[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

说明书

本发明公开了一种基于卷积神经网络的足迹识别及信息挖掘方法及系统，该系统包括：采集模块，包括压力传感器和摄像头，采集待测人员的足迹图像及生物信息；预测模块，对采集到的足迹图像进行预处理及特征提取，得到身份信息或预测的生物信息；显示模块，显示预测模块得到的身份信息或预测的生物信息；传输模块，将预测模块得到的身份信息或预测的生物信息传输至其他设备端显示。本发明提供的基于卷积神经网络技术的足迹识别及信息挖掘方法及系统，通过具有方向和尺度信息的卷积层构成的卷积神经网络实现，有效的提高了足迹识别和信息挖掘的准确率。

技术领域

本发明涉及生物识别与信息挖掘技术领域，具体涉及一种基于卷积神经网络的足迹识别及信息挖掘方法及系统。

背景技术

足迹识别及信息挖掘是生物特征识别技术的一种新型的识别技术，主要是利用图像采集模块采集赤足或者其他形式的足迹图像，从而对足迹图像进行身份识别及信息挖掘。

足迹是人自重和人体肌力通过脚作用于地面等物质客体上形成的痕迹。足迹按照是否有深度或高度信息可分为立体足迹与平面足迹。立体足迹包含丰富的生理特征和行为特征，是足迹检验鉴定方面的重要研究对象。赤脚足迹具有广泛性、唯一性、稳定性、可采集性的特点，为足迹的模式识别技术和足迹信息挖掘提供了依据和广阔的空间。但是当前的技术对足迹的分析还存在着识别率低，信息挖掘分析准确性不高的问题。

因此，如何提出一种足迹识别和信息挖掘的方法，提高足迹识别和信息挖掘的准确率成为足迹研究领域的重要课题。

发明内容

针对现有技术中的缺陷，本发明提供一种基于卷积神经网络的足迹识别及信息挖掘方法及系统。

一方面，本发明提出一种基于卷积神经网络的足迹识别及信息挖掘方法，包括：

建立并训练预测模型，包括足迹识别和信息挖掘模型；

进一步的，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，其中，该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，包括高斯函数或Gabor函数；

更进一步的，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+ysinθ；y′＝-x sinθ+y cosθ。

采集待测对象的足迹图像及生物信息；

对足迹图像进行预处理，得到图像数据信息；

进一步的，预处理包括：

对足迹图像进行裁剪、压缩和归一化，其中，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。

预处理得到的图像数据信息输入预测模型进行特征提取，得到生物信息。

显示该生物信息；

进一步的，该步骤包括：

在本设备端直接显示生物信息；

或通过无线网络传输到其他设备端显示生物信息；

更进一步的，生物信息为通过足迹识别和信息挖掘得到的身份信息或根据足迹图像预测的生物信息。

另一方面，本发明提出了一种基于卷积神经网络的足迹识别及信息挖掘系统，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；