[发明专利]一种足底压力可视化分析方法及系统

权利要求书

1.一种足底压力可视化分析方法，其特征在于，包括：

S1：将足底压力信号灰度值化，构建足底压力数据灰度图像；

S2：将足底压力数据灰度图像进行超像素重构；

S3：将重构后的高像素灰度图伪彩色化，分别获得足底接触伪彩图和足底压力云图。

2.根据权利要求1所述一种足底压力可视化分析方法，其特征在于，所述将足底压力数据灰度图像进行超像素重构具体包括：1)灰度图插值增扩；2)基于CNN网络进行超像素重构。

3.根据权利要求2所述一种足底压力可视化分析方法，其特征在于，基于CNN网络进行超像素重构具体为：利用一个端到端的卷积神经网络实现超像素重构，在低分辨的图像上截取一个较大的图像块，然后通过一个N层卷积网络的映射，将其映射到一个较小图像块中，并通过这些较小的图像块重构成高分辨率图像。

4.根据权利要求3所述一种足底压力可视化分析方法，其特征在于，基于CNN网络进行超像素重构的训练步骤如下：

步骤1：超像素神经网络结构：定义了一个N层的卷积神经网络,其前馈计算迭代格式如下：

公式中G为经过插值后的灰度图像,W为神经网络的权向量，B为神经网络的偏置，其中W数据格式N阶张量；

步骤2：计算损失函数：在这个端到端的卷积网络中，需要优化的参数为θ＝{W_i,B_i}(i＝1～N)；选用的目标函数为均方根误差函数，其表达式如下:

这里L(θ)代表损失函数，即重构的高分辨图像与真实的高分辨图像相差的大小，损失函数越小，证明重构的高分辨图像越接近于真实的高分辨图像，n代表训练样本的大小，Y_i代表低分辨图像，X_i代表真实的高分辨图像，F(Y_i,θ)表示一个映射，输入低分辨图像，映射到一个高分辨率图像上；

步骤3：参数初始化；

步骤4：采用自适应学习率调整优化算法AdaDelta。

5.根据权利要求1所述一种足底压力可视化分析方法，其特征在于，足底接触伪彩图的编码函数为：

式中R,G,B分别代表伪彩图的三个通道，x代表灰度图像的灰度值；通过该编码方式能看到足底与地面实际接触的区域。

6.根据权利要求1所述一种足底压力可视化分析方法，其特征在于，足底压力云图的编码函数为：

R＝255e^0.01(x-255)

式中R,G,B分别代表伪彩图的三个通道，x代表灰度图像的灰度值；经过该编码函数生成的伪彩图，颜色变化更加平缓，能够有效的反映出足底不同位置的压力大小。

7.一种足底压力可视化分析系统，其特征在于，包括：

构建灰度图像模块：将足底压力信号灰度值化，构建足底压力数据灰度图像；

重构模块：将足底压力数据灰度图像进行超像素重构；

生成伪彩图模块：将重构后的高像素灰度图进行伪彩色化，分别获得足底接触伪彩图和足底压力云图。

8.根据权利要求7所述一种足底压力可视化分析系统，其特征在于，重构模块具体包括：插值增扩模块和基于CNN网络重构模块，所述基于CNN网络重构模块是利用一个端到端的卷积神经网络实现超像素重构，在低分辨的图像上截取一个较大的图像块，然后通过一个N层卷积网络的映射，将其映射到一个较小图像块中，并通过这些较小的图像块重构成高分辨率图像。