一种基于区域加权梯度分布的足迹表达方法与流程

本发明涉及足迹表达的技术领域，具体而言，尤其涉及一种基于区域加权梯度分布的足迹表达方法。

背景技术：

在基于足迹的生物特征识别研究中，常提取足迹图像的纹理信息、几何形状和压力分布信息。对于获取的足迹纹理信息，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进行足迹识别。对于几何形状特征的获取，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^[1]；2)分别提取前后足压力中心点到足迹图像边缘点的距离，然后将特征进行傅里叶变换并取模，以此作为足迹的形状特征^[2]；3)分别提取前后足迹图像边缘点，计算每个特征点与邻近的多个特征点的距离并分配不同的权重，连接所有特征以此作为足迹的形状特征^[3]。对于压力分布特征的获取，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^[4]；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^[5]；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^[2,6]；4)提取足迹图像的压力分布方向强度并按照距离中心块的远近分配不同的权重^[7]。

目前已有方法存在以下缺陷：

(1)获取足迹纹理需要使用照相机拍摄足底图像，这对于用户而言受到一定程度的制约，同时精确提取足迹的纹理信息需要拍摄高分辨率的足迹图像，适用性在一定程度上受到制约。

(2)几何形状特征容易受到随机噪声和足迹残损的影响，导致识别精度降低。

(3)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，都未能区分足迹的轮廓区域与非轮廓区域的重要性，而且压力的分布偏差较大时会导致识别精度降低。

[1]robertb.kennedy.uniquenessofbarefeetanditsuseasapossiblemeansofidentification,elsevierscienceirelandltd.,82(1):81-87,1996.

[2]x.wang,h.wang,q.cheng,n.l.nankabirwaandt.zhang.single2dpressurefootprintbasedpersonidentification.2017ieeeinternationaljointconferenceonbiometrics(ijcb),denver,co,2017,pp.413-419.

[3]王新年等一种基于加权局部结构的脚印表达方法.中国，申请公开的发明专利，201910447667.9.

[4]k.nakajima,y.mizukami,k.tanaka,andt.tamura.footprint-basedpersonalrecognition.ieeetransactionsonbiomedicalengineering,47(11):1534–1537,2000.

[5]jungwj,parkhk,bienz.personrecognitionmethodusingsequentialwalkingfootprintsviaoverlappedfootshapeandcenter-of-pressuretrajectory.internationaltechnicalconferenceoncircuits/systems,computersand.2004:1393-1400.

[6]王新年等一种足迹压力分布特征表示方法.中国，申请公开的发明专利，201710099973.9.

[7]王新年等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.中国，申请公开的发明专利，201910194508.2.

技术实现要素：

根据上述提出适用性在一定程度上受到制约及识别精度降低的技术问题，而提供一种基于区域加权梯度分布的足迹表达方法。本发明主要利用一种基于区域加权梯度分布的足迹表达方法，其特征在于，包括以下步骤：

步骤s1：基于pca的足迹图像校正；

步骤s2：对足迹轮廓点的梯度分布进行提取；以前足区域为例，首先将前足区域f均匀细分为高度和宽度分别为l和h的l×h个非重叠块，使用gssr方法获取前足区域的足迹轮廓点及其位置，统计轮廓点在非重叠块中的数量和位置分布，得到前足区域f的足迹轮廓点分布图像a；同样地，得到后足区域h的足迹轮廓点分布图像b；

步骤s3：对足迹非轮廓点的梯度分布进行提取；

步骤s4：所述足迹轮廓点和所述足迹非轮廓点梯度分布相结合的足迹表达；

将所述足迹轮廓点和所述足迹非轮廓点的向量加权组合成一维向量，得到整个前足分块图像a的加权压力梯度分布特征同理，得到后足图像b的加权压力梯度分布特征再使用加权方式将前足区域特征和后足区域特征连接成足迹图像的特征m。

进一步地，所述基于pca的足迹图像校正还包括以下步骤：

步骤s11：去除噪声；通过大津法得到足迹区域的阈值，将小于该阈值的像素判为噪声，消除背景噪声；通过寻找整个足迹图像的连通区域，获取包含足迹区域的最小外接矩形；

步骤s12：基于pca的倾斜校正；为了减小噪声对足迹图像校正的影响，使用pca对包含足迹区域的最小外接矩形图像进行校正；

对去噪后的图像二值化并得到图像的全部白色像素数量nwhite；将获取的nwhite个白色像素的坐标值按从左往右、自上而下的顺序形成位置矩阵pwhite，其中r表示实数；求位置矩阵的协方差矩阵，并求出协方差矩阵的特征向量；构建旋转矩阵在矩阵rot中，α表示最大特征向量与水平方向的夹角；使用旋转矩阵左乘位置坐标得到旋转后的位置坐标，从而得到校正后的足迹图像；再按照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。

更进一步地，所述对足迹轮廓点的梯度分布进行提取还具有以下步骤：

步骤s21：以前足轮廓点分布图像a为例，计算前足区域图像的梯度为：

gv(x,y)＝a(x+1,y)-a(x-1,y)(1)；

gu(x,y)＝a(x,y+1)-a(x,y-1)(2)；

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

步骤s22：从所述前足分块图像的左上角开始按照从左往右、从上往下的顺序遍历图像块ki，i∈{1,2,3,...,l×h}，统计所述图像块ki中包含的轮廓点数量将每个所述非重叠块内得到的轮廓点数量进行归一化后按照图像块读取的顺序连接成一个l×h维权重向量；

其中，ai表示第i个块的第一个权重，i∈{1,2,3,…,l×h}；表示第i个块内轮廓点的数量；

步骤s23：将0°到180°的梯度方向平均划分为9个区间，对每个块内所有像素的梯度幅值在各个方向区间进行直方图统计：

其中，m1(ki,j)表示第i个块中第j个方向区间的梯度幅值直方图，i∈{1,2,3,…,l×h},j∈{1,2,3,…,9}；θ’j表示的是第j个方向区间的起始角度，δ表示的是方向区间的间隔，表示第i个块内所有像素点坐标的集合；

统计第i个块的梯度直方图m1(ki)，与对应块的权值相乘即ai×m1(ki)，将所有块的加权梯度直方图连接形成第一部分的特征向量m1。

进一步地，所述对足迹非轮廓点的梯度分布进行提取还具有以下步骤：

步骤s31：将前足部分剩下的区域以中心点所在的块为中心块，统计区域内每个块的像素值之和与中心块像素值之和的差值：

其中，bi表示第i个块的第二个权重，i∈{1,2,3,…,l×h}，第二个权重向量中轮廓点区域的块权重设置为零，表示非中心块中第wi个像素值，wi∈{1,2,3,…,wi}。表示中心块中第wf个像素值，wf∈{1,2,3,…,wf}。

步骤s32：把0°到180°的梯度方向平均划分为9个区间，对每个块内所有像素的梯度幅值在各个方向区间进行直方图统计。

其中，m2(ki,j)表示第i个块中第j个方向区间的梯度幅值直方图，i∈{1,2,3,…,l×h},j∈{1,2,3,…,9}；θ’j表示第j个方向区间的起始角度，δ表示方向区间的间隔，表示第i个块内所有像素点坐标的集合；统计第i个块的梯度直方图m2(ki)，并与对应块的权值相乘即bi×m2(ki)，将所有块的加权梯度直方图连接形成第二部分的特征向量m2。

较现有技术相比，本发明具有以下优点：

(1)本发明根据pca原理求取图像的主方向进行旋转校正，不易受噪声的影响。

(2)本发明兼顾足迹的局部轮廓形状信息，体现了不同区域足底压力梯度的重要性。

(3)本发明区分了足迹轮廓点区域与足迹非轮廓点区域的压力梯度分布特征，很好的体现了人行走时足底压力梯度的分布特点。

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为本发明区分足迹轮廓点区域与足迹非轮廓点区域的图像，其中图(a)为足迹轮廓点区域图像(前足)；(b)为足迹轮廓点区域图像(后足)；(c)为足迹非轮廓点区域图像(前足)；(b)为足迹非轮廓点区域图像(后足)。

图2为本发明的整体流程示意图。

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。

如图1-2所示，本发明提供了一种基于区域加权梯度分布的足迹表达方法，包括以下步骤：

步骤s1：基于pca的足迹图像校正。所述基于pca的足迹图像校正还包括以下步骤：

步骤s11：去除噪声；通过大津法得到足迹区域的阈值，将小于该阈值的像素判为噪声，消除背景噪声；通过寻找整个足迹图像的连通区域，获取包含足迹区域的最小外接矩形；

步骤s12：基于pca的倾斜校正；为了减小噪声对足迹图像校正的影响，使用pca对包含足迹区域的最小外接矩形图像进行校正；

对去噪后的图像二值化并得到图像的全部白色像素数量nwhite；将获取的nwhite个白色像素的坐标值按从左往右、自上而下的顺序形成位置矩阵pwhite，其中r表示实数；求位置矩阵的协方差矩阵，并求出协方差矩阵的特征向量；构建旋转矩阵在矩阵rot中，α表示最大特征向量与水平方向的夹角；使用旋转矩阵左乘位置坐标得到旋转后的位置坐标，从而得到校正后的足迹图像；再按照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。

步骤s2：对足迹轮廓点的梯度分布进行提取；以前足区域为例，首先将前足区域f均匀细分为高度和宽度分别为l和h的l×h个非重叠块，使用gssr方法获取前足区域的足迹轮廓点及其位置，统计轮廓点在非重叠块中的数量和位置分布，得到前足区域f的足迹轮廓点分布图像a；同样地，得到后足区域h的足迹轮廓点分布图像b。

步骤s2还具有以下步骤：s21：以前足轮廓点分布图像a为例，计算前足区域图像的梯度为：

gv(x,y)＝a(x+1,y)-a(x-1,y)(1)；

gu(x,y)＝a(x,y+1)-a(x,y-1)(2)；

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

步骤s22：从所述前足分块图像的左上角开始按照从左往右、从上往下的顺序遍历图像块ki，i∈{1,2,3,...,l×h}，统计所述图像块ki中包含的轮廓点数量将每个所述非重叠块内得到的轮廓点数量进行归一化后按照图像块读取的顺序连接成一个l×h维权重向量；

其中，ai表示第i个块的第一个权重，i∈{1,2,3,…,l×h}；表示第i个块内轮廓点的数量；

步骤s23：将0°到180°的梯度方向平均划分为9个区间，对每个块内所有像素的梯度幅值在各个方向区间进行直方图统计：

其中，m1(ki,j)表示第i个块中第j个方向区间的梯度幅值直方图，i∈{1,2,3,…,l×h},j∈{1,2,3,…,9}；θ’j表示的是第j个方向区间的起始角度，δ表示的是方向区间的间隔，表示第i个块内的所有像素点坐标的集合；

统计第i个块的梯度直方图m1(ki)，并与对应块的权值相乘即ai×m1(ki)，将所有块的加权梯度直方图连接形成第一部分的特征向量m1。

步骤s3：对足迹非轮廓点的梯度分布进行提取。

所述对足迹非轮廓点的梯度分布进行提取还具有以下步骤：

步骤s31：将前足部分剩下的区域以中心点所在的块为中心块，统计区域内每个块的像素值之和与中心块像素值之和的差值：

其中，bi表示第i个块的第二个权重，i∈{1,2,3,…,l×h}，第二个权重向量中轮廓点区域的块权重设置为零，表示非中心块中第wi个像素值，wi∈{1,2,3,…,wi}；表示中心块中第wf个像素值，wf∈{1,2,3,…,wf}；

步骤s32：把0°到180°的梯度方向平均划分为9个区间，对每个块内所有像素的梯度幅值在各个方向区间进行直方图统计；

其中，m2(ki,j)表示第i个块中第j个方向区间的梯度幅值直方图，i∈{1,2,3,…,l×h},j∈{1,2,3,…,9}；θ’j表示第j个方向区间的起始角度，δ表示方向区间的间隔，表示第i个块内的所有像素点坐标的集合；统计第i个块的梯度直方图m2(ki)，并与对应块的权值相乘即bi×m2(ki)，将所有块的加权梯度直方图连接形成第二部分的特征向量m2。

步骤s4：所述足迹轮廓点和所述足迹非轮廓点梯度分布相结合的足迹表达；

将所述足迹轮廓点和所述足迹非轮廓点的向量加权组合成一维向量，得到整个前足分块图像a的加权压力梯度分布特征同理，得到后足图像b的加权压力梯度分布特征再使用加权方式将前足区域特征和后足区域特征连接成足迹图像的特征m。

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。

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。