[发明专利]一种基于赤足或穿袜足迹图像的自动人身认定方法

说明书

技术领域

本发明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。

背景技术

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。

有鉴于此特提出本发明。

发明内容

本发明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，本发明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a_f，按照公式(1)进行相似度分值S_v计算(k、b是通过统计得出的分数判别系数)：

s_v＝kα_f+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v_s，样本库特征曲线为v_b，则其相似度分值S_l可由公式(2)计算得到：

s_l＝R(v_s,v_b)(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，w_i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L_f＝{l₁ l₂ ... l_i ... l_N}，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；