[发明专利]一种基于深度学习的足底压力图像配准方法在审
| 申请号： | 201910533477.9 | 申请日： | 2019-06-19 |
| 公开（公告）号： | CN110264456A | 公开（公告）日： | 2019-09-20 |
| 发明（设计）人： | 夏懿;李彦琳 | 申请（专利权）人： | 安徽大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/33;G06T7/62 |
| 代理公司： | 北京和信华成知识产权代理事务所(普通合伙) 11390 | 代理人： | 胡剑辉 |
| 地址： | 230601 安徽省合肥市经济技术开发*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的足底压力图像配准方法，本发明是利用级联卷积神经网络回归模型来估算得到足底压力图像的配准参数，而对待配准足底压力图像则使用主轴算法来估算得到初始配准参数，进而使得待配准图像的旋转角度缩小到一定范围，以便后续的二次配准，且设计的级联卷积神经网络框架，其分为粗调网络和细调网络，通过不同的变换参数来产生源足底压力图像，所产生的数据集用于模型训练，之后将待配准图像依次输入至训练出的粗调网络模型和细调网络模型中，最后将粗调网络模型和细调网络模型输出的结果进行叠加组合，以得到最终的足底压力图像配准参数，使得优化配准参数的效率得到显著提升。 | ||
| 搜索关键词： | 足底压力 网络模型 配准参数 图像配准 粗调 细调 卷积神经网络 配准图像 级联 估算 图像 变换参数 叠加组合 回归模型 角度缩小 模型训练 压力图像 产生源 数据集 配准 算法 网络 输出 学习 优化 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽大学，未经安徽大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910533477.9/，转载请声明来源钻瓜专利网。
