基于赤足或穿袜足迹图像的人身特征分析的方法及装置的制造方法
【技术领域】
[0001] 本发明涉及数字图像处理、计算机视觉以及刑侦技术领域，尤其涉及一种基于赤 足或穿袜足迹图像的人身特征分析的方法及装置。
【背景技术】
[0002] 足迹是刑侦办案中最常见的"手足工枪"四大类痕迹之一。随着犯罪形式的变化 以及犯罪特点日趋智能型，作案人的反侦察意识越来越强，犯罪现场能提取到的手印痕迹 数量大大减少，因此，足迹分析在侦查破案过程中的重要性越来越突出，而足迹分析中很重 要的一个方面就是人身特征分析，即从足迹中分析犯罪嫌疑人的身高、年龄、体态、性别。根 据人身特征可大大缩小嫌疑人排查范围，加快案件侦破速度。
[0003] 我国的足迹检验理论远远走在世界前列，相关著作中对人身特征的分析方法也有 大量阐述。从赤足与穿袜足迹中分析足长进而推算足迹遗留人的身高相对而言较简单，但 年龄、体态、性别的分析要在综合分析足迹压力面的基础上进行，足迹压力面的识别、标画 是其中的关键步骤，其准确性将直接影响人身特征的分析结果，目前只有少数具有多年经 验的专家才能正确标画；此外，基于压力面的人身特征分析主要依赖专家手工测量、定性推 断，因此不可避免地引入人为误差。
【发明内容】
[0004] 为了解决上述问题，本发明提供了一种基于赤足或穿袜足迹图像的人身特征分析 的方法及装置，通过运用计算机图像处理手段，自动提取出待检验足迹的压力面信息，在像 素级上计算得到足迹基本特征；在分析人身特征阶段，通过建立科学的模型，将人工经验进 行量化，避免足迹检验人员主观影响及人为误差的引入，从而达到快速、定量、准确、客观地 人身特征分析的目的。
[0005] 为了实现上述目的，本发明采用的技术方案为：一种基于赤足或穿袜足迹图像的 人身特征分析的方法，包括如下步骤：
[0006] S1.对赤足或穿袜足迹图像进行多层压力面提取；
[0007] S2.根据赤足或穿袜足迹的多层压力面图像，获得至少下述足迹形态结构特征： 足长、足宽、跟宽、弓宽以及掌区重压面下缘凸点的位置；
[0008] S3.分别建立足迹形态结构特征与身高、年龄、体态和性别之间的数学模型；向各 数学模型输入上述形态结构特征，获取人身特征。
[0009] 作为技术方案的补充，步骤S1中多层压力面提取的步骤为：
[0010] S1. 1.对赤足或穿袜足迹图像预处理：将赤足或穿袜足迹图像进行滤波，该图像 滤波的公式如下：
[0011] I=F*G
[0012] I(i，j) = 2mI：nF(i，j)G(i_m，j-n) (1)
[0013] 其中，*表示卷积，F表示原始穿鞋足迹图像，G表示滤波器，I表示滤波后的足迹 图像，（i，j)表示当前像素位置，m、n分别表示滤波窗口在x、y方向的大小；
[0014] S1.2?压力面提取：
[0015] S1. 2. 1.对预处理后的足迹图像进行双边滤波操作，可用如下公式表示：
[0016]
【主权项】
1. 一种基于赤足或穿袜足迹图像的人身特征分析的方法，其特征在于，包括如下步 骤：
51. 对赤足或穿袜足迹图像进行多层压力面提取；
52. 根据赤足或穿袜足迹的多层压力面图像，获得至少下述足迹形态结构特征：足长、 足宽、跟宽、弓宽以及掌区重压面下缘凸点的位置；
53. 分别建立足迹形态结构特征与身高、年龄、体态和性别之间的数学模型；向各数学 模型输入上述形态结构特征，获取人身特征。
2. 如权利要求1所述的一种基于赤足或穿袜足迹图像的人身特征分析的方法，其特征 在于，步骤S1中多层压力面提取的步骤为： S1. 1.对赤足或穿袜足迹图像预处理：将赤足或穿袜足迹图像进行滤波，该图像滤波 的公式如下： I=F*G I(i?j) = 2mI：nF(i,j)G(i-m,j-n) (1) 其中，*表示卷积，F表示原始穿鞋足迹图像，G表示滤波器，I表示滤波后的足迹图像， (i，j)表示当前像素位置，m、n分别表示滤波窗口在x、y方向的大小； S1.2?压力面提取： S1. 2. 1.对预处理后的足迹图像进行双边滤波操作，可用如下公式表示：
其中，Wp是加权函数，定义如下
IF是双边滤波后的足迹图像，I表示预处理步骤中滤波后的足迹图像，x表示图像I中 当前像素的位置坐标，Q为以x为中心的当前双边滤波窗口，f；是平滑亮度差异的值域核 函数，gs是平滑空间差异的空间核函数； 51. 2. 2.量化分级：首先对双边滤波后的足迹图像进行色彩空间转换，从RGB空间转换 到Lab空间；取亮度通道L，对其按照足迹压力面层数n进行量化；然后将Lab模式图像再 转换到RGB空间，得到足迹多层压力面分布图像。
3. 如权利要求2所述的一种基于赤足或穿袜足迹图像的人身特征分析的方法，其特征 在于，步骤S1. 1中的滤波器定义为：
其中，U、V是坐标变量，〇是标准偏差。
4. 如权利要求2所述的一种基于赤足或穿袜足迹图像的人身特征分析的方法，其特征 在于，步骤S2中获得足迹形态结构特征的方法为： 52. 1.建立足迹坐标系：取多层压力面分布图像中的压力最外层，做掌区和跟区的内、 外两侧的公切线，设掌区、跟区的内侧最凸点分别为A、B，掌区、跟区的外侧最凸点分别为 C、D，则两公切线AB、CD的夹角的角平分线为足迹中心线，足迹中心线与跟区下缘的交点为 0,将足迹调整到其中心线坚直且脚尖向上，则在足迹所在平面中，以0为原点，以中心线为Y轴，坚直向上为Y轴正方向，水平向右为X轴正方向，建立足迹坐标系； 52. 2.计算足迹形态结构特征：压力面最外层的上缘凸点T，为赤足的拇趾前缘点，点T 与原点0的连线在足迹中心线方向上投影的长度为足长； 掌区内、外两侧最凸点的连线AC的长度为足宽； 跟区内、外两侧最凸点的连线BD的长度为跟宽； 最外层足迹压力面在线段AC、BD所夹的部分，且该部分内外两段轮廓在足迹中心线垂 直方向上的最短距离丽为弓宽a; 取足迹多层压力面分布图像中的次外层压力面，得该层上的掌区压力区域，该区域外 轮廓在足迹中心线方向上的最低点，为掌区压力区域的下缘凸点S。
5.如权利要求1或4所述的一种基于赤足或穿袜足迹图像的人身特征分析的方法，其 特征在于，步骤S3中的建立足迹形态结构特征与身高、年龄、体态和性别之间的数学模型， 并获取人身特征的方法的步骤为： 53. 1.建立足长与身高之间的数学模型： 身高=足长X7 (4) 获取足迹所有人的身高特征：根据公式（4)计算该足迹所有人的身高； S3. 2.建立年龄、足长、掌压之间的数学模型：
其中：L为掌区压力区域的下缘凸点S与原点0的连线在足迹中心线方向上的长度；Age是年龄，L2(l是20岁基线，L3(|是30岁基线，L7(|是70岁基线； 根据公式（5)计算该足迹所有人的年龄，获取足迹所有人的年龄特征； S3. 3.建立体态、弓宽a及dQ之间的数学模型：a<dQ，体型偏瘦；a=dQ，体型中等；a>屯，体型偏胖；依此获取足迹所有人的体态特征，其中屯为弓压外缘线与足迹中心线之间 的最短距尚； S3. 4.建立性别与足长的数学模型：样本x至总体G的马氏距离为
其中：ii和I：分别为总体G的均值和协方差矩阵；x为足长，男、女的足长分别为服从 正态分布焉和馬的总体Gi、G2,ii" 112分别为Gi、G2的均值，分别为 方差； 根据公式（6)计算得到测试足迹足长到总体匕、62的距离dpdy
使用公式（7)，获取足迹所有人的性别特征。
6. 如权利要求5所述的一种基于赤足或穿袜足迹图像的人身特征分析的方法，其特征 在于，步骤S3. 4被替换为： 建立性别与足迹的长宽比的数学模型： 足迹的长宽比r=足长/足宽 （8) 男、女的足迹长宽比分别为服从正态分布馬GipO和的总体G3、G4，其中 U3、U4分别为G3、匕的均值，％2、of分别为G3、匕的方差；参考公式（6)计算得到测试足 迹长宽比与总体G3、G4的马氏距尚d3、d4;
使用公式（9)计算获取足迹所有人的性别特征。
7. 如权利要求5所述的一种基于赤足或穿袜足迹图像的人身特征分析的方法，其特征 在于，步骤S3. 4被替换为： 建立性别与相邻层间压力变化率的数学模型：记Spi= 1，2,…，n，为第i层的足迹 压力面的面积，相邻层间的足迹压力面的面积相对变化率为 ASi= (Si+fSiVSi，i= 1，2，-"n-l (10)其变异系数为 cv=〇/u(11)其中，U、〇分别为{ASJ的均值和方差； 给定阈值T，变异系数cv大于阈值T，则判断该足迹所有人为男性，否则判断该足迹所 有人为女性。
8. 如权利要求5所述的一种基于赤足或穿袜足迹图像的人身特征分析的方法，其特征 在于，步骤S3. 4被替换为： 使用权利要求5-7中各步骤的S3. 4,得到3个性别属性，以0代表男性，1代表女性，计 算上述3种数学模型的性别属性之和s，若s< 1，则判断该足迹所有人为男性；否则，判断 该足迹所有人为女性。9. 一种基于赤足或穿袜足迹图像的人身特征分析的装置，其特征在 于，包括： 多层压力面提取装置，用于对赤足或穿袜足迹图像进行多层压力面提取； 足迹形态结构特征获得装置，用于根据赤足或穿袜足迹的多层压力面图像，获得至少 下述足迹形态结构特征：足长、足宽、跟宽、弓宽以及掌区重压面下缘凸点的位置； 数学模型建立及人身特征获取装置，用于分别建立足迹形态结构特征与身高、年龄、体 态和性别之间的数学模型；向各数学模型输入上述形态结构特征，获取人身特征。
【专利摘要】本发明公开了一种基于赤足或穿袜足迹图像的人身特征分析的方法及装置，属于刑侦技术领域，包括如下步骤：S1.对赤足或穿袜足迹图像进行多层压力面提取；S2.根据赤足或穿袜足迹的多层压力面图像，获得至少下述足迹形态结构特征：足长、足宽、跟宽、弓宽以及掌区重压面下缘凸点的位置；S3.分别建立足迹形态结构特征与身高、年龄、体态和性别之间的数学模型；向各数学模型输入上述形态结构特征，获取人身特征。发明对人身特征分析可自动化实现，人身特征分析稳定、精确。
【IPC分类】G06T5-00, G06T7-00
【公开号】CN104574426
【申请号】CN201510055903
【发明人】陈伟卿, 董波, 金玮
【申请人】大连恒锐科技股份有限公司
【公开日】2015年4月29日
【申请日】2015年2月3日