买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：辽宁师范大学

摘要：基于鞋印的嫌疑人性别预测方法，属于刑事侦查技术领域。方案如下：对倾斜鞋印进行矫正与提取：对鞋印图像进行Radon变换，并对鞋印图像进行倾斜矫正,提取鞋印；提取鞋印7维特征：提取鞋印特征中的鞋长和鞋宽,将鞋印图像分割为前足区和后足区，提取鞋印特征中的前后足区质心距离,提取鞋印特征中的前足区的鞋掌长宽和后足区的鞋跟长宽；建立基于鞋印的性别预测模型：建立特征集,对特征集进行降维,训练基于支撑向量机的性别预测模型,对性别进行预测。有益效果：本发明所述的基于鞋印的嫌疑人性别预测方法，该方法能减小现有技术中存在的误差，覆盖更大的犯罪群体，提高了嫌疑人性别预测的准确性。

主权项：1.一种基于鞋印的嫌疑人性别预测方法，其特征在于，步骤如下：S1、对倾斜鞋印进行矫正与提取：S1.1、对鞋印图像进行Radon变换，并对鞋印图像进行倾斜矫正；步骤S1.1具体如下：将鞋印图像转化为灰度图像，使用最大类间方差法找到鞋印灰度图像的一个合适的阈值，并将鞋印图像的灰度图像转化为二值图像；采用5×5的方形结构元 对二值化后的二值图像先进行闭运算，连接鞋印细小花纹，去除鞋印花纹影响,再进行开运算滤除鞋印图像中的噪声点以及鞋印周围的噪声点；对去噪后的鞋印灰度图像进行Radon变换，获取投影值最大的角度，将其与90度的差作为倾斜角度；根据倾斜角度，对鞋印图像进行倾斜校正；S1.2、提取鞋印：通过行列扫描的方式，得到矫正后鞋印图像中鞋印的最小外接矩形，其四个顶点分别记为xleft,ytop，xright,ytop，xleft,ybottom，xright,ybottom，S2、提取鞋印7维特征：S2.1、提取鞋印特征中的鞋长和鞋宽；鞋印特征的鞋长为|ybottom-ytop|，鞋宽为|xright-xleft|；S2.2、将鞋印图像分割为前足区和后足区；以矫正后鞋印图像中鞋印的最小外接矩形的水平中位线为界分为上下两部分，上半部分区域为前足区，下半部分区域为后足区；S2.3、提取鞋印特征中的前后足区质心距离；步骤S2.3具体如下：分别计算出前足区和后足区的质心坐标，前足区质心坐标c1,c2： 后足区质心坐标c3,c4： 其中x，y分别表示鞋印图像在水平和垂直方向上的坐标，fx,y为矫正后图像的灰度值，h表示矫正后鞋印图像中鞋印的最小外接矩形的长度；计算前后足区质心距离x3： S2.4、提取鞋印特征中的前足区的鞋掌长宽和后足区的鞋跟长宽；步骤S2.4具体如下：对步骤S2.2中鞋印前足区图像进行行列扫描，得到鞋掌部分最小外接矩形，按步骤S2.1计算得到鞋掌长宽；对步骤S2.2中鞋印后足区图像进行行列扫描，得到鞋跟部分最小外接矩形，按步骤S2.1计算得到鞋跟长宽；S3、建立基于鞋印的性别预测模型：S3.1、建立特征集；步骤S3.1具体如下：提取数据集中的每幅鞋印的7维特征，形成鞋印图像特征集X，鞋印图像的性别标签记为H， 为第n个鞋印图像样本的鞋长，为第n个鞋印图像样本的鞋宽，为第n个鞋印图像样本的前后足区质心距离，为第n个鞋印图像样本的鞋掌长，为第n个鞋印图像样本的鞋掌宽，为第n个鞋印图像样本的鞋跟长，为第n个鞋印图像样本的鞋跟宽，hn为第n个鞋印图像样本对应的性别，hn∈{0,1}，0为男性、1为女性；S3.2、对特征集进行降维；步骤S3.2具体如下：对鞋印特征集X的每一列进行零均值化，然后求出协方差矩阵Σ及其特征值与特征向量；将特征向量按对应特征值从大到小按列排列成矩阵，取前3列组成投影矩阵P，根据P，将特征集X中每个样本由7维降至3维，形成后的降维后的特征集Y，即：Y＝XP； S3.3、训练基于支撑向量机的性别预测模型；步骤S3.3具体如下：输入降维后的特征集Y与性别标签H，按7:3的比例划分训练集与测试集，采用K折验证训练分类器，得到基于支撑向量机的性别预测模型；S4、对性别进行预测；步骤S4具体如下：输入待测鞋印图像样本，利用步骤S1倾斜矫正后提取鞋印图像中鞋印的最小外接矩形，利用步骤S2提取出鞋长、鞋宽、前后足区质心距离、鞋掌长、鞋掌宽、鞋跟长、鞋跟宽共7维特征，形成行向量L；利用步骤S3中的步骤S3.2，将待测鞋印提取出的特征L与矩阵P相乘，得到降维后特征YL，将YL输入步骤S3中的性别预测模型进行性别预测，最终获得嫌疑人性别信息。

全文数据：

权利要求：

百度查询： 辽宁师范大学 基于鞋印的嫌疑人性别预测方法