[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

本發明提供一種基于SVM+CNN的足底壓力圖像的識別方法。該方法包括以下步驟：首先，對足底壓力圖像進行濾波，構建足底壓力圖像數據集；其次，分別提取特征，包括提取具有明確特征意義的特征和利用卷積神經網絡CNN提取的圖像特征；然后，將具有明確特征意義的特征和利用CNN提取的圖像特征進行融合，經歸一化后得到特征數據集；最后，足底壓力圖像的識別，將特征數據集送入支持向量機SVM進行訓練、測試，得到結果。該方法避免了因圖像不清楚而導致的特征提取困難等問題，從而提高了方法的魯棒性。

技術領域

本發明涉及一種基于SVM+CNN的足底壓力圖像的識別方法，特別是關于一種足底壓力圖像的識別方法。

背景技術

隨著技術的成熟，指紋、人臉、虹膜、DNA等生物識別技術得到了越來越多的應用，不管是在金融支付等領域，還是刑偵和安全等領域，均能見著它們的身影。但這些生物識別技術屬于近距離身份識別技術，需要參與者密切配合才能完成。這不僅容易引起人權糾紛，在人流量大的地方使用，比如進入候車廳等，身份認證效率慢，容易造成候車人員擁擠，發生踩踏等事故。足跡識別是一種獨特的遠距離身份識別技術，足跡信息可以在采集對象不經意間就被采集，也就是說當人在行走時就完成了身份認證，而不需要特意騰出一只手來去采集指紋和伸出頭來去刷臉或者虹膜等。

足跡識別是通過人行走時在承痕體上留下的足跡對身份進行識別。當前的足跡識別方法大都是在捺印、墨跡圖像等基礎上研究的。這些方法的識別準確率受圖像的質量影響較大，對于質量較差的圖像，特征提取困難，容易造成錯誤識別的情況，降低方法的魯棒性。

發明內容

基于背景技術存在的一些問題，本發明提出一種針對足底壓力圖像的識別方法。

本發明提出的一種基于SVM+CNN的足底壓力圖像的識別方法，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；

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；

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。

優選地，對圖像進行濾波時選擇8連通區域濾波法，該方法在濾除足底壓力圖像的噪聲點的同時，不會改變除噪聲點外的壓力值，極大的保留了壓力圖像的壓力分布。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，該認為連通區域中的壓力點為噪聲點。

優選地，其卷積神經網絡CNN的模型結構包含4個交替的卷積層和池化層，1個全連接層。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。