基于足底压力图像的静态触觉步态识别

提出一种可用于门禁和考勤系统的静态触觉步态识别方法.首先,对压力测试板采集的裸脚静止足底压力图像进行划分区域、去噪和筛选等预处理以消除噪声点对特征提取的影响;其次,根据足底不同区域最大压力点和压力中心点的坐标及压力值提取拉普拉斯谱特征,同时结合足底形状及压力比值特征以提高算法的鲁棒性;最后,利用一对一的支持向量机(SVM)多分类方法在50人左、右脚的静态步态数据上训练分类器并进行分类识别,结果表明该算法受外界干扰小,其平均识别率达96%.

足底压力动态图像分析系统与临床应用

目的应用足底压力成像技术,建立足底压力动态图像分析系统。方法设计制作玻璃全反射足底压力成像装置,实验拟合压力图像灰度与压力函数关系,采用视频图象计算机处理分析的方式,动态采集、分析一个步态周期全过程的足底压力分布及变化规律。结果在骨科足趾游离移植术供趾足功能改变、先天性马蹄内翻足早期肌力平衡手术远期疗效研究、三关节融合术治疗小儿麻痹的后遗马蹄内翻足手术效果评定、先天性髋关节脱位和拇外翻的动态足底压力分布等分析应用中,取得对手术及治疗具指导价值的结果。结论该系统简便易行,灵敏度高,对临床不同年龄、不同腿足畸形具有广泛的适应性。

改进的谱特征和足底边缘距离的步态识别

针对足底压力分布一般呈非线性变化,使用压力点特征来描述步态信息的鲁棒性不高、很难取得较好的应用效果,提出一种改进的谱特征与足底边缘距离特征相结合的静态触觉步态识别方法.该方法首先对压力测试板采集的裸脚静止足底压力图像进行预处理,包括提取关键帧数据、分区域等;其次,将Laplace谱特征、足跟部和脚前掌部分边缘轮廓到整足的几何中心点的欧式距离以及整足的几何中心点坐标作为最终的识别特征;最后,利用一对一的支持向量机(SVM)对30人的步态数据进行步态识别实验,以左、右脚都正确识别作为最终的识别结果,实验结果表明该方法能取得较高的识别率.

基于双层卷积神经网络的步态识别算法

提出运用双层卷积神经网络模型实现基于足底压力图像的步态识别方法.首先,对足底压力数据采集系统采集的图像作相应预处理;然后,用双层卷积神经网络模型学习得到足底压力图像的单层和双层卷积特征;最后,将卷积特征训练分类器得到分类结果.实验结果验证了该算法的有效性.

结合无符号Laplace谱特征的触觉步态识别算法

针对单纯利用压力点分布特征进行触觉步态识别的不足,提出了一种结合无符号Laplace谱特征的动态触觉步态识别算法。利用足底压力数字化场地采集常速、快速和慢速三种情况下的触觉步态数据,生成足底压力分布图像,并根据足底解剖学的结构划分区域;以足底压力图像各区域为节点构造结构图,并采用无符号Laplace矩阵表示;通过对该矩阵进行奇异值分解(Singular Value Decomposition,SVD)获取谱特征,并结合形状特征得到触觉步态特征;选择"一对一"的支持向量机(Support Vector Machine,SVM)多分类方法,按照人在行走过程中不同的速度分别构造分类器,从而实现动态触觉步态的识别。实验结果表明该识别算法对不同速度样本数据的触觉步态识别正确率都较高。