基于人工智能的足迹识别与特征提取
发布时间:2021-06-11 22:39
针对战场感知及侦破现场中传统人工主观经验检验与识别模式误差较大的问题,提出了一种基于人工智能的足迹识别与特征提取方法。采用三维形貌重构系统进行足迹图像采集,并将数字图像处理算法与传统足迹检验法结合,提取足迹的区域关系特征和形状长度特征,进而采用支持向量机的模式识别方法对提取的特征进行立体足迹身份鉴别对比实验。实验结果表明,所提方法准确率超过人工鉴别准确率,达到99.1%,可应用于战场感知及侦破现场足迹准确检测与识别,也可推广应用于人体身份鉴别的相关领域。
【文章来源】:电讯技术. 2020,60(07)北大核心
【文章页数】:7 页
【部分图文】:
足迹及坐标建模图
根据两组平行线可以组成一个矩形框,矩形框的长就是足迹的足长L,宽是足迹跖宽M1M2,如图2所示。表1为基于形态长度特征的赤足足迹特征参数。2.2 区域关系特征
式中:(x1,y1)、(x2,y2)为两点坐标。分别计算出跟质心到第一跖质心、跟质心到拇指质心、第一跖质心到拇指质心、跟质心到坐标原点、第一跖质心到坐标原点和拇指到坐标原点距离,分别定义为D1、D2、D3、D4、D5、D6,如图3和图4所示。图4 支撑骨到坐标原点距离示意图
本文编号:3225395
【文章来源】:电讯技术. 2020,60(07)北大核心
【文章页数】:7 页
【部分图文】:
足迹及坐标建模图
根据两组平行线可以组成一个矩形框,矩形框的长就是足迹的足长L,宽是足迹跖宽M1M2,如图2所示。表1为基于形态长度特征的赤足足迹特征参数。2.2 区域关系特征
式中:(x1,y1)、(x2,y2)为两点坐标。分别计算出跟质心到第一跖质心、跟质心到拇指质心、第一跖质心到拇指质心、跟质心到坐标原点、第一跖质心到坐标原点和拇指到坐标原点距离,分别定义为D1、D2、D3、D4、D5、D6,如图3和图4所示。图4 支撑骨到坐标原点距离示意图
本文编号:3225395
本文链接:https://www.wllwen.com/kejilunwen/rengongzhinen/3225395.html