申请/专利权人：安徽大学

申请日：2024-03-21

公开（公告）日：2024-06-14

公开（公告）号：CN118196435A

主分类号：G06V10/44

分类号：G06V10/44;G06V40/10;G06V10/26;G06V10/82;G06N3/0464;G06N3/0455;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明公开了一种基于语义分割的现场赤足足迹提取与分析系统，包括以下步骤：获取待提取的现场赤足足迹图像，图像中存在标尺；将采集到的图像送入处理器中进行处理；利用系统中图像分割功能对带标尺的赤足足迹图像进行分割，得到赤足足迹分割结果；利用系统中的分析功能初步推测出足迹拥有者的鞋码、身高、性别、体重等生理特征；最终将赤足提取的结果图像和特征分析结果在显示窗口中打印出来。本发明涉及图像处理领域，该种基于语义分割的现场赤足足迹提取与分析系统可自动提取现场足迹并给出初步分析，尤其针对存在阴影、图像模糊等客观因素影响人工足迹提取的情况，提高对足迹图像提取的效率和准确性。

主权项：1.一种基于语义分割的现场赤足足迹提取与分析系统，其特征在于：包括以下步骤：S1：获取待提取的现场赤足足迹图像，图像中存在标尺；S2：将采集到的图像送入CPU处理器进行对图像的处理；S3利用系统中图像分割功能对带标尺的赤足足迹图像进行分割，得到赤足足迹分割结果；S4：利用系统中的分析功能初步推测出足迹拥有者的鞋码、身高、性别、体重等生理特征；S5：最终将赤足提取的结果图像和特征分析结果在显示窗口中打印出来；其中，步骤S3中所述分割功能所用的语义分割网络训练包括以下步骤：第一步，对训练图像进行采集：在模拟现场环境的地板上行走留下灰尘足迹，在足迹旁边放置标尺，以拍照的方式进行现场赤足图像获取，对获取的图像进行人工标注，得到图像对应的训练标签，标注对象为标尺和赤足；第二步，最优网络训练：将获得的至少1000张赤足数据集划分为训练集、验证集和测试集；进行训练前对训练集进行数据增广，并对所有图像形状填充为正方形，在将其大小缩放到256×256；将增广和预处理后的训练集对分割网络进行训练，使用划分好的验证集和测试集对网络进行验证和测试来评估网络的性能；在对分割网络进行训练的具体步骤如下：1、构造提取足迹特征的骨干网络：骨干网络采用Unet网络，Unet网络结构为编码器-解码器结构，编码器结构由5个阶段组成，对输入原图进行下采样，获取不同尺度的特征图，提取分割目标的高级语义信息，其中第0阶段对原图进行升维，将原图映射多维特征图，输入为{Xin∈R3×256×256}，经过卷积层后到了{X1∈R64×256×256}；后4个阶段，特征图都会经过池化层、卷积层、BN层和ReLU激活函数，得到4种不同尺度的特征图，最后一个阶段输出的特征为{X5∈R1024×16×16}；解码器结构对编码器生成的高级特征图进行上采样，并通过跳跃连接方式融合编码器中相应特征层的特征信息，将特征映射回原始图像大小，可分为4个阶段，最后一个阶段输出特征为{Y∈R256×256×256}，即为骨干网络输出特征；2、构造区域关系提取模块：提取的区域关系为输入图像区域和骨干网络编码器中特征图区域之间的关联信息；分别对原图{Xin∈R3×H×W}和特征图进行卷积和空间变换操作，其中C为特征通道数，H和W分别代表原图的高和宽，H1和W1分别代表特征的高和宽；先对原图和特征进行卷积，将其通道数转换为256，得到{Xin∈R256×H×W}和对以固定步长s进行分块，对每个补丁块在空间维度上进行展平，接着按顺序在第0维度上对补丁块进行拼接，得到对Fi以相同的操作得到，将和Xi对应通道上的二维张量进行矩阵相乘，得到FR表示输入图像区域和骨干网络编码器中特征图区域之间的关系；网络训练时会由Xin对应的groundtruth生成的对其进行监督，表示groundtruth经过池化后与其自身之间的区域关系；3、构造区域关系调制模块：将提取到的区域关系对骨干网络提取的特征进行空间调制，对赤足整体特征进行增强；对骨干网络输出特征{Y∈R256×H×W}进行卷积和空间变换操作，经过卷积进行下采样后得到将FR和Y1对应通道上的二维张量进行矩阵相乘，得到对Y2进行逆空间变换得到{Y3∈R256×H×W}，将Y3与Y1进行逐元素相加，得到增强后的特征{Yen∈R256×H×W}，最终通过分割头将特征映射为预测掩码图，得出分割结果。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于语义分割的现场赤足足迹提取与分析系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD