基于轮廓特征的平面鞋印自动识别算法的研究和实现

提出了一种基于轮廓特征的平面鞋印自动识别算法,根据鞋印长度比任何一个部位的长度和宽度都长这一特点,找到距离最长的两轮廓点,算出由这两点确定的直线与水平方向轴所成夹角,根据此夹角将鞋印图像进行倾斜校正,然后自动提取鞋印轮廓九个特征,利用欧氏距离进行鞋印的相似性度量。实验结果表明运用该算法进行鞋印识别是很有效的。

基于稳定特征的鞋印图像识别方法研究

针对鞋印图像自身特点,提出一种鞋印图像的倾斜校正算法;在此基础上提出用距离直方图、角度直方图与傅立叶描述子来共同表示动力作用留下的形状特征。根据提取的鞋印图像的特征可以进一步挖掘出人的某些特征,如脚的大小、走路姿势等。最后给出了一个实验系统,结果表明基于稳定特征的鞋印图像识别方法具有快速、准确、科学、实用等优点。

图像分块及惰性多示例学习鞋印图像识别

结合图像分块与惰性多示例学习(MIL)给出一种鞋印识别新算法。将整个鞋印图像当作包,根据脚底生物特征比例,采用均匀网格分块的方法将鞋印图像分成15个子块,并提取每个子块的纹理与形状特征,当作包中的示例,将鞋印图像识别问题转化成MIL问题;然后,将推土机距离(EMD)应用到K最近邻(KNN)算法中,得出一种惰性MIL新方法用于鞋印识别。在包含5种不同类型花纹的鞋印库中进行实验,识别正确率可达91.28%,较之基于欧氏距离的KNN算法,识别精度平均提高4.0%。

基于混合滤波LBP的鞋底足迹识别

针对基于局部二值模式算法的鞋印分析算法易受噪声影响,鲁棒性低,精度不低的缺点提出一种基于混合滤波的LBP算子改进策略。本文首先采用混合滤波算法对采集的鞋印图像进行去噪处理,其次采用改进的LBP算法进行鞋印图像特征提取,最后采用欧氏距离对鞋印图像进行识别。通过在自行建立的鞋印库中进行对比实验,相比于传统的局部二值模式算法,本文算法具有较高的识别率,在足迹识别分析方面具有很好的优势。

基于融合特征和极限学习机的鞋印图像识别方法研究

针对鞋印图像结构形态特点,提出一种基于融合特征和极限学习机(ELM)的鞋印图像识别方法,将图像均匀分成152个大小相等的子区域,并提取相应的纹理、形状特征,结合两种特征信息提取子区域融合特征向量,再通过逐行扫描子区域的方法计算出鞋印图像融合特征向量,然后利用ELM实现对鞋印图像的识别。实验结果表明,该方法可以有效对鞋印图像进行识别,比其他特征识别方法具有更高的准确率。