-
公开(公告)号：CN109871827B
公开(公告)日：2022-10-25
申请号：CN201910194508.2
申请日：2019-03-14
Applicant: 大连海事大学
Abstract: 本发明提供一种结合区域置信度和压力分布方向强度的足迹表达方法，至少包括以下步骤：获取待识别的足迹图像并对图像进行预处理；将所述待识别的足迹图像分块积分并对积分后的足迹图像计算；将所述分块后的足迹图像区域置信度计算；基于区域置信度的足迹特征表达通过主成分分析技术以及线性判别分析技术，将对得到的区域置信度的压力方向梯度特征进行特征选择。本发明的方法不直接提取足迹的长度、角度等特征，因此不易受噪声的影响。同时兼顾足迹重压分布以及轮廓形状信息，能够更好的体现了人行走时足底压力的分布特点。进一步的本发明采用的方法消除了穿袜时纹理影响，无需对赤足和穿袜进行区分，适用性更加广泛。
-
公开(公告)号：CN107423715B
公开(公告)日：2020-05-19
申请号：CN201710638629.2
申请日：2017-07-31
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于多特征联合决策的脚印自动识别方法，包括以下步骤：S1：在离线状态下提取脚印压力分布特征：S2：提取脚印的方向梯度直方图特征；S3：提取脚印的小波傅里叶梅林特征；S4：采用二维主成分分析技术和二维线性判别分析技术对脚印压力分布特征P、方向梯度直方图特征H和小波傅里叶梅林特征F进行特征选择，分别得到和S5：在线状态下，将待识别脚印的特征与预先存储在特征数据库中的脚印数据通过KNN分类器进行识别。
-
Patent Agency Ranking
公开(公告)号：CN107016414A
公开(公告)日：2017-08-04
申请号：CN201710228905.8
申请日：2017-04-10
Applicant: 大连海事大学
CPC classification number: G06K9/6215 , G06F17/30256 , G06K9/4604
Abstract: 本发明公开了一种脚印的识别方法，分为离线训练过程Sa和在线识别过程Sb两部分，在离线训练时，对识别的脚印区域进行预处理、倾斜校正后提取脚印区域特征并存储，构建脚印特征数据库；在线实别过程中，将待识别的脚印特征数据与预先存储特征数据库中的脚印数据计算相似性得分，通过得分排名完成对脚印的识别。本方法不从图像中提取足迹长度、角度等脚印形态信息，因此不易受噪声和旋转角度的影响，从脚印的整体特征考虑，提高了自动提取精度，降低了识别的难度。且采用小波变换，消除了穿袜时纹理影响，无需对穿袜和赤足进行区分，适用性更加广泛。
-
公开(公告)号：CN109871827A
公开(公告)日：2019-06-11
申请号：CN201910194508.2
申请日：2019-03-14
Applicant: 大连海事大学
Abstract: 本发明提供一种结合区域置信度和压力分布方向强度的足迹表达方法，至少包括以下步骤：获取待识别的足迹图像并对图像进行预处理；将所述待识别的足迹图像分块积分并对积分后的足迹图像计算；将所述分块后的足迹图像区域置信度计算；基于区域置信度的足迹特征表达通过主成分分析技术以及线性判别分析技术，将对得到的区域置信度的压力方向梯度特征进行特征选择。本发明的方法不直接提取足迹的长度、角度等特征，因此不易受噪声的影响。同时兼顾足迹重压分布以及轮廓形状信息，能够更好的体现了人行走时足底压力的分布特点。进一步的本发明采用的方法消除了穿袜时纹理影响，无需对赤足和穿袜进行区分，适用性更加广泛。
-
公开(公告)号：CN107423715A
公开(公告)日：2017-12-01
申请号：CN201710638629.2
申请日：2017-07-31
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于多特征联合决策的脚印自动识别方法，包括以下步骤：S1：在离线状态下提取脚印压力分布特征：S2：提取脚印的方向梯度直方图特征；S3：提取脚印的小波傅里叶梅林特征；S4：采用二维主成分分析技术和二维线性判别分析技术对脚印压力分布特征P、方向梯度直方图特征H和小波傅里叶梅林特征F进行特征选择，分别得到和 S5：在线状态下，将待识别脚印的特征与预先存储在特征数据库中的脚印数据通过KNN分类器进行识别。
-
公开(公告)号：CN110163173B
公开(公告)日：2022-10-25
申请号：CN201910447667.9
申请日：2019-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种基于加权局部结构的脚印表达方法，包括：对脚印图像进行预处理并获取特征点；计算特征点几何结构；计算所述特征点的局部结构矩阵；计算所述特征点加权局部结构矩阵；构建脚印加权局部结构矩阵。本发明提取的单脚印图像的局部结构矩阵兼顾了特征点的空间分布特性和特征点之间的几何结构关系，具有很强的可区分性，从而提高了识别的精确度。进一步地，本发明在局部结构矩阵中引入加权因子，减弱了脚印残缺的问题，特征适用性更广泛。
-
公开(公告)号：CN110163173A
公开(公告)日：2019-08-23
申请号：CN201910447667.9
申请日：2019-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种基于加权局部结构的脚印表达方法，包括：对脚印图像进行预处理并获取特征点；计算特征点几何结构；计算所述特征点的局部结构矩阵；计算所述特征点加权局部结构矩阵；构建脚印加权局部结构矩阵。本发明提取的单脚印图像的局部结构矩阵兼顾了特征点的空间分布特性和特征点之间的几何结构关系，具有很强的可区分性，从而提高了识别的精确度。进一步地，本发明在局部结构矩阵中引入加权因子，减弱了脚印残缺的问题，特征适用性更广泛。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
