基于柔性陣列 傳感器的足跡特征分析與應用研究.pdf

1、隨著足跡識別得到越來越多的應用，基于柔性陣列傳感器的足跡特征分析也受到越來越多研究者的關(guān)注。足底壓力數(shù)據(jù)具有對遮擋、尺寸以及背景變化較魯棒的特點，且包含了豐富的行走姿態(tài)、習慣以及足跡等信息，因此被廣泛應用于臨床醫(yī)學、運動分析、刑事偵查、身份識別等領(lǐng)域。而提取有效的足底壓力數(shù)據(jù)特征子集，能夠為這些領(lǐng)域的決策提供更加量化的科學依據(jù)。本文在國內(nèi)外有關(guān)足底壓力數(shù)據(jù)特征分析及識別的研究基礎(chǔ)上，從特征提取、特征選擇和多類特征融合方面對足跡識別進行了

2、研究，并研究其在足跡跟蹤中的應用。構(gòu)建靜態(tài)站立足底壓力數(shù)據(jù)庫和動態(tài)行走足底壓力數(shù)據(jù)庫，靜態(tài)站立足底壓力數(shù)據(jù)庫采集了特定條件下的兩組數(shù)據(jù)。動態(tài)足底壓力數(shù)據(jù)庫包括兩部分，一是采集了不同對象的四類行走足底壓力數(shù)據(jù)，包括裸足常速行走、裸足快速行走、著鞋常速行走和著鞋快速行走數(shù)據(jù);二是多人同時行走足底壓力數(shù)據(jù)。
　　本研究主要內(nèi)容包括：⑴提取了足底壓力數(shù)據(jù)的生物力學、形態(tài)和紋理特征。針對現(xiàn)有生物力學特征的單一性，引入了生物力學區(qū)域特征，同時

3、提取了足底壓力圖像的形態(tài)特征和紋理特征。形態(tài)特征包括形狀特征和Hu不變矩特征，紋理特征為灰度-梯度共生矩陣法的二次統(tǒng)計參數(shù)。研究計算了各特征的波動曲線、組內(nèi)相關(guān)系數(shù)(ICC)和變異系數(shù)(C.V)，討論了這些特征的穩(wěn)定性、獨特性和可重復性。實驗結(jié)果表明提取的特征波動范圍較小，ICC和C.V都較好，反映出大部分特征具有較好的穩(wěn)定性、獨特性和可重復性。⑵提出了一種多類足跡特征選擇方法(MFFS)。該方法首先采用相關(guān)性度量準則和最好優(yōu)先搜索算法

4、實現(xiàn)生物力學特征子集的特征選擇;其次，根據(jù)特征重要程度計算形態(tài)特征、紋理特征及優(yōu)化后生物力學特征的權(quán)重系數(shù)，保留對分類識別貢獻最大的足跡特征，從而實現(xiàn)足跡特征選擇。同時研究了多樣形態(tài)足底壓力數(shù)據(jù)的特征選擇，多樣形態(tài)足底壓力數(shù)據(jù)包括僅有前腳掌、足后跟、前腳掌和足后跟分離等三類殘缺形態(tài)數(shù)據(jù)。實驗結(jié)果表明通過MFFS方法能夠大大降低足底壓力數(shù)據(jù)特征維數(shù)，且獲得較高的足跡識別正確率。⑶提出了一種基于特征源置信度的足跡特征融合方法。針對足跡單一特

5、征識別正確率不高的不足，考慮不同特征的置信度，根據(jù)基于特征源置信度的證據(jù)合成規(guī)則進行特征融合，構(gòu)成新的特征空間，提高了足跡識別正確率。對于足跡跟蹤系統(tǒng)，構(gòu)建了足跡特征融合的兩分類模型。比較了D-S證據(jù)合成規(guī)則和基于特征源置信度的證據(jù)合成規(guī)則決策結(jié)果，實驗結(jié)果表明該方法增加了置信度高的特征對特征合成的貢獻。⑷實現(xiàn)了基于柔性陣列傳感器的多人足跡跟蹤。首先，采用分區(qū)域閾值法和差分法對足底壓力數(shù)據(jù)進行去噪，通過MFFS方法實現(xiàn)棱形有效區(qū)域內(nèi)的足