[發明專利]一種基于SVM+CNN的足底壓力圖像的識別方法

有效

• 申請號: 201810416943.0
• 申請日: 2018-05-04
• 公開（公告）號: CN108596269B
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 張艷;王喬;王年;朱明;唐俊
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06K9/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于SVM+CNN的足底壓力圖像的識別方法，其特征在于，包括以下步驟：

step_1:讀取足底壓力圖像，并進行濾波，構建足底壓力圖像數據集；

step_2:構建卷積神經網絡CNN，將數據帶入，進行訓練，并保存訓練好的模型；其特征在于，所述的CNN模型結構中，包含4個交替的卷積層和池化層，1個全連接層，其中：

第一個卷積層的過濾器大小為Conv5*5*32，第二個卷積層的過濾器大小為Conv3*3*128，第三個卷積層的過濾器大小為Conv3*3*256，第四個卷積層的過濾器大小為Conv3*3*512，4個池化層的過濾器均為Maxpool2*2，全連接層輸出1024維特征向量，輸出層采用softmax函數，以交叉熵作為優化目標；

step_3:將數據帶入訓練好的模型，得到該CNN模型提取的特征向量；

step_4:提取具有明確特征意義的足底壓力圖像的特征；其特征在于，所提取的具有明確特征意義的特征包括足長足寬f_L、f_W、足面積area以及足底壓力圖像的壓力直方圖Pressure histogram特征，其中，f_L、f_W是指壓力圖像的最小外界矩形的長和寬；area是指壓力圖像中壓力值不為零的壓力點的總個數；Pressure histogram是指壓力圖像中，某一壓力值在壓力圖像中所出現的頻率；

step_5:將step_3、step_4分別提取到的特征進行融合，并進行歸一化，得到足底壓力圖像的特征數據集，并按照80％、20％的比例制作訓練集和測試集；

step_6:將訓練集的特征數據送入到SVM進行訓練，得到SVM模型；

step_7:將測試集的特征數據送入到訓練好的SVM模型中，進行預測，得到預測結果。

2.根據權利要求1所述的一種基于SVM+CNN的足底壓力圖像的識別方法，其特征在于，濾波時，選取8連通區域濾波法進行濾波，具體包括以下步驟：首先按照8連通區域尋找壓力圖像的連通區域r，然后計算各個連通區域中的壓力點的個數S_r，最后設定閾值t，當S_r≤t時，則認為該連通區域中的壓力點為噪聲點。

3.根據權利要求1所述的一種基于SVM+CNN的足底壓力圖像的識別方法，其特征在于，選取的SVM的核參數為RBF核。