[发明专利]基于足底压力的身高估算方法

权利要求书

1.一种基于足底压力的身高估算方法，其特征在于，所述身高估算方法包括以下步骤：

步骤1.采集足底压力图像样本并进行预处理；

步骤2.建立并训练神经网络模型；

步骤3.将预处理的图像样本输入训练好的神经网络模型，计算得出足底压力特征值；

步骤4.建立足底压力特征值与身高的多元线性回归模型；

步骤5.继续用神经网络模型计算足底压力特征值，通过多元线性回归模型估算身高。

2.根据权利要求1所述的身高估算方法，其特征在于，步骤1所述采集足底压力图像样本并进行预处理包括如下步骤：

步骤1.1.定义成年人在行走状态下足底压力图像样本中的足底压力特征区域，包括：第1跖骨区域、第2～3跖骨区域、第4～5跖骨区域、足跟区域、第1趾骨区域、第2～5趾骨区域和足弓区域；

步骤1.2.根据足底压力特征区域对压力特征的表达能力，对采集的足底压力图像样本进行筛选，剔除缺少行走状态下具备的第1跖骨区域、第1趾骨区域或者足跟区域的足底压力图像；

步骤1.3.将筛选后的足底压力图像中的标尺、水印以及网格线不适用于神经网络判读的附加信息去除；

步骤1.4.对于足迹方向和足迹位置不在图像中间的足底压力图像，进行旋转校正与足迹中心化操作；

步骤1.5.以足印上与足印下最突出点向外10像素为切点，将图像裁切成统一规格的矩形图片，并增强分辨率。

3.根据权利要求1所述的身高估算方法，其特征在于，步骤2所述建立并训练神经网络模型是基于VGG16网络建立神经网络模型，具体包括以下步骤：

步骤2.1.VGG16网络共16层，包含13个卷积层和3个全连接层，其中13个卷积层又被分成5个卷积块，第一卷积块包含2个3*3*64的卷积层，第二卷积块包含2个3*3*128的卷积层，第三卷积块包含3个3*3*256的卷积层，第四卷积块包含3个3*3*256的卷积层，第五卷积块包含3个3*3*256的卷积层，第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块后均连接一个最大池化层，第五卷积块连接的最大池化层接3个全连接层，3个全连接层中的最后一个全连接层连接Softmax层，每一个全连接层的输出都作为下一个全连接层的输入；

步骤2.2.输入层向VGG16网络输入224*224*3的局部上下文区域图像，输入图像与卷积块进行卷积操作，得到每一个卷积块后对应的多个特征图；

步骤2.3.激活函数对每一个卷积块后对应的多个特征图进行非线性处理，激活函数选用ReLU函数，输入图像经过卷积和池化层后，经过最后一个全连接层得到的特征图再经过Softmax层操作后得到分类结果，通过输出层输出；

步骤2.4.针对足底压力图像包含色差像素少的特征，基于VGG16网络模型，在每一个池化层后引入批量规范化层(BatchNormalization，BN)加速神经网络模型的训练，设定神经网络模型训练输入样本量不低于4000个，批处理量为128张为1个Batch，迭代次数不低于350次，学习利用率为0.0001。