[发明专利]一种基于区域加权梯度分布的足迹表达方法

权利要求书

1.一种基于区域加权梯度分布的足迹表达方法，其特征在于，包括以下步骤：

S1：基于PCA的足迹图像校正；

S2：对足迹轮廓点的梯度分布进行提取；以前足区域为例，首先将前足区域F均匀细分为高度和宽度分别为l和h的L×H个非重叠块，使用GSSR方法获取前足区域的足迹轮廓点及其位置，统计轮廓点在非重叠块中的数量和位置分布，得到前足区域F的足迹轮廓点分布图像A；同样地，得到后足区域H的足迹轮廓点分布图像B；

S3：对足迹非轮廓点的梯度分布进行提取；

S4：所述足迹轮廓点和所述足迹非轮廓点梯度分布相结合的足迹表达；

将所述足迹轮廓点和所述足迹非轮廓点的向量加权组合成一维向量，得到整个前足分块图像A的加权压力梯度分布特征同理，得到后足图像B的加权压力梯度分布特征再使用加权方式将前足区域特征和后足区域特征连接成足迹图像的特征M。

2.根据权利要求1所述的一种基于区域加权梯度分布的足迹表达方法，其特征在于，所述基于PCA的足迹图像校正还包括以下步骤：

S11：去除噪声；通过大津法得到足迹区域的阈值，将小于该阈值的像素判为噪声，消除背景噪声；通过寻找整个足迹图像的连通区域，获取包含足迹区域的最小外接矩形；

S12：基于PCA的倾斜校正；为了减小噪声对足迹图像校正的影响，使用PCA对包含足迹区域的最小外接矩形图像进行校正；

对去噪后的图像二值化并得到图像的全部白色像素数量N_white；将获取的N_white个白色像素的坐标值按从左往右、自上而下的顺序形成位置矩阵P_white，其中R表示实数；求位置矩阵的协方差矩阵，并求出协方差矩阵的特征向量；构建旋转矩阵在矩阵ROT中，α表示最大特征向量与水平方向的夹角；使用旋转矩阵左乘位置坐标得到旋转后的位置坐标，从而得到校正后的足迹图像；再按照3:2的高度比例对足迹图像进行分区，得到前足区域和后足区域。

3.根据权利要求1所述的一种基于区域加权梯度分布的足迹表达方法，其特征在于，所述对足迹轮廓点的梯度分布进行提取还具有以下步骤：

S21：以前足轮廓点分布图像A为例，计算前足区域图像的梯度为：

G_v(x,y)＝A(x+1,y)-A(x-1,y) (1)；

G_u(x,y)＝A(x,y+1)-A(x,y-1) (2)；

其中，G_v(x,y)，G_u(x,y)分别表示前足分块图像中像素点(x,y)处的水平方向梯度、垂直方向梯度；像素点(x,y)处的梯度幅值和梯度方向为：

S22：从所述前足分块图像的左上角开始按照从左往右、从上往下的顺序遍历图像块k_i，i∈{1,2,3,...,L×H}，统计所述图像块k_i中包含的轮廓点数量将每个所述非重叠块内得到的轮廓点数量进行归一化后按照图像块读取的顺序连接成一个L×H维权重向量；

其中，a_i表示第i个块的第一个权重，i∈{1,2,3,…,L×H}；表示第i个块内轮廓点的数量；

S23：将0°到180°的梯度方向平均划分为9个区间，对每个块内所有像素的梯度幅值在各个方向区间进行直方图统计：

其中，M₁(k_i,j)表示第i个块中第j个方向区间的梯度幅值直方图，i∈{1,2,3,…,L×H},j∈{1,2,3,…,9}；θ′_j表示的是第j个方向区间的起始角度，Δ表示的是方向区间的间隔，表示第i个块内的所有像素点坐标的集合；

统计第i个块的梯度直方图M₁(k_i)，与对应块的权值相乘即a_i×M₁(k_i)，将所有块的加权梯度直方图连接形成第一部分的特征向量M₁。

4.根据权利要求1所述的一种基于区域加权梯度分布的足迹表达方法，其特征在于，所述对足迹非轮廓点的梯度分布进行提取还具有以下步骤：

S31：将前足部分剩下的区域以中心点所在的块为中心块，统计区域内每个块的像素值之和与中心块像素值之和的差值：

其中，b_i表示第i个块的第二个权重，i∈{1,2,3,…,L×H}，第二个权重向量中轮廓点区域的块权重设置为零，表示非中心块中第w_i个像素值，w_i∈{1,2,3,…,W_i}；表示中心块中第w_F个像素值，w_F∈{1,2,3,…,W_F}；

S32：把0°到180°的梯度方向平均划分为9个区间，对每个块内所有像素的梯度幅值在各个方向区间进行直方图统计；

其中，M₂(k_i,j)表示第i个块中第j个方向区间的梯度幅值直方图，i∈{1,2,3,…,L×H},j∈{1,2,3,…,9}；θ′_j表示第j个方向区间的起始角度，Δ表示方向区间的间隔，表示第i个块内的所有像素点坐标的集合；统计第i个块的梯度直方图M₂(k_i)，并与对应块的权值相乘即b_i×M₂(k_i)，将所有块的加权梯度直方图连接形成第二部分的特征向量M₂。