[发明专利]一种基于多元高斯的鞋印身高估计方法

说明书

一种基于多元高斯的鞋印身高估计方法,属于身高估计方法及系统技术领域。技术方案：通过基于Radon变换的鞋印图像进行旋转矫正，进行鞋印提取；对足迹特征三元组中鞋长、鞋宽进行提取，对足迹特征三元组中前后足质心距离进行提取；建立数据集，处理异常数据，计算多元高斯模型参数；计算身高类别概率，估计基于身高所属类别融合的身高。有益效果是:本发明所述的基于多元高斯的鞋印身高估计方法无需人工进行测量，能有效减小测量误差，在刑侦领域，对于非赤足或穿袜足迹鞋印，也能有效提高测量的精确度。

技术领域

本发明属于身高估计方法及系统技术领域，尤其涉及一种基于多元高斯模型的通过鞋印估计身高的方法及系统。

背景技术

现有技术中的的身高估计方法主要有以下三种：

(1)基于人工测量的身高估计方法：通过人工测量的方式，记录鞋长，建立简单的线性数学模型估计身高。

(2)基于穿鞋足迹图像的身高分析方法：使用图像滤波操作去除穿鞋足迹图像中鞋底花纹的影响，对穿鞋足迹进行多层压力面提取，获得足迹形态特征：足长，建立足长与身高之间的数学模型：身高＝足长×7，计算该足迹所有人的身高。

(3)基于CNN的赤足或穿袜足迹的身高判定方法：应用PCA算法将赤足灰度图像进行旋转矫正，通过阈值的像素分割确定足迹边缘四个关键点：足趾內缘突点，足趾外缘突点，足跟后缘突点，最长趾前缘突点，来确定足迹位置并将边缘噪声裁剪补零，将处理后的图像按男女分别分成五组，构建Alexnet网络构架的卷积神经网络，输入处理过的赤足或穿袜图像，输出身高预测区间。

上述现有技术中身高估计方法存在的问题是：

(1)基于人工测量的身高估计方法：需要人工测量，耗费时间和人力，引起测量误差因素较多，测量误差较大，估计身高的数学模型过于简单，估计出的身高误差较大。

(2)基于穿鞋足迹图像的身高分析方法：只使用足长一个足迹形态特征，并且建立的足长与身高的数学模型过于简单，计算出的身高值误差较大。

(3)基于CNN的赤足或穿袜足迹的身高判定方法：在实际的应用中，在刑侦领域，正常情况下现场留下的是鞋印而非赤足或穿袜足迹。而且这种身高估计出的是身高区间，精确度不够高。

发明内容

为了解决上述现有技术中存在的问题，本发明提出一种基于多元高斯的鞋印身高估计方法，该方法无需人工进行测量，能有效减小测量误差，在刑侦领域，对于非赤足或穿袜足迹鞋印，也能有效提高测量的精确度。

技术方案如下：

一种基于多元高斯的鞋印身高估计方法，步骤如下：

S1、对倾斜的鞋印进行矫正与提取：

S1.1、通过基于Radon变换的鞋印图像进行旋转矫正；

S1.2、进行鞋印提取；

S2、对足迹特征三元组进行提取：

S2.1、对足迹特征三元组中鞋长、鞋宽进行提取；

S2.2、对足迹特征三元组中前后足质心距离进行提取；

S3、构建基于多元高斯模型的身高分类器：

S3.1、建立数据集；

S3.2、处理异常数据；

S3.3、计算多元高斯模型参数；

S4、估计基于多类融合的身高：

S4.1、计算身高类别概率；

S4.2、估计基于身高所属类别融合的身高。