[發(fā)明專利]基于鞋印的嫌疑人性別預測方法

在審

• 申請?zhí)枺?/td>: 202011465285.8
• 申請日: 2020-12-14
• 公開（公告）號: CN112633338A
• 公開（公告）日: 2021-04-09
• 發(fā)明（設計）人: 張濤;朱振東;王慧;劉禹辰
• 申請（專利權）人: 遼寧師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06T7/10
• 代理公司: 大連智高專利事務所(特殊普通合伙) 21235
• 代理人: 馬慶朝

1.一種基于鞋印的嫌疑人性別預測方法，其特征在于，步驟如下：

S1、對傾斜鞋印進行矯正與提取：

S1.1、對鞋印圖像進行Radon變換，并對鞋印圖像進行傾斜矯正；

S1.2、提取鞋印：通過行列掃描的方式，得到矯正后鞋印圖像中鞋印的最小外接矩形，其四個頂點分別記為(x_left,y_top)，(x_right,y_top)，(x_left,y_bottom)，(x_right,y_bottom)，

S2、提取鞋印7維特征：

S2.1、提取鞋印特征中的鞋長和鞋寬；

S2.2、將鞋印圖像分割為前足區(qū)和后足區(qū)；

S2.3、提取鞋印特征中的前后足區(qū)質(zhì)心距離；

S2.4、提取鞋印特征中的前足區(qū)的鞋掌長寬和后足區(qū)的鞋跟長寬；

S3、建立基于鞋印的性別預測模型：

S3.1、建立特征集；

S3.2、對特征集進行降維；

S3.3、訓練基于支撐向量機的性別預測模型；

S4、對性別進行預測。

2.如權利要求1所述的基于鞋印的嫌疑人性別預測方法，其特征在于，步驟S1.1具體如下：

將鞋印圖像轉化為灰度圖像，使用最大類間方差法找到鞋印灰度圖像的一個合適的閾值，并將鞋印圖像的灰度圖像轉化為二值圖像；

采用5×5的方形結構元

對二值化后的二值圖像先進行閉運算，連接鞋印細小花紋，去除鞋印花紋影響,再進行開運算濾除鞋印圖像中的噪聲點以及鞋印周圍的噪聲點；

對去噪后的鞋印灰度圖像進行Radon變換，獲取投影值最大的角度，將其與90度的差作為傾斜角度；根據(jù)傾斜角度，對鞋印圖像進行傾斜校正。

3.如權利要求1所述的基于鞋印的嫌疑人性別預測方法，其特征在于，步驟S2.1具體如下：

鞋印特征的鞋長為|y_bottom-y_top|，鞋寬為|x_right-x_left|，

步驟S2.2具體如下：

以矯正后鞋印圖像中鞋印的最小外接矩形的水平中位線為界分為上下兩部分，上半部分區(qū)域為前足區(qū)，下半部分區(qū)域為后足區(qū)。

4.如權利要求1所述的基于鞋印的嫌疑人性別預測方法，其特征在于，步驟S2.3具體如下：

分別計算出前足區(qū)和后足區(qū)的質(zhì)心坐標，

前足區(qū)質(zhì)心坐標(c₁,c₂)：

后足區(qū)質(zhì)心坐標(c₃,c₄)：

其中x，y分別表示鞋印圖像在水平和垂直方向上的坐標，f(x,y)為矯正后圖像的灰度值，h表示矯正后鞋印圖像中鞋印的最小外接矩形的長度；

計算前后足區(qū)質(zhì)心距離x⁽³⁾：

5.如權利要求1所述的基于鞋印的嫌疑人性別預測方法，其特征在于，步驟S2.4具體如下：

對步驟S2.2中鞋印前足區(qū)圖像進行行列掃描，得到鞋掌部分最小外接矩形，按步驟S2.1計算得到鞋掌長寬；對步驟S2.2中鞋印后足區(qū)圖像進行行列掃描，得到鞋跟部分最小外接矩形，按步驟S2.1計算得到鞋跟長寬。

6.如權利要求1所述的基于鞋印的嫌疑人性別預測方法，其特征在于，步驟S3.1具體如下：

提取數(shù)據(jù)集中的每幅鞋印的7維特征，形成鞋印圖像特征集X，鞋印圖像的性別標簽記為H，

為第n個鞋印圖像樣本的鞋長，為第n個鞋印圖像樣本的鞋寬，為第n個鞋印圖像樣本的前后足區(qū)質(zhì)心距離，為第n個鞋印圖像樣本的鞋掌長，為第n個鞋印圖像樣本的鞋掌寬，為第n個鞋印圖像樣本的鞋跟長，為第n個鞋印圖像樣本的鞋跟寬，h_n為第n個鞋印圖像樣本對應的性別，h_n∈{0,1}，0為男性、1為女性。