[发明专利]一种基于CNN的赤足足迹的体重判定方法

说明书

本发明公开了一种基于CNN的赤足或穿袜足迹的体重判定方法，包括：S1：获取赤足或者穿袜足迹图像数据，并对图像数据进行预处理；S2：制作赤足图像数据集；S3：数据训练与特征提取：S4：体重判定。本申请利用深度学习的方式实现对于人体体重的预估，解放人力的同时，判定的准确率也得到了很大的提高。

技术领域

本发明涉及一种体重判定方法，具体说是一种基于CNN的赤足足迹的体重判定方法。

背景技术

体重测量是人们日常生活中经常会做的事情，它在医疗应用、学校体检、家庭应用等领域被普遍采用，上世纪50年代中期电子技术的发展推动体重测量制造业的飞速发展，传统的全机械型体重测量仪不便于携带、功能单一、测量精确度低且智能化程度不高，同时测量受温度变化的影响很大，因此进一步研究体重的测量方法有着非常现实的意义。

发明内容

本申请提供了一种基于CNN的赤足足迹的体重判定方法，利用深度学习的方式实现对于人体体重的预估，解放人力的同时，判定的准确率也得到了很大的提高。

本申请的第一种技术方案是：一种基于CNN的赤足足迹的体重判定方法，包括：

S1：获取赤足足迹图像数据，并对图像数据进行预处理；

S2：制作赤足图像数据集；

S3：数据训练与特征提取；

S4：根据任意一张赤足足迹图像判定该图像的拥有者的体重。

进一步的，将完成预处理的数据集分为两类，男性数据和女性数据；针对每一类，又定义以下两个部分：

(1)训练集：用于深度学习的训练过程，每个赤足足迹数据采样带有从属体重信息；

(2)验证集：用于验证深度学习的结果，每个赤足足迹数据采样带有从属体重信息，但是验证集不参与训练，只是用来衡量体重判定的准确度；

上述验证集的数据维度不高于训练集的数据维度，待识别集的数据信息量不高于训练集的数据信息量；有效信息数据维度不低于识别数据集的特征维度；

进一步的，数据训练与特征提取，包括：

1)训练数据准备：对已经完成预处理后的男女性训练集和验证集的二维图像数据，依照标签进行分组分类；

2)分组进行基于CNN网络的训练，此处使用改进的AlexNet网络。

进一步的，依照标签进行分组分类，具体为：

A组：0类：储存体重＜m(kg)的样本；1类：储存体重≥m(kg)的样本；

B1组：0类：储存体重＜m-n(kg)的样本；1类：储存体重≥m-n(kg)的样本；

B2组：0类：储存体重＜m-2n(kg)的样本；1类：储存体重≥m-2n(kg)的样本；

…

Bk组：0类：储存体重＜m-kn(kg)的样本；1类：储存体重≥m-kn(kg)的样本；

…

C1组：0类：储存体重＜m+n(kg)的样本；1类：储存体重≥m+n(kg)的样本；

C2组：0类：储存体重＜m+2n(kg)的样本；1类：储存体重≥m+2n(kg)的样本；

…

Ck组：0类：储存体重＜m+kn(kg)的样本；1类：储存体重≥m+kn(kg)的样本；

m＝(max+min)/2；其中max和min分别代表获取到的样本的体重标签中的最大值和最小值；