[发明专利]一种基于深度学习的足底压力图像配准方法

权利要求书

1.一种基于深度学习的足底压力图像配准方法，其特征在于，包括如下步骤：

A1：依据压力传感垫系统来实时采集用户步行时的每一帧连续的足底压力图像，并据此建立足底压力图像数据库；

A2：从足底压力图像数据库中任取一张足底压力图像作为模板图像，对其进行水平移动、竖直移动、旋转角度和缩放操作，并据此得出训练模型所使用的源足底压力图像数据集；

A3：先将源足底压力图像数据集分为训练集和测试集，而训练集占数据集总量的90％、测试集占数据集总量的10％，且均为随机选取，再将源足底压力图像数据集输入至级联卷积神经网络框架的粗调网络中，以训练出粗调网络模型，之后将其输入至级联卷积神经网络框架的细调网络中，以训练出细调网络模型，并保存训练出的粗调网络模型和细调网络模型；

A4：将待配准的足底压力图像使用主轴算法估算得到初始配准参数；

A5：先将经主轴算法估算得到初始配准参数的足底压力图像输入至训练出的粗调网络模型中，再将其输入至细调网络模型中，并导出配准参数。

2.根据权利要求1所述的一种基于深度学习的足底压力图像配准方法，其特征在于，所述足底压力图像数据库的建立过程为：

S1：获取到用户步行时的每一帧连续的足底压力图像；

S2：将该足底压力图像中各传感器在脚底所承受的最大压力叠加，并得到一个完整的峰值足底压力图像；

S3：重复上述步骤S1和S2，并将所有的完整的峰值足底压力图像收集，以得到足底压力图像数据库。

3.根据权利要求1所述的一种基于深度学习的足底压力图像配准方法，其特征在于，所述水平移动、竖直移动、旋转角度和缩放操作的变换参数范围为：水平移动和竖直移动的变换参数范围设置在-5至5像素之间，其中的-号表示向左或向下平移；旋转角度的变换参数范围设置在-5°至5°，其中的-号表示顺时针旋转；缩放操作的变换参数范围设置在0.5至2之间。

4.根据权利要求1所述的一种基于深度学习的足底压力图像配准方法，其特征在于，所述粗调网络包含九个依次连接的层，分别为三个卷积层、三个最大池化层和三个全连接层；所述细调网络包含七个依次连接的层，分别为两个卷积层、两个最大池化层和三个全连接层。

5.根据权利要求1所述的一种基于深度学习的足底压力图像配准方法，其特征在于，所述主轴算法表示为旋转待配准的足底压力图像使其主轴对准模板足底压力图像的主轴，且主轴被计算为压力加权协方差矩阵的主要特征向量。

6.根据权利要求1所述的一种基于深度学习的足底压力图像配准方法，其特征在于，所述导出配准参数表示为粗调网络模型和细调网络模型输出结果的叠加，且包括水平移动、竖直移动、旋转角度和缩放操作共四个参数。