[发明专利]一种关节炎患者的足底压力特征识别方法和系统

权利要求书

1.一种关节炎患者的足底压力特征识别方法，其特征在于包括以下步骤：

(1)分别对正常人和被检测者的足底压力数据进行采集，并对得到的足底压力图像数据进行预处理；

(2)对预处理后的足底压力图像数据进行主成分分析，提取基于足底形状和压力分布的经典特征构成特征向量；

(3)构建小波神经网络模型，并采用正常人的足底压力特征向量对构建的小波神经网络模型进行训练，并将被检测者的足底压力特征向量输入训练好的小波神经网络模型，得到被检测者的足底压力特征识别结果。

2.如权利要求1所述的一种关节炎患者的足底压力特征识别方法，其特征在于：所述步骤(1)中，对得到的足底压力图像数据进行预处理的方法包括足底关键帧提取、区域划分和去噪三个过程：

所述足底关键帧提取是指从足底压力图像数据中提取能够反映数据内容的关键数据帧；

所述区域划分是指根据不同的足底压力特征区域对采集的足底压力数据进行区域划分；

所述去噪是指对获得的足底压力分布图像进行整体去噪和局部去噪，所述整体去噪根据预设整体去噪阈值对所有足底压力分布图像数据进行去噪，所述局部去噪是指根据预设足跟部阈值对整体去噪后的足跟部压力数据进行局部去噪。

3.如权利要求1所述的一种关节炎患者的足底压力特征识别方法，其特征在于：所述步骤(2)中，对预处理后的足底压力图像数据进行主成分分析，提取基于足底形状和压力分布的经典特征构成特征向量的方法，包括以下步骤：

(2.1)获取正常人和关节炎患者的足底基础数据，并对足底基础数据进行预处理；

(2.2)对于足底压力图像的每个像素，分别计算3个压力相关和3个时间相关的参数；

(2.3)使用主成分分析对足底压力图像的每个像素的6个参数和预处理后的足底基础数据进行参数提取，得到基于足底形状和压力分布的经典特征构成特征向量。

4.如权利要求3所述的一种关节炎患者的足底压力特征识别方法，其特征在于：所述步骤(2.3)中，使用主成分分析对足底压力图像的每个像素的6个参数和预处理后的足底基础数据进行参数提取，得到基于足底形状和压力分布的经典特征构成特征向量的方法，包括以下步骤：

(2.3.1)将预处理后的正常人和被检测者的足底压力图像数据分别作为足底压力图像训练样本和测试样本；

(2.3.2)计算所有足底压力图像训练样本的平均图像S和协方差矩阵G；

式中，为训练样本，且i＝1,2，…，N,j＝1,2,…K，i表示第i个人，即类别数，j表示第i个人的第j幅图像，N表示识别的总人数，K表示每个人包含K幅图像，M表示样本总数且M＝NK；

(2.3.3)将足底压力图像训练样本的协方差矩阵G进行特征值分解GX_i＝u_iX_i，并选取其中p个最大特征值u₁,u₂,…,u_p对应的正交特征向量X₁,X₂,…,X_p作为投影空间；

(2.3.4)将足底压力图像训练样本向投影空间进行投影，得到足底压力图像训练样本的特征矩阵和主成分向量；

其中，矩阵Y_jⁱ是训练样本的特征矩阵，Y_jⁱ(1)，Y_jⁱ(2)，…，Y_jⁱ(p)是训练样本的主成分向量；

(2.3.5)将测试样本Z∈R^m×p向投影空间X₁,X₂,…,X_p投影后得到测试样本W的特征矩阵Y_i和主成分向量Y_i(1)，Y_i(2)，…，Y_i(p)；

Y_i＝[Y_i(1)，Y_i(2)，…，Y_i(p)]＝[ZX₁，ZX₂，…，ZX_p]，

(2.3.6)将得到的训练样本和测试样本的特征矩阵和主成分向量作为特征向量。