[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

说明书

一种基于CNN的赤足或穿袜足迹的身高判定方法及系统，具体包括：S1：将赤足或穿袜足迹图像进行预处理；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。本申请大大降低了在破案中对人员经验的需求，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

本发明涉及一种身高判定方法及系统，具体说是一种基于CNN 的赤足或穿袜足迹的身高判定方法及系统。

背景技术

目前，用于测量身高的方法很多，最简单的就是使用尺子直接测量，这种测量方法需要人工操作来读取数据。随着测量技术逐渐向数字化发展，出现了利用超声波测量人体身高的方法，通过被测物体的反射回波接受后的时差来测量身高，这需要将超声波发射器置于头顶才能实现测量。随着图像处理技术的迅速发展，出现了利用图像测量人体身高的方法，实现了无接触式测量身高，但这需要用户与摄像头保持固定的距离才能实现测量。

足迹图像在各个场合都能广泛的产生，应用好足迹图像，挖掘其蕴含的信息，对于生物识别具有重要的意义。在警界传统基于足迹的身高预测模型都具有较大的误差，并且严重依赖人员的经验。

发明内容

本申请提供了一种基于CNN的赤足或穿袜足迹的身高判定方法及系统，大大降低了在破案中对人员经验的需求，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的赤足或穿袜足迹的身高判定方法，包括：

S1：将赤足或穿袜足迹图像进行预处理；

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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，所述身高分类网络中各层之间的激活函数为Relu激活函数，各层参数初始化采用截断正态分布进行，其均值为0，方差为0.1，该网络采用自适应学习率优化算法Adadelta进行优化，学习率为η＝0.5，动量参数为γ＝0.9。

更进一步的，基于区间概率进行身高判断具体为：使用验证集来预测该赤足或穿袜足迹的身高范围，设身高区间为M＝{m₁,m₂,...,m_N}，隶属于各个区间的概率为P＝{p₁,p₂,...,p_N}，则最后预测的身高区间为分别表示区间m_i的上边界和下边界；

本申请的第二种技术方案是：一种足底压力可视化分析系统，包括：