人体赤足迹形态学特征提取方法的研究

《人体赤足迹形态学特征提取方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要人体站立或行走条件下，脚掌面通过力的传递作用在某种刚性载体上形成的压痕信息即为平面赤足迹。其形态分布特征由人体脚型骨骼决定，具备特定性和相对稳定性。同时，足痕信息来源于人的整体行为，与人的生物特征存在特定联系，且表现为一定的规律性。这是赤足迹形态特征提取、分析的优点，亦为其难点。由于足迹特征点的标注定位专家经验描述比较模糊，且目前足迹的识别、检验都是人工或半人工地进行，所以需要研究自动可靠的形态学分析技术，以获取精确稳定的特征参数值来进行足迹分析、认证。作为平面赤足迹分析识别技术的初步研究，本文给出了一种自动提取基于计算几何的数字形状特征测量集模型，并运用标准

2、偏差分析理论讨论了所提取的足迹轮廓特征测量集的识别能力和鲁棒性。在图像轮廓的提取中，本文采用了阈值分割的方法。根据实验数据的特点，提出了基于双峰法和大律法相结合的双阈值分割方法，同时对大律法在实施过程中，针对其对于目标和背景灰度相差不明显时分割会出现大块黑色区域的不足加以改进，采用灰度拉伸以增加对比度，再采用大律法进行阈值提取。实验表明，这是一种速度快且分割效果良好的方法。对于特征量，除了一般的几何特征外，本文考察了足部两条曲线的信息，定义了平均弯曲度来描述曲线的整体形状，评估曲线各点角度变化的程度。在实验结果及数据分析中，基于获取特征量间的相关性及对特征量标准偏差比

3、的分析，本文给出了一种基于人体赤足迹识别的模型。对足部特征量与人基本信息如体重、性别、身高之间的关系做了研究，实验表明，本文所获取的特征量可反映足迹所有人的某些生物特征，具有潜在的应用价值。关键词：赤足迹，形状分析，双阈值分割，形态学滤波，平均弯曲度，标准偏差ABSTRACTTllleplanebarefootprintsarethetracksinfomationf0册edbythesoleoffootthroughmeforce仃ansmissionactingonsome五gidcarrierinthecaseofbody’sstandingorwau(ing．

4、T11emo巾hologicalfeatureofitsdistributionproVidedwithspecificcharacteristicsandrelativestabilityisdetenninedbytheshapeoffbotbones．Meanwhile，也ebarefootprintsinfoHnationwhichisstemed丘Dmperson’soVerallbehaviorsconnectsspecificallywithhumanbeing’sbiologicalcharacteristicsandpresentsacenainre

5、gul撕够111isisnot0nlytheadvantageofthemo叩hologicalfeatureeX仃action粕d卸alysisbutalso也edi伍cul够nisra．fher0bscurethattheexpert’sexperi印cedesc曲esmemarkand10cationofthe仃ackfea眦pointS．Inaddition，thecmentidentificationandexanlillationof缸．acl【sare枷ficial0rsenli．amficialm锄ers．Therefore，weshouldstudy

6、theautoma“candrelia：bletechnolo蹦of也eshapeanalysisinordert0procurethes切【ble龃daccuratesurve如ngvalueoffeanlre．Thus，t11efooq)rintscanbeanalyzedandidentified．AsthepreliminaDrstudyoftheanalysisandidemificationtechnologyofpl锄ebarcfoo印血tS，t11isp印erprovidesamodcl也atc跹eXtractautomatically也es_urve

7、ycoUectionS0fdi百talshapefeaturebased衄geometriccalculation．A1s0tlle血eoryoft11es伽1darddeviationanalysisisusedtodiscuss也erecogllitionabin够androbuStofthefoo印而1tsoutline1．ea似咒．Dufingdrawingtlleimageouthne，weadoptt11e印proach舳medThresholdSegmentation．Based蛐t11echamcteristicsabouttheex