（信号与信息处理专业论文）平面赤足迹形态特征提取与分析.pdf

中文摘要近年来，随着信息技术的迅猛发展和广泛运用，基于人体生物特征的身份鉴别技术已成为信息技术领域的研究热点。足迹是人体站立或行走条件下，脚掌面通过力的传递作用在承痕体上形成的痕迹。足迹形态分布特征由人体脚型骨骼决定，具有其特定性和相对稳定性，是足迹用于人体身份鉴别的基础。由于足迹痕迹信息来源于人的整体行为，与人体的身高、体态、性别、年龄和行走习惯等生物特征存在着特定的联系，在刑事侦查领域已经得到了长期的应用。本文以平面赤足迹图象数据为研究对象，结合足迹检验专家知识，运用图象处理与分析、统计数据分析和模式识别技术，探索平面赤足迹生物特征识别的科学性，研究了平面赤足迹的分割方法、形态特征提取与描述、平面足迹形态特征与人体生理特征的内在联系和平面足迹身份鉴别方法。所取得的主要成果包括：一、提出一种基于高斯拟合的平面赤足迹图象分割算法。由于平面赤足迹图象的灰度统计直方图呈现明显的多峰特性，该算法根据足迹图象直方图的峰谷特性，初步提取出各个目标的灰度峰区后，对各峰区单独进行高斯拟合，最后根据直方图的高斯解析式得出精确分割闽值。该算法运算量小，计算精度高，不仅避免了多阈值分割的高维搜索问题，而且有效避免了高斯拟合时相邻峰区的干扰以及过分割或欠分割情况。试验结果表明，该算法实现了平面赤足迹的有效分割。二、在平面赤足迹图象分割的基础上，结合足迹检验领域专家知识和足部骨骼结构，提出一组平面赤足迹的形态特征提取方法。在统一的平面赤足迹坐标系下，对平面赤足迹进行轮廓分段和区域划分，并提取了足迹特征点的距离、角度等几何度量特征。运用形状分析理论，提取了基于区域和基于轮廓的平面赤足迹形状特征参数。三、运用偏最小二乘回归分析理论，使用2 0 8 人平面赤足迹的形态特征对人体身高和体重分别进行回归分析。试验结果表明平面赤足迹的形态特征能够反映人体身高、体重等生理特征，8 3 6 5 的样本分布在身高回归线的5 c m 范围内；7 1 6 3 的样本分布在体重回归线的5 k g 范围内，在生物特征分析中具有一定的估计能力。四、针对平面足迹身份鉴别的要求，运用模式识别知识，以同等条件下的2 0 8 人、4 1 6 枚平面赤足迹图象为试验数据，对所提取的1 4 2 维特征向量进行特征选择和贝叶斯判决，正确识别率达到9 8 。试验结果表明在同等条件下平面赤足迹的形态特征具有身份可识别性，说明本文所提取的特征有效，建立的概率模型合理。关键词：生物特征识别；平面赤足迹；足迹分割；特征提取；回归分析；足迹身份鉴别第1 页a b s t r a c tw i t hr a p i dd e v e l o p m e n ta n dw i d ee m p l o y m e n to fi n f o r m a t i o nt e c h n o l o g y 。b i o m e t r i c sh a sb e e nar e s e a r c hh o t s p o ti nt h ei n f o r m a t i o nt e c h n o l o g yd o m a i ni nr e c e n ty e a r s f o o t p r i n ti sak i n do f t r a c ei n f o r m a t i o nw h i c hi sl e f to nt h eg r o u n db yt h es o l es u r f a c ew h e nt h eh u m a nb o d ys t a n d so rw a l k s t h es h a p ef e a t u r e so f f o o t p r i n td e p e n d i n go nf o o ts k e l e t o nh a v er e l a t i v es p e c i a l i t ya n ds t a b i l i t y , w h i c ha r eb a s i so fd i s t i n g u i s h i n gi d e n t i t y a sf o o t p r i n th a ss p e c i a lr e l a t i o nw i t hp e o p l e sh e i g h t ，p o s t u r e ，g e n d e r , a g ea n dw a l k i n gh a b i t ，t h i sr e l a t i o nh a sb e e nc o n f i r m e da n ds u c c e s s f u l l ya p p l i e dt ol o n g - t e r mp r a c t i c ei nf o r e n s i cs c i e n c e r e s e a r c h i n go np l a n a rb a r e f o o ti m p r e s s i o n s ，a l o n gw i t hu t i l i z i n gt h ef o r e n s i ce x p e r te x p e r i e n c e s ，i m a g ep r o c e s s i n ga n da n a l y s i st h e o r i e s ，s t a t i s t i ca n a l y s i sa n dp a t t e r nr e c o g n i t i o nt e c h n o l o g i e s ，t h i st h e s i sa d d r e s s e st h es c i e n t i f i c i t yo fp l a n a rb a r e f o o ti m p r e s s i o nb i o m e t r i c sr e c o g n i t i o ni na s p e c t so fp l a n a rb a r e f o o ti m p r e s s i o ns e g m e n t a t i o na l g o r i t h m ，s h a p ef e a t u r ee x t r a c t i n ga n dd e s c r i b i n gm e t h o d s ，r e l a t i o n sb e t w e e ns h a p ef e a t u r e so fp l a n a rb a r e f o o ti m p r e s s i o na n dp h y s i o l o g i c a lf e a t u r e so fh u m a nb o d y , a n dt h em e t h o do fd i s t i n g u i s h i n gi d e n t i t yb a s e do np l a n a rb a r e f o o ti m p r e s s i o n t h em a i nc o n t r i b u t i o n sa r es u m m a r i z e da sf o l l o w s ：1 ap l a n a rb a r e f o o ti m p r e s s i o ni m a g es e g m e n t a t i o nm e t h o db a s eo ng a u s s i a nf i t t i n gi sp r o p o s e d a sg r e yh i s t o g r a mo fp l a n a rb a r e f o o ti m p r e s s i o na p p e a r sam u l t i - p e a kf e a t u r e ，t h ea l g o r i t h md e t e c t sg r e ys e c t i o n so ft h eo b j e c t sr o u g h l yb a s e do nt h ep e a k sa n dv a l l e y so fh i s t o g r a m t h es e c t i o n so fg r e yh i s t o g r a ma r ea p p r o x i m a t e db yg a u s s i a nf u n c t i o n ss e p a r a t e l y f i n a l l yt h eo p t i m a ls e g m e n t a t i o nt h r e s h o l d sa r ea c c u r a t e l yc a l c u l a t e db yg a u s s i a nd e n s i t yf u n c t i o n s t h ea l g o r i t h me f f e c t i v e l ya v o i d sn o to n l yt h es h o r t c o m i n go fm a s sc a l c u l a t i n go fm u l t i - t h r e s h o l d ss e g m e n t a t i o n , b u ta l s oa d j a c e n tp e a ks e c t i o n si n t e r f e r i n gw h e nf i t t i n gt h eg r e ys e c t i o no f o b j e c tb yg a u s s i a nf i m c t i o n s e x p e r i m e n t a lr e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o dc a nb ee f f e c t i v e l ya p p l i e dt op l a n a rb a r e f o o ti m p r e s s i o ns e g m e n t a t i o n 2 c o m b i n i n gt h ee x p e r tk n o w l e d g ew i t hr e s e a r c h e so np l a n a rb a r e f o o ti m p r e s s i o ni m a g es e g m e n t a t i o na n df o o ts k e l e t o ns t r u c t u r e ，ag r o u po fg e o m e t r i cf e a t u r e sa r ee x t r a c t e d ，s u c ha sd i s t a n c e sa n da n g l e s ，o nt h eb a s i so fe s t a b l i s h m e n to fa nu n i f o r mc o o r d i n a t es y s t e m ，c o n t o u rs u b s e c t i o na n dr e g i o np a r t i t i o no fp l a n a rb a r e f o o ti m p r e s s i o n m o r p h o l o g i c a lf e a t u r e sb a s e do nr e g i o n sa n dc o n t o u rc u r v e 8o f p l a n a rf o o t p r i n ta r ee x t r a c t e db yu t i l i z i n gi m a g ea n a l y s i st h e o r y 3 c o n s i d e r i n gt h ea d v a n t a g e so fp a r t i a ll e a s t s q u a r er e g r e s s i o n ( p l s ) i na n a l y z i n gm u l t i v a r i a t ed a t aw i t hf e wo b s e r v a t i o n s ，t h er e l a t i o n sb e t w e e ns h a p ef e a t u r e so f p l a n a rf o o t p r i n ta n dp h y s i o l o g i c a lf e a t u r e so fh u m a nb o d ya r ea n a l y z e db yp l sm e t h o d e x p e r i m e n t a lr e s u l t ss h o wt h a tp e o p l e sh e i g h ta n dw e i g h tc a nb ep r e d i c t e dr o u g h l yb ys h a p ef e a t u r e so fp l a n a rb a r e f o o ti m p r e s s i o np r o p o s e di nt h i st h e s i s w h e nt h et o l e r a n c eo fh e i g h tp r e d i c t i o ne r r o ri s【一5 e m ，5 e r a ，c o r r e c tp r e d i c t i o nr a t eo f h e i g h ti s8 3 6 5 ；w h e nt h et o l e r a n c eo f w e i g h tp r e d i c t i o ne r r o ri s 【- 5 k g ，5 k 翊，c o r r e c tp r e d i c t i o nr a t eo f w e j i g h ti s7 1 6 3 4 a i m i n ga tt h es p e c i f i cr e q u e s to fp l a n a rf o o t p r i n tb i o m e t r i c sr e c o g n i t i o n ，w ep r o p o s ea第页p l a n a rb a r e f o o ti m p m s s i o nr e c o g n i t i o nm e t h o d o nt h eb a s i so f1 4 2s h a p ef e a t u r ep a r a m e t e r s ，w ee s t a b l i s hap l a n a rf o o t p n mr e c o g n i t i o np r o b a b i l i s t i cm o d e l ，a n dd e d u c et h ed i s c r i m i n a b i l i t yc r i t e d o na n dt h eb a y e sd e c i s i o nr o l eo ft h i sm o d e l t a k i n g4 1 6f o o t p r i n t so f2 0 8p e r s o n sa st e s td a t a , t l l ef o o t p r i n tv e r i f i c a t i o nr e s u l ta c h i e v e sa9 8 c o r r e c tc l a s s i f i c a t i o i lr a t e ，w h i c hs h o w st h es h a p ef e a t u r e s e f f e c t i v e n e s sa n dt h ep r o b a b i l i s t i cm o d e l sr e a s o n a h i l i t y e x p e r i m e n t a lr e s u l t ss h o wt h a tp l a n a rb a r e f o o ti m p r e s s i o nc a nb ea p p l i e dt od i s t i n g u i s h i n gi d e n t i t y k e y w o r d s ：b i o m e t r i c s ；p l a n a rb a r e f o o ti m p r e s s i o n ；p l a n a rf o o t p r i n ts e g m e n t a t i o n ；f e a t u r ee x t r a c t i o n ；r e g r e s s i o na n a l y s i s ；d i s t i n g u i s h i n gi d a a t i t y第1 i i 页笪星三矍盔兰堡主兰竺丝苎表目录表1 高斯拟合分量参数及分割阈值1 6表2 特征参数相关性分析2 9表3 模型的交叉有效性分析4 0表4 足迹特征对身高的回归模型4 0表5 模型的交叉有效性分析4 2表6 足迹特征对体重的回归模型4 3表7 全足形态特征选择次数排序5 0表8 重压面形态特征选择次数排序5 1表9 所有形态特征选择次数排序5 2第v l 页信息工程大学硕十学位论文图目录图l 足部骨骼结构图4图2 足骨与足型关系图4图3 足骨、足型与足迹对照图5图4 墨拓足迹的变形和信息缺失8图5 平面赤足迹数字图象采集设备9图6 平面赤足迹图象9图7 原始平面足迹图象1 2图8 原始平面足迹图象灰度统计直方图1 2图9 直方图高斯平滑1 3图1 0 差分直方图1 4图1 1 直方图拟合结果1 6图1 2 原始足迹数据及分割结果1 6图1 3 不同足迹的分割结果1 6图1 4 形状表达和描述方法的分类1 8图1 5 足部各区域分布示意图1 8图1 6 五趾分布1 9图1 7 五趾形心多边形1 9图1 8 五趾前缘形状分布1 9图1 9 不同人的脚掌形态图2 0图2 0 前掌区2 0图2 1 后跟区2 0图2 2 凹凸点示意图2 2图2 3 脚掌重压面凸包2 3图2 4 足迹坐标系建立2 3图2 5 重压面特征点定位2 4图2 6 全足区域特征点定位2 4图2 7 脚掌轮廓傅立叶描述子2 8图2 8 特征参数集合x 与身高数据集合y 主成分散点图3 8图2 9 特征变量 x ， 的权值w ；w ；散点图3 9图3 0 身高观测值与回归估计预测值散点图4 0图3 l 回归残差正态分布检验q q 图4 0第v i i 页信息工稃大学硕士学付论文图3 2 回归模型的预测性能曲线4 l图3 3 特征参数集合x 与体重数据集合y 主成分散点图4 1图3 4 特征变量 x ， 的权值w ：w ：散点图4 2图3 5 体重观测值与回归估计预测值散点图4 3图3 6 回归残差正态分布检验q q 图4 3图3 7 模型的预测性能曲线4 3图3 8 全足特征分类r o c 曲线5 0图3 9 脚掌重压面r 0 c 曲线5 0图4 0 所有形态r o c 曲线5 1第v i i i 页独创性声明所提交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中标注和致谢的相关内容外，论文中不包含其他个人或集体己经公开的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文题目：垩面麦足迹形态缱堑提取墨盆扳学位论文作者签名：蕉及日期：) d 衫年多月衫目学位论文版权使用授权书本人完全了解信息工程大学有关保留、使用学位论文的规定。本人授权信息工程大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档，允许论文被查阅和借阅：可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存，汇编学位论文。( 涉密学位论文在解密后适用本授权书。)学位论文题目：学位论文作者签作者指导教师签笪：垦王翌查兰堡主堂生丝茎第一章绪论随着信息技术的迅猛发展和广泛运用，信息安全已经显示出前所未有的重要性，而身份鉴别作为信息安全的必要前提，已经成为世界各国广泛关注的重要问题。传统的身份鉴别( p e r s o n a li d e n t i f i c a t i o n ) 方法主要有两种，一种是基于标识物品的身份鉴别，如钥匙、身份证、银行卡等；另一种是基于特定知识的身份鉴别，如用户名、密码、口令等。这些传统身份鉴别方法暴露出许多缺点和不足，钥匙、卡片、证件容易被伪造或丢失，用户名、密码、口令易被遗忘、破解和盗用，从而使其安全性受到严重的威胁。因此，随着信息技术和计算机网络技术的高速发展以及身份鉴别的迫切需要，基于人体生物特征的身份鉴别技术即生物特征识别，这一新兴技术应运而生，已经成为了当前信息技术领域的一个研究热点。1 1 生物特征识别技术1 1 1 生物特征识别概述生物特征识别( b i o m e t r i c s ) 是依掘人体自身的生理特征和( 或) 行为特征自动进行身份鉴别的新技术川。生理特征与生俱来，多为先天性的；行为特征则是习惯使然，多为后天性的。生理特征和行为特征统称为生物特征o “”。常用的生物特征包括指纹、虹膜、脸像、声音、掌纹、笔迹等，与传统的基于密码或i d 卡的身份认证方式相比，它具有更好的安全性，可靠性和有效性。“9 1 1 ”事件是世界生物识别技术发展转折点。“9 1 1 ”事件之后，生物识别的研究和应用得到了世界各国前所未有的重视。美国在“9 1 1 ”之后连续签署了3 个国家安全法案( 爱国者法案、航空安全法案、边境签证法案) ，要求必须采用生物识别技术。世界民用航空组织建议1 8 8 个成员国将生物特征( 脸相、指纹、虹膜) 放入护照，迄今为止，美国、欧盟、日本、澳大利亚、韩国等国家已经开始初步应用。2 0 0 8 年北京奥运会，也要求采用准确可靠的身份验证技术来防止各种恐怖与破坏活动。此外，全球生物特征识别技术市场迅速增长，生物识别领域的应用也日渐普及，已逐渐渗透到社会生活的各个方面，与每个人的生活息息相关，其主要应用领域包括：门禁和考勤、金融管理服务系统、消费者管理系统、计算机登录管理、法律执行、医疗保健系统等。1 1 2 常用生物特征识别技术从理论上说，任何人体的物理或行为特征只要满足以下条件都可以用来作为识别个人身份的途径m 。普遍性：每个人都应该具有这种特征：第1 页信息工稃大学硕士学何论文唯一性：不同人在这种特征上有不同的表现；永久性：这种特征至少在一段时间内是稳定不变的：可采集性：这种特征应该是可以定量测量的；然而，满足上述条件的生物特征对一个实际的识别系统未必可行，实际的生物识别系统还必须考虑：可实现性：在合理的资源需求下实现可以接受的识别准确性、速度和鲁棒性；可接受性：对人体没有伤害，人们在日常生活中对这种生物特征识别可以接受；安全性：通过这种特征进行识别应该是安全的，不会因为技术上或其他的原因而被轻易欺骗。下面就生物特征识别领域比较活跃的研究内容做一简要介绍嘲。指纹识别指纹是手指耒梢乳突纹突起形成的纹线图案。指纹中突起的纹线称为脊，脊之间的部分称为谷指纹的纹路的断点、分叉点和转折点，称为细节，就是这些细节提供了指纹唯一性的识别信息。指纹识别技术就是通过分析指纹的全局特征和局部特征，如脊、谷和末梢点、分叉点等，来实现身份识别的。平均每个指纹都有几个独一无二可测量的特征点，每个特征点都有大约七个特征，因此从指纹中抽取的特征值可以非常的详尽，可以可靠地确认一个人的身份。指纹识别技术具有以下优点：指纹是人体独一无二的特征，并且它们的复杂度足以提供用于鉴别的足够特征；拒识率和误识率低；采集精度高、速度快以及采集设备成本低；被人们广泛接受，易于推广；指纹具备再生性等。指纹识别技术是目前最方便、可靠、非侵害和价格便宜的生物识别技术解决方案，在刑侦领域、人口安全系统以及驾照注册等方面应用十分广泛。同时也存在一些缺陷：指纹比较容易磨损和划伤，有些人的指纹本身就不够清楚，难以获得满意的指纹图象；高龄人的指纹存在不同程度的裂痕，对识别系统的精度影响很大。人脸识别人脸识别技术通过对面部特征和它们之间的关系来进行识别，识别技术基于这些唯一的特征时非常复杂，需要人工智能和机器知识学习系统。虽然人脸识别的准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。用于捕捉人脸图象的两项技术为标准视频和热成像技术【6 】o人脸识别技术具有以下优点：人脸识别是非接触的；适合人们日常生活中识别不同个体的模式，易于被用户接受和推广；对输入设备要求不高，成本低等。缺点：系统的识别精度受面部的角度、位置和周围光环境的影响很大；目前的识别精度还有待进步提高。第2 页信息t 程大学硕七学付论文声音识别声音识别是一种行为特征识别技术，识别设备不断地测量、记录声音的波形和变化，然后将现场采集到的声音同登记过的声音模板进行精确的匹配。声音识别系统主要由三部分组成：声音信号的分割、特征提取和说话人识别。声音识别是非接触的识别技术，用户可以很自然地接受。但其缺点是：作为行为特征识别技术，声音变化的范围太大，很难精确的匹配；声音会受到环境、情绪、身体健康状态等因素影响，随着音量、速度、背景噪声和音质的变化而影响到采集与比对的结果，而且容易用录音来欺骗声音识别系统。步态识别步态识别是生物识别技术中的一个新兴领域，它旨在根据人们走路的姿势进行身份识别。脸像、指纹等生物特征，通常要求近距离或接触性的感知。它们在远距离情况下将不可能被使用，而此时步态仍是可感知的，也很容易被人们所接受，因此它引起了视觉研究者的浓厚兴趣”1 。步态特征属于人体行为特征，由于心理因素的不同、体重的改变等都会引起步态特征的改变，很难在长时间内保持稳定，而且步态识别需要对视频序列进行处理，因此其运算量也是相当大的。除了以上研究比较活跃的生物识别技术以外，目前又有一些新的技术出现，例如：虹膜识别、手形识别、掌纹识别、耳形识别、血管识别、d n a 识别、气味检测、笔迹识别、击键特征识别等等。上述的每种生物特征都有着其特有的应用优势，也都存在固有的局限性，那么要改善系统的识别性能，就已不再是单单改善某一种识别技术的问题，因此根据实际的应用需求，将两种或两种以上的生物特征结合，会使识别系统的性能得到很大提高，这就产生了多生物特征识别技术“m 1 。多生物特征识别技术就是结合多种生理或行为特征进行人体身份识别的技术。总之，人体生物特征识别不但有极大的学术研究价值，而且有极广泛的应用领域。生物特征识别技术为我们提供了一个方便、可靠的识别身份的途径。目前生物特征识别技术的研究还处于初始发展阶段，如何提高系统的准确性和鲁棒性是该研究领域的重大挑战。1 2 足迹生物特征识别1 2 1 足迹生物特征识别的生理基础在人体生理结构中，人体下肢踝关节以下的组织器官称为足。足主要由2 6 块骨和深浅层筋膜、深浅层叶状肌肉、肌腱以及表层较厚的皮肤组成。足骨是人体负重、行走和吸收震荡的结构，由2 6 块骨和若干小籽骨组成，由骨关节和韧带连接构成一个整体。足骨中的2 6 块骨( 如图1 ) 分别为趾骨1 4 块，跖骨5 块，跗骨7 块( 楔骨3 块，骰骨、舟壮骨、距骨、跟骨各1 块) 。其中1 2 块骨( 跖骨5 块，跗骨7第3 页信息t 稃大学硕+ 学位论文块) 构成足弓，共有3 个足弓位，分别是内足弓位、外足弓位及横足弓位。足弓的形状主要由韧带、足底筋膜、肌肉及骨骼结构所维系，这种结构能使人在站立和行走运动时增加稳定性、减轻对脑的震荡、保护足底的血管和神经免受压迫，与直立行走相适应。图1 足部骨骼结构图足型是以2 6 块足骨头组成的支架，肌肉、筋膜、皮肤共同构成形体，肌肉、筋膜、皮肤又承担着足骨传来支撑力和力的分散与平衡，足部肌肉起着缓冲支撑垫的作用。足骨与足型关系如图2 所示( a ) 足部x 射线摄影正位( b ) 足部x 射线摄影侧位图2 足骨与足型关系图足迹的形成是人体站立或行走时，在肌力和自身重力的作用下，足底面或鞋( 袜) 底第4 页信息t 稃大学硕士学伊论文面的形态结构在承受客体上留下的痕迹。作为身份鉴别的一种重要生物特征信息，足迹痕迹信息有其突出的特点。足迹中趾区、掌区、弓区等不同压痕区域的大小、比例、位置、方向、变化关系等形态分布特征由人体足型骨骼决定，具有其特定性和相对稳定性，是足迹用于人体身份鉴别的基础。足骨、足型与足迹形成的对应关系如图3 所示。图3 足骨、足型与足迹对照图另外，由于足迹痕迹信息来源于人的整体行为，与人体的身高、体态、性别、年龄和行走习惯等生物特征存在着特定的联系，人体的某些生物特征必然通过足迹痕迹信息的形态分布反映出来，且表现为一定的规律性。这种足迹痕迹信息与人体生物特征的联系在实践中已得到证实和应用，是计算机足迹痕迹分析检验的基本依据。足迹生物特征识别是利用人体站立或行走条件下在承痕体上形成的足迹特征进行身份鉴别。可用的足迹特征主要有足迹的大小、能反映足部骨骼结构和肌肉分布的重压面形状、位置和相互关系等。因此，作为一种载荷人体生理和行为两种特征的重要的痕迹信息，足迹生物特征识别的研究是非常必要的。1 2 2 足迹检验的历史发展及研究现状目前，公安刑侦是足迹生物特征识别的主要应用领域。足迹是犯罪现场遗留几率较高的痕迹信息。我国是历史上最早将足迹引入刑事诉讼证据的国家之一。据有关资料考证：早在两千多年前的秦王朝时期，我国就把“履迹”作为侦破案件的证据“”。虽然足迹侦察有着悠久的历史，但是由于足迹采集困难，受地面条件影响严重，足迹特征的唯一性还没有得到广泛认可，足迹识别的发展较为缓慢。1 9 6 0 年，我国公安机关组织足迹检验技术人员，总结了内蒙古自治区赤峰市昭乌达盟牧民马玉林( 后为赤峰市公安局人民警察) 识别牲畜蹄印的经验，开展了“步法检验技术”的研究，此后足迹在我国刑事侦察痕迹检验中得到了比较深入的研究和广泛的应用。经过第5 页信息工程大学硕十学位论文长期的应用实践和经验总结，通过人工的足迹痕迹检验可以推断人的身高、年龄、体态、行走特点等特征，足迹鉴别在刑事案件的侦破中发挥了重要作用。2 0 世纪8 0 年代初，公安部牵头组建了“足迹步法定量化检验研究组”，吸引前人经验，运用数学、测绘、机械、电子等学科的理论知识，经过多年实验研究，创造出了一套系统的足迹步法定量检验方法，又研制了自动化程度较高的足迹高程测量仪等检测仪器，从而推动了足迹的计算机自动鉴别技术的发展。近年来，随着信息和自动化技术的发展，足迹的计算机自动鉴别技术研究取得了一些研究成果，计算机同一性认定的结果已被法院采信“”。作为一种刑事案件侦察的基本手段，足迹检验在国外的刑事侦查领域也受到了一定的重视，英国、加拿大等国开展了足迹检验的技术研究，对于足迹的视觉形状特征提出了一些基本的分析方法“”“”，给出了一些有意义的结论。r o b b i n s 通过对5 0 0 名美国人的平面足迹进行尺规测量，得出了足长约为身高的1 5 的结论“，并指出从人类学的角度来看，每个人的足迹都是独特唯一的“”，k e n n e d y 用成年双胞胎的足迹特征差异性来证实这一结论“。s m i t h 探讨了足骨与性别、人类种族的分布关系“”。c h u 等人通过平面赤足迹的形状来推算足弓的高度“。m ”。j a s u j a 等人研究了在人体行走时步幅和身高的关系o 。n a k a j i m a 等人将1 0 人的1 1 0 对平面赤足迹数据进行标准化后，利用足迹对的方向差和位置差的加权和进行个人身份认定，识别率达到8 5 o “，该成果还需要增大样本数据以验证其特征参数的识别有效性。k e n n e d y 等人采集了9 6 0 个志愿者的墨拓平面赤足迹，每个赤足迹提取了1 0 0 个形状特征参数，通过统计理论分析了平面赤足迹对于不同个体之间的可分辨性噙1 ，但是其部分形状特征的提取仍然需要半人工标定和测量。j u n g 等人用人体行走过程中足部压力的动态变化进行身份鉴别8 ”。虽然足迹检验有着悠久的历史，并积累了丰富的经验，但检验方法大多是手工进行的，验证结论基本上是凭经验作出。这种传统的足迹检验很难在特征识别和鉴定中给出一个精确的解释，严重制约着足迹检验技术的正常发展和推广应用。在现代社会，犯罪分子的作案手段愈发狡猾、隐蔽，而且跨区域作案也日益增多，随着科技的进步和司法体制的不断健全，应用部门对足迹特征提取、检验识别的准确性提出了更高要求，迫切需要我们将刑侦理论知识与计算机结合起来，利用图象处理与模式识别技术来进行更加精确的量化分析，同时要在全国范围内建立足迹特征信息库并实现信息共享，这样才能更好的打击犯罪，保护人民生命财产安全，维护社会稳定。1 3 本文内容安排足迹分为立体足迹和平面足迹。脚掌直接或者间接作用于坚硬的平板承受客体时，脚掌或承载物表面的灰尘、水渍、汗渍、血渍在人体压力作用下的不均匀分布所形成的痕迹第6 页信息工稃大学硕士学位论文为平面赤足迹。显然，平面赤足迹图象与人体足部的骨骼分布和行走习惯有明显的依赖关系，其边缘、区域、纹理等特征可以反映行为人的生理特征和行为特征，在同等条件下具有一定的特定性和稳定性。随着我国经济的发展和人居环境的改善，平面足迹逐渐成为最常见的痕迹信息，基于平面足迹的生物特征识别有着更加广泛和紧迫的应用需求。为了更加全面地认识足迹生物特征识别中的基本问题，同时满足应用技术发展的要求，我们对平面赤足迹识别开展了初步的研究工作。本课题来源于国家自然科学基金项目足迹生物特征与身份鉴别技术研究，主要研究平面赤足迹的采集与分割方法，结合专家经验知识，分析足迹生物特征的规律、研究平面赤足迹生物特征的提取与识别技术。本文共分为六章。第一章简要介绍生物特征识别及常用技术，重点阐述了足迹生物特征识别的生理基础、平面赤足迹检验的历史发展及研究现状。第二章介绍了扫描平面赤足迹图象的数据采集方式；针对图象内容和足迹识别的应用要求，阐述了图象分割的基本概念、方法以及高斯拟合的基本原理；针对平面赤足迹扫描图象数据的灰度统计特性，提出了基于高斯拟合的平面赤足迹图象分割算法，有效分割提取出了足迹重压面区域和全足区域。第三章介绍了形状分析的基本原理以及足迹检验专家知识，提出了一种平面赤足迹坐标系的建立方法，在该坐标系下对平面赤足迹进行了轮廓分段与区域划分，提取了平面赤足迹的间距、角度等几何度量特征，以及基于区域和基于边界的平面赤足迹形态特征，并对所提取的特征变量进行了相关性分析。第四章介绍了回归分析方法，重点阐述了偏最小二乘回归分析的基本原理及其相应的辅助分析方法，利用偏最小二乘回归在小样本多元数据分析中的应用优势，研究了平面赤足迹形态特征与人体身高、体重等生理特征之间的统计规律，建立了偏最d , - - 乘回归模型，并给出了实验结论。第五章针对足迹生物特征识别的应用要求，运用模式识别的理论知识，建立了平面赤足迹身份鉴别的概率模型，并给出了该模型下的教度可分性和贝叶斯决策规则，通过特征选择，对4 1 6 枚赤足迹数据进行了测试，正确识别率可以达到o 9 8 。结束语总结了本文的工作，并提出了今后工作的展望。第7 页笪星三翌查兰堡主兰竺丝茎第二章平面赤足迹图象分割2 1 平面赤足迹图象数据采集足迹识别的基础是提取稳定的识别特征，而有效的识别特征则需要通过对大样本足迹图象的统计分析得到。目前公安系统所采集、存储并建库备案的平面足迹数据形式主要采用墨拓的方法。脚底涂有油墨的采集者直体站立在纸面上，在纸面上形成的痕迹即为墨拓平面足迹。由于墨拓足迹样本能够较好地反映人体足迹的形态特性，并且采集方式与现场足迹痕迹信息的形成过程接近，是传统人工足迹检验中常用的足迹采集方式。在足迹生物特征识别技术研究中，纸面墨拓足迹可以经数码相机、图文扫描仪等设备转为数字图象并以数字图象格式存储到计算机中。然而，针对人体足迹生物特征识别研究的应用要求，传统的墨拓足迹采集方式存在以下几方面的问题：( 1 ) 采集过程不易控制；( 2 ) 油墨浓度不一造成采集的足迹图象发生变形或信息缺失( 图4 ) ；( 3 ) 数据的规范性不易控制。单纯的墨拓平面赤足迹采集方式不易于获得同一人的多时态重复数据，不易于建立大样本的平面足迹图象库，因而这种数据采集方式不能够满足足迹生物特征识别技术研究的要求。l 笙l4 墨拓足迹的变形和信息缺失由于c c d 具有高分辨率、高灵敏度、像素位置准确、可靠性好等优点，我们利用平板式c c d 扫描仪的工作原理，研发了平面赤足迹数字图象采集设备( 图5 ) 。经实验，设定扫描分辨率为2 0 0 p p i ，并编制了图象系统校正的处理程序。第8 页信息t 稃大学硕+ 学伊论文应用该设备采集的平面赤足迹图象如图6 所示。幽5 平面赤足迹数字图象采集设备圈6 平面赤足迹幽象由于该设备成像过程易于控制，适于提取生物特征识别研究中要求的同等条件下的多样本平面赤足迹图象数据，我们使用该平面赤足迹数字图象采集设备建立了平面赤足迹图象样本库。该样本库包括3 1 8 人、2 0 5 4 枚单足迹数据。志愿者以在校学生为主，男性2 7 5 人，女性4 3 人，其中5 4 名志愿者重复采集六次以上：年龄分布主要集中在区间 1 9 岁，2 2 岁】；身高分布区间为 1 5 8 e m ，1 8 7 e m ；体重分布区间为 4 1 k g ，9 0 k g 。如图6 所示，由于采集成像机理与墨拓形式不同，扫描平面赤足迹数字图象包含着比墨拓平面赤足迹图象更多的图象信息。图象采集时由于承载人体重力较大的区域( 前掌、第9 页信息t 稃大学硕十学竹论文后跟和拇趾等) 与设备承载面紧密接触、反射特性强，图象的灰度值高；而承载人体重力较小的区域图象灰度值降低；与设备承载表面无直接接触的区域( 如足弓内侧) ，由于也产生光线的反射，在低灰度层次上形成影像。这种方法获取的平面赤足迹图象对数据的”平面”性进行了延伸，不仅包含了墨拓平面足迹图象中的重压面特征信息，而且还包含了全足的影像信息。针对扫描平面赤足迹图象数据的特点以及非配合足迹识别的应用需求，需要对扫描平面赤足迹图象中的重压面区域和全足区域进行分割提取，因此本文对图象分割算法进行了研究，提出了基于高斯拟合的扫描平面赤足迹图象分割方法。2 2 图象分割2 2 1 图象分割概述在图象的研究和应用中，人们往往仅对图象中的某些部分感兴趣。这些部分常称为目标或前景( 其它部分称为背景) ，它们一般对应图象中特定的、具有独特性质的区域。为了辨识和分析图象中的目标，需要将它们从图象中分离提取出来，在此基础上才可能进一步对目标进行测量和分析。图象分割( i m a g es e g m e n t a t i o n ) 就是指把图象分成各具特性的区域并提取出感兴趣目标的技术和过程。图象分割是一种重要的图象分析技术，是由图象处理进到图象分析的关键步骤。一方面，它是目标表达的基础，对特征测量的精度有重要影响；另一方面，因为图象分割及其基于分割的目标表达、特征提取和参数测量等将原始图象转化为更紧凑的形式，使得更高层的图象分析和理解成为可能。对于图象分割算法的研究已经有几十年的历史了，多年来一直受到人们的高度重视。常见的传统分割方法主要有阈值化方法、区域生长法、边缘检测法等等，而且其发展与其它很多学科和领域像数学、物理学、生理学、心理学、电子学、以及计算机科学等都有着紧密的联系，如马尔可夫随机场、隐含马尔可夫模型、模拟退火幽1 、分形、高斯混合分布、g a b o r 滤波器”、布朗链、专家系统汹1 等特殊分割算法。尽管在图象分割领域已经做了许多研究工作，但到目前为止，还没有一种适用于所有图象的通用分割算法。所以在图象分割中，针对不同类型的图象，需要采用不同的分割算法。图象阈值( t h r e s h o l d ) 分割是一种广泛使用、简单有效的并行图象分割技术1 。若图象中处于目标或背景内部相邻象素间的灰度值是高度相关的，而处于目标和背景交界处两边的象素在灰度值上有很大差别，它的灰度直方图呈现明显的双峰或多峰特性时，用阈值法可以取得较好的分割效果。阈值分割方法具有简单、计算量小，性能稳定，算法上容易实现，便于实时处理的优点。阈值化方法可以表示为：第l o 页信息t 程大学硕十学位论文，、f lf ( i ，) tg ) 2 1 0f ( i ，) t其中r 是阂值，对于目标物体的图象元素g ( i ，j ) = 1 ，对于背景的图象元素g ( i ，- ，) = 0 。如果图象中有多个灰度值不同的区域，那么可以选择一系列的阈值以将每个象素分到合适的类别中去，称为多阈值分割。阈值法图象分割的关键和难点在于如何取得合适的阈值。近年来，国内外研究人员对这一课题已进行了广泛深入的研究并提出了多种选取阈值的方法，如直方图阈值、类间方差阈值。“、熵闽值啪1 、最小误差阈值删、模糊闽值等。这些基于单阈值化分割的方法推广到多阈值的图象分割中时，需要寻求最佳的多个闽值，传统的算法是用穷尽的搜索方法来寻求最优解，使计算量急剧增加，从而限制了它的使用。2 2 2 基于高斯拟合的图象分割当图象目标内部的灰度差别不大，而目标之间有较大差别时，反映到直方图上就是一个目标对应一个灰度聚类。此时单个目标的灰度统计特性可以用各种统计分布模型来表示，如高斯分布、泊松分布和瑞利分布等。直方图高斯拟合法优化阀值是图象多阈值分割中最常用的方法之一。通过将其直方图看作多个高斯分布的叠加，来拟合直方图的多峰特性，将直方图进行函数化近似表征，从而得到更为准确的分割效果。设图象的灰度直方图为p ( z ) ，0 z l 一1 ，l 为图象的灰度等级，可以把p ( z ) 看作是一一! ：二硅组高斯分布的叠加，即p o ) = 4 毋( z ) + ，( z ) ，其中，舅o ) = ( 舾? ) - o 。b2 井是均值为h ，扛i方差为砰的能量归一化高斯信号。4 是它的权值；r ( z ) 为分解后的残量，n 为分量的个数，对于直方图p ( z ) 求解，需要求解的参数一共是3 n 个。n a k a g a w a 和r o s e n f e l d 恤1 根据最小均方误差准则来拟合高斯模型，使用登山搜寻法求高斯模型参数，过程复杂，计算耗时。k i t l e r 和i l l i n g w o r t h 啪1 根据高斯模型设计了一个判别函数，变换阈值使得这个判别函数达到最优，避免了直接求取高斯模型的参数，提高了运算速度，还可以推广到多高斯模型。尽管它