基于足底压力分析系统对青年人行走步态特征稳定性的研究

目的:通过研究青年人正常行走足底峰值压强变化稳定的区域,与传统足迹理论中的步态特征进行对比分析,说明利用步态特征进行足迹分析、检验的科学性。方法:选择青年男性20名、女性10名作为测试对象,分别采用Footscan足底压力步态分析系统和传统油墨捺印法进行正常行走时足底压力数据和步态特征数据的采集,运用SPSS20.0统计软件对足底压力数据进行处理,找出足底峰值压强变化稳定的区域,而后将处理结果与捺印足迹步态特征进行综合分析。结果:足底峰值压强变化较稳定的区域,与捺印足迹出现率较高的步态特征所处位置基本一致。结论:依据Footscan足底压力步态分析系统所呈现的足底峰值压强变化稳定区域与捺印足迹步态特征所处位置的相似性,可以在相当程度上说明青年人行走步态特征出现的科学性,为足迹的分析、检验提供科学的理论依据。

基于Matlab的鞋底损伤特征分类算法

目的对鞋底经常出现的三角形、线/曲线、圆形、不规则形四种随机损伤特征进行准确分类,以便后续对鞋底损伤特征的量化研究。方法提出了每个特征的形状由三角形度、线性度、圆形度构成的三维向量决定,对三角形度、线性度、圆形度设置适当的阈值,在分类识别时三维向量的元素和设定的阈值比较得出特征的具体形状。结果利用Matlab软件编制了三角形度、线性度、圆形度的计算程序和阈值比较程序,运行结果表明在提前设定的阈值下通过比较每个形状的三种形度可以实现对形状特征的分类识别,与人工分类识别结果的对比体现了计算机识别的准确率,也体现了计算机识别的定量化优势。结论基于Matlab编写的分类识别程序能够达到正确区分损伤特征和量化损伤特征的目的。

基于贝叶斯神经网络的赤足迹识别方法

提出利用贝叶斯改进的卷积神经网络进行平面赤足迹识别,通过贝叶斯理论将网络模型中的权重和卷积核参数由点估计改为概率分布的形式,并制作数据集,进行网络训练与验证。同时设置对比试验以探究网络和数据集的性能,用试验数据集、MNIST数据集和试验数据集分别训练未改进网络、改进网络和LeNet网络。结果表明,改进后的网络在数据集上的识别率高于未改进网络,也高于LeNet网络在数据集上的识别率,但低于其在MNIST上的识别率。说明基于贝叶斯理论改进的卷积神经网络能够提高网络模型的泛化能力,可以进一步探究其在赤足迹识别中的应用,同时还需要扩充数据集,提高识别率。

基于生物力学的踏痕形成与特点研究

踏痕是足迹步态特征的主体痕迹之一,全面了解和掌握其形成机理、特征反映及变化规律特点是深入挖掘足迹信息的前提,也是准确开展足迹分析工作的重要保障。利用步态分析系统采集人体自然行走时足与地面之间相互作用的时间、空间和力学参数,对足-地接触全过程进行量化分析,对踏痕形态特征进行直观观察和比较研究。不同年龄人群由于生理机能和运动能力等差异,落足动作、踏痕反映均有明显差异。通过综合分析踏痕形成过程的足-地相互作用、生物力学参数和足迹特征反映,有助于正确理解和应用踏痕分析年龄等人身自然条件,更好地为侦查提供线索和方向。