蹬痕形成和变化的生物力学基础研究

目的蹬痕是起足阶段的主体痕迹,全面了解和掌握其形成过程和机理以及特征变化规律是深入挖掘足迹信息的前提,也是准确进行足迹分析的重要保障。方法利用足底压力测量系统采集人体平地自然行走时足-地相互作用的时间、空间和力学参数,对足与地面接触的全过程进行量化分析,对蹬痕形态特征进行直观观察和比较研究。结果不同年龄人群由于生理机能和运动能力等差异,起足动作、蹬痕反映均有明显差异。结论通过综合分析蹬痕形成过程足-地相互作用的生物力学参数和足迹步态特征,有助于正确理解和应用蹬痕分析年龄等人体自然条件,为侦查提供更加准确的方向。

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。

Co/C复合微球的制备及其催化还原对硝基苯酚的应用

以硝酸钴和葡萄糖为原料,水热合成了Co/C复合微球。制得的Co/C复合微球表现出催化硼氢化钠还原的活性,可在室温下水相还原对硝基苯酚。

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。

年龄对行走状态下足跟区压力分布的影响

为探究足跟区压强与年龄之间的相关性,分析各年龄段人群的足跟区压强的差异性及变化规律。本次研究采用Footscan足底压力系统,随机选取身体健康、足部正常的100名成年男性作为试验对象,以10岁为间隔将分成20~29岁,30~39岁,40~49岁,50~59岁的4组年龄段各25人的实验样本,分别对足跟区峰值压强、有效接触面积、有效接触时间进行测量分析。实验结果表明:对于足跟区峰值压强,相同年龄段受试者之间的差异不具有显著性(P>0.05),具有相对稳定性;在不同年龄段受试者之间的足跟区峰值压强、跟区有效接触面积的差异具有显著性(P<0.05),呈现为随年龄增长足跟区峰值压强逐步降低,有效接触面积增大,有效接触时间延长。实验结果也可为各年龄阶段不同专项鞋种的鞋跟区域内外部结构设计及研发提供参考。

基于BP神经网络的人体特征预测

近年来,神经网络发展迅猛,在人工智能、分类识别、预测分析,图像处理等方面都取得了不错的进展。目前应用最广泛的神经网络是BP神经网络,其是按照误差逆向传播来训练多层前馈网络,调整权值和阈值。本文以人的步幅特征(左右步长、步宽,步角)为输入,人体特征(身高,体重)为输出来训练神经网络,最终用matlab神经网络工具箱实现。结果表明,在正负10的误差范围内,该神经网络对人的身高、体重,年龄的预测准确率分别为96.67%,56.67%,70%。

似然率应用于残缺鞋印检验的可行性探究

为了探究似然率是否能应用于残缺鞋印检验,提出了使用鞋印种类特征和细小损伤特征作为识别特征并基于似然率的检验方法。收集了左右鞋各300份样本并对波折形、边块形、圆形、线条形、交织形、图案形6种鞋底花纹种类和点状损伤、线状损伤、坑洼损伤3种细小损伤特征出现的概率进行统计并计算似然率。结果表明,该方法能够在同时考虑检材和样本同源假设与非同源假设的情况下为法庭提供合理的检验意见,增强残缺鞋印证据的客观性。