[发明专利]一种基于CNN的赤足或穿袜足迹的身高判定方法及系统

权利要求书

1.一种基于CNN的赤足或穿袜足迹的身高判定方法，其特征在于，包括：

S1：将赤足或穿袜足迹图像进行预处理；

A、赤足或穿袜足迹图像矫正：应用PCA算法将赤足灰度图像进行旋转矫正；首先设定一个灰度阈值θ，然后对灰度图像的每一个像素进行遍历，如果灰度值大于θ，则将该像素的位置信息储存到特征矩阵中，具体是一个n行2列的矩阵，n的值等于该灰度图像中像素值大于θ的像素个数，第一列代表像素的位置信息，第二列代表位置信息；在此基础上对特征矩阵进行PCA运算得到两个二维的特征向量，这两个特征向量相互正交，即为原图中足迹的两个方向向量，通过选择变换即可将图像矫正；

B、基于特征点的足迹分割：经过PCA图像矫正后边缘处噪声也被相应的旋转至图像内部，因此在图像旋转后对其进行降噪处理；通过基于阈值的像素分割确定足迹边缘的四个关键点，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，来确定足迹的大体位置，然后通过裁剪的方式，将边缘噪声裁剪掉，并将其补0，具体步骤如下：

SB1：将PCA矫正后图像作为输入input；

SB2：对图像input进行逐列扫描，并返回每列最大值，保存至M向量中；

SB3：搜索内外缘突点；

SB3.1：设定像素分割阈值θ；

SB3.2：对M向量从左至右依次扫描；

SB3.3：如果元素M_i＞θ，则终止扫描，并返回数值i记为i_l；

SB3.4：对M向量从右至左依次扫描；

SB3.5：如果元素M_i＞θ，则终止扫描，并返回数值i记为i_r；

SB4：对图像input进行逐行扫描，并返回每列最大值，保存至向量M中；

SB5：搜索前后缘突点；

SB5.1：设定像素分割阈值θ；

SB5.2：对M向量从上至下依次扫描；

SB5.3：如果元素M_i＞θ，则终止扫描，并返回数值i记为i_t；

SB5.4：对M向量从下至上依次扫描；

SB5.5：如果元素M_i＞θ，则终止扫描，并返回数值i记为i_b；

SB6：通过i_b，i_t，i_l，i_r四个关键点对足迹图像进行裁剪；

SB7：结束；

S2：对预处理后图像的进行身高段分类，所述身高段分类具体包括：

S21：将身高数据离散化；

S22：制作数据集；

S23：构建身高分类网络；

S24：基于区间概率进行身高判断。

2.根据权利要求1所述一种基于CNN的赤足或穿袜足迹的身高判定方法，其特征在于，将身高数据离散化具体是：根据身高段不同，将男性分为N组，将女性分为N组。

3.根据权利要求2所述一种基于CNN的赤足或穿袜足迹的身高判定方法，其特征在于，制作数据集具体是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，又各自定义两个部分：

a)训练集：用于深度学习，每个赤足或者穿袜足迹数据采样带有从属身高信息；

b)验证集：用于验证深度学习结果的好坏，每个赤足或者穿袜足迹数据采样带有从属身高信息。

4.根据权利要求1所述一种基于CNN的赤足或穿袜足迹的身高判定方法，其特征在于，构建身高分类网络具体是：使用训练集的数据针对男性和女性分别构建一个基于Alexnet网络架构的卷积神经网络，对赤足或穿袜足迹图像进行分类；该网络输入为赤足或穿袜足迹图像，输出为属于某一个身高段的概率值。