本发明涉及一种图像处理及生物特征识别，特别是关于一种基于压力的足迹标定与特征提取方法、系统、介质及设备。
背景技术：
1、近年来，国内外对于足迹标定和足底压力的特征提取展开了广泛的研究。但是，目前对于足迹标定和足底压力特征提取的研究主要分为两大领域，一部分为传统方法，即为使用各种聚类算法进行足迹标定，再计算特征值之间的相似度，最后通过分类器进行准确率评估；另一部分采用深度学习方法进行足迹识别和特征提取，最终通过相似度计算的方法来进行足迹标定。其中，传统方法更适用于中小型数据集样本和特定工作环境下的足迹标定；深度学习方法具有更高的普适性和精准度，适用于大型数据集样本。另外，传统方法在足底压力采集仪器设计、罕见疾病的足底压力分析、大规模数据集的快速标注等领域仍有十分重要的作用。
2、故，如何解决足底压力采集仪设计和罕见疾病足底压力分析中的足迹标定和特征提取问题，成为目前亟需解决的技术问题。
技术实现思路
1、针对上述问题，本发明的目的是提供一种基于压力的足迹标定与特征提取方法、系统、介质及设备，其能准确、可靠的获取足迹区域和足底压力特征值。
2、为实现上述目的，第一方面，本发明采取的技术方案为：一种基于压力的足迹标定与特征提取方法，其包括：将采集的原始足底压力数据转换成灰度图像，进行图像预处理；对预处理后的图像进行初次矩形框标定以获取足迹坐标信息，标定时对脚掌足迹断开的情况，采用膨胀算法和断足融合算法，以获取完整的足迹数组；对初次矩形框标定获取的足迹数组进行足底压力分区，并进行足迹区域矫正，得到足迹矩形框，并得到新的足底压力分区坐标；通过矫正后的足迹矩形框及新的足底压力分区坐标，得到足底压力特征值。
3、进一步，对预处理后的图像进行初次矩形框标定以获取足迹坐标信息，包括：
4、采用轮廓提取方法获取图像中足迹区域的外轮廓，得到足迹轮廓；
5、采用最小矩形框对足迹轮廓进行框选，并记录矩形框的坐标信息(x，y，w，h)，其中，x与y为矩形左上角坐标，w与h为矩形的宽和高。
6、进一步，标定时对脚掌足迹断开的情况，采用膨胀算法和断足融合算法，包括：
7、对图像中足迹区域进行外轮廓提取之前，对图像中的足迹区域进行至少两次膨胀处理；
8、对膨胀后的图像中足迹区域进行外轮廓提取，依次计算轮廓面积大小，并根据由大到小的顺序将轮廓面积进行排序；
9、依次确定轮廓的最小矩形框坐标存入足迹数组中，并确定足迹长度的对比值wo；
10、遍历足迹数组，将足迹数组中足迹长度w与对比值wo进行对比，如果w>wo，视为完整足迹，存入完整足迹数组中；如果w<wo，视为残缺足迹；
11、将残缺足迹记录为“半足1”，再次遍历足迹数组，如果出现另一个半足，满足两个半足矩形框y轴坐标存在交叉且x轴坐标差值小于足迹长度的对比值wo，则将另一个半足记录为“半足2”，并将“半足1”与“半足2”融合，形成完整的足迹，存入完整足迹数组中。
12、进一步，足迹区域矫正，包括：
13、由分区后的足迹图像计算足跟区的质心坐标以及跖骨一区和跖骨二区的联合质心坐标，并计算出两质心所在直线在水平方向的倾斜角；
14、确定旋转中心，以足迹矩形框的形心或质心为旋转中心，旋转水平矩形框，并进行足宽调整，以确定旋转后的矩形宽度，得到旋转后的矩形，以[形心(xc，yc)、宽度(w′)、高度(h′)、倾斜角(angle)]的方式表示，各个分区与整体区域的大小和相对位置没有发生变化，各分区区域倾斜角与整体区域保持一致。
15、进一步，以形心为中心旋转时，对于足迹矩形框，旋转前后的形心坐标不变；
16、以质心为中心旋转时，旋转后的质心坐标a(x0，y0)保持不变，旋转前的形心坐标为b(xc，yc)，旋转角为α，旋转后的形心坐标设为c(xc′，yc′)，则c的求解为：
17、建立坐标系xoy，x轴向右，y轴向下，绘制a、b、c；
18、过a点绘制水平辅助线an，并以a为原点、an为轴、顺时针为正方向建立极坐标系；设ab与an的夹角为θ、ac与an的夹角为θ′，ab＝ac＝r，得到在极坐标系下a、b、c三点的坐标依次为a(0,0)、b(r,θ)、c(r,θ′)；
19、将在极坐标系下获取到的a b c三点的坐标平移并转换回直角坐标系xoy中，得到c点坐标(xc′,yc′)为：c(r·cosθ′+x0,r·sinθ′+y0)。
20、进一步，足宽调整，包括：
21、基于提取到的足迹轮廓形状，将其从x轴方向截断，取其中处于足跖一区和足跖二区的轮廓；
22、记录提取的轮廓中y轴坐标极大值和极小值之差，将最大差值记为足宽基准width_standard；
23、根据足宽基准得到旋转后的足宽h′＝(width_standard)/cos(angle)，angle为倾斜角。
24、进一步，新的足底压力分区坐标，通过确定各个分区旋转后的形心坐标得到，包括：
25、设每个分区的矩形为[(xci,yci)、wi、hi、angle]，i表示第i个分区，整体区域的形心坐标为c(xc′,yc′)，宽度为w，高度为h，倾斜角为angle，各分区区域形心坐标为pi(xci,yci)；
26、建立坐标系xoy，x轴向右，y轴向下，依此绘制c、pi及各分区边界；
27、以c点为原点，足迹矩形向右的中心线为x′轴，足迹矩形向下的中心线为y′轴，建立直角坐标系x′cy′，在该坐标系下各分区形心极坐标为pi(xci,yci)；
28、以c点为原点，足迹矩形向右的中心线为极轴r1，建立第一极坐标系cr1，计算此坐标系下各分区形心极坐标；
29、以c点为原点，平行于x轴正方向，建立第二极坐标系cr2，第二极坐标系cr2与第一极坐标系cr1极轴之间的夹角为ɑ＝angle；在cr2坐标系中，pi记为其中故pi坐标为pi(ri,θi+α)；
30、将pi坐标转到直角坐标系xoy中，则pi坐标为pi(ri·cos(θi+α)+xc′,ri·sin(θi+α)+yc′)，得到各个分区的形心坐标，以作为新的足底压力分区坐标。
31、第二方面，本发明采取的技术方案为：一种基于压力的足迹标定与特征提取系统，其包括：预处理模块，将采集的原始足底压力数据转换成灰度图像，进行图像预处理；初次标定模块，对预处理后的图像进行初次矩形框标定以获取足迹坐标信息，标定时对脚掌足迹断开的情况，采用膨胀算法和断足融合算法，以获取完整的足迹数组；矫正模块，对初次矩形框标定获取的足迹数组进行足底压力分区，并进行足迹区域矫正，得到足迹矩形框，并得到新的足底压力分区坐标；特征值计算模块，通过矫正后的足迹矩形框及新的足底压力分区坐标，得到足底压力特征值。
32、第三方面，本发明采取的技术方案为：一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
33、第四方面，本发明采取的技术方案为：一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
34、本发明由于采取以上技术方案，其具有以下优点：
35、1、本发明以采集板的原始数据图像为输入，采用中值滤波、轮廓提取、图像膨胀等数字图像处理方法和坐标计算方法完成预处理、足迹矩形框标定、足底压力分区、足迹区域矫正和特征值计算，最终得到了清晰、准确、形态位置优渥的足迹区域和足底压力特征值。其中，针对足迹区域断开的情况，引入足迹融合算法，确保了足迹标定的完整性；针对特殊站姿下的水平矩形框标定缺陷问题，提出了足迹区域矫正算法，保证了足迹特征的准确性。此外，通过足迹标定可靠性验证实验，证明了本发明的有效性和可靠性。
36、2、本发明在足底压力采集仪器设计、罕见疾病的足底压力特征分析、足迹数据集的大批量标注等方面都有广泛的应用前景，另外还能作为足迹识别、步态识别相关的深度学习模型原始输入，可大大缩短训练时间，提高模型的识别率。
1.一种基于压力的足迹标定与特征提取方法，其特征在于，包括：
2.如权利要求1所述基于压力的足迹标定与特征提取方法，其特征在于，对预处理后的图像进行初次矩形框标定以获取足迹坐标信息，包括：
3.如权利要求1所述基于压力的足迹标定与特征提取方法，其特征在于，标定时对脚掌足迹断开的情况，采用膨胀算法和断足融合算法，包括：
4.如权利要求1所述基于压力的足迹标定与特征提取方法，其特征在于，足迹区域矫正，包括：
5.如权利要求4所述基于压力的足迹标定与特征提取方法，其特征在于，以形心为中心旋转时，对于足迹矩形框，旋转前后的形心坐标不变；
6.如权利要求4所述基于压力的足迹标定与特征提取方法，其特征在于，足宽调整，包括：
7.如权利要求1所述基于压力的足迹标定与特征提取方法，其特征在于，新的足底压力分区坐标，通过确定各个分区旋转后的形心坐标得到，包括：
8.一种基于压力的足迹标定与特征提取系统，其特征在于，包括：
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
