[发明专利]基于卷积神经网络的足迹识别及信息挖掘方法及系统

权利要求书

1.一种基于卷积神经网络的足迹识别及信息挖掘方法，其特征在于，包括：

建立并训练预测模型，包括足迹识别模型和信息挖掘模型；

采集待测对象的足迹图像及生物信息；

对所述足迹图像进行预处理，得到图像数据信息；

所述预处理得到的图像数据信息输入所述预测模型进行特征提取，得到预测生物信息；

显示所述预测生物信息；

其中，所述预测生物信息为根据所述足迹图像预测的生物信息，所述预测生物信息包括身高、体重、年龄、性别和身份信息；

其中，所述预测模型为具有方向和尺度信息的卷积层构成的卷积神经网络，所述卷积神经网络中具有方向和尺度信息的卷积层中的卷积模板是具有方向和尺度的函数，包括Gabor函数，所述Gabor函数为：

其中，x代表横坐标，y代表纵坐标，λ代表Gabor函数的尺度信息，θ代表Gabor函数的方向信息，ψ代表相位，σ代表高斯包路线的标准差，γ代表空间长宽比，且x′＝x cosθ+y sinθ；y′＝-x sinθ+y cosθ，在Gabor卷积中，Gabor函数的参数θ和参数λ通过如下方式进行学习更新：

其中，L是损失函数，α是学习率。

2.根据权利要求1所述的基于卷积神经网络的足迹识别及信息挖掘方法，其特征在于，所述卷积神经网络中具有方向和尺度的函数还包括高斯函数。

3.根据权利要求1所述的基于卷积神经网络的足迹识别及信息挖掘方法，其特征在于，所述预处理包括：

对足迹图像进行裁剪、压缩和归一化，所述归一化为：

其中，x是输入数据，mean是均值，std是方差，x₁是输出数据。

4.根据权利要求1所述的基于卷积神经网络的足迹识别及信息挖掘方法，其特征在于，显示所述预测生物信息包括：

在本设备端直接显示所述预测生物信息；

或通过无线网络传输到其他设备端显示所述预测生物信息。

5.一种基于卷积神经网络的足迹识别及信息挖掘系统，其特征在于，包括：

采集模块，包括压力传感器和摄像头，采集待测对象的足迹图像及生物信息；

预测模块，利用足迹识别模型和信息挖掘模型对采集到的足迹图像进行预处理及特征提取，得到待测对象的预测生物信息；

显示模块，显示所述预测模块得到的身份信息或预测的生物信息；以及

传输模块，将所述预测模块得到的身份信息或预测的生物信息传输至设备端显示；

其中，所述预测生物信息为根据所述足迹图像预测的生物信息，所述预测生物信息包括身高、体重、年龄、性别和身份信息；

其中，所述预测模型为具有方向和尺度信息的卷积层构成的卷积神经网络，所述卷积神经网络中具有方向和尺度信息的卷积层中的卷积模板是具有方向和尺度的函数，包括Gabor函数，所述Gabor函数为：

其中，x代表横坐标，y代表纵坐标，λ代表Gabor函数的尺度信息，θ代表Gabor函数的方向信息，ψ代表相位，σ代表高斯包路线的标准差，γ代表空间长宽比，且x′＝x cosθ+y sinθ；y′＝-x sinθ+y cosθ，在Gabor卷积中，Gabor函数的参数θ和参数λ通过如下方式进行学习更新：

其中，L是损失函数，α是学习率。

6.根据权利要求5所述的基于卷积神经网络的足迹识别及信息挖掘系统，其特征在于，所述预测模块预置一预测模型，实现足迹识别和信息挖掘。

7.根据权利要求5所述的基于卷积神经网络的足迹识别及信息挖掘系统，其特征在于，所述卷积神经网络中具有方向和尺度的函数还包括高斯函数。