量足底压力数据的分析处理系统，其特征在于，图像预处理模块，具体为：1)自动筛选：通过批量数据的训练，将图像输入训练好的CNN模型中判别是否满足要求，将满足要求的留下，不满足要求的剔除不参与后续步骤；2)将足迹图像分辨率归一化；3)将归一化后的足迹图像进行局部区域分割。5.根据权利要求4所述一种海量足底压力数据的分析处理系统，其特征在于，将足迹图像分辨率归一化有以下两种方式：(1)人工方式：需要标记出赤足或者穿袜足迹同名点位置，同名点位置共4个点，即足趾内缘突点、足趾外缘突点、足跟后缘突点，最长趾前缘突点；每幅图按照4个点的尺度做x/y方向的归一即可；(2)自动方式：通过批量数据的训练，来对赤足或者穿袜足迹图像做自动同名点的标记，每幅图按照4个点的尺度做x/y方向的归一，训练的特征包括角点、点间的相互关系、整幅图...

【专利技术属性】
技术研发人员：董波，郭宝珠，张吉昌，于昕晔，王国建，
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