丁 漢,唐云祁,郭 威

(中國(guó)人民公安大學(xué) 刑事科學(xué)技術(shù)學(xué)院,北京 100038)

自然行走狀態(tài)下的足底壓力穩(wěn)定性研究

丁 漢,唐云祁,郭 威

(中國(guó)人民公安大學(xué) 刑事科學(xué)技術(shù)學(xué)院,北京 100038)

利用足底壓力進(jìn)行身份識(shí)別在人機(jī)交互、生物識(shí)別等領(lǐng)域已有一定的應(yīng)用。只有每個(gè)人的足底壓力是穩(wěn)定的、個(gè)性化的，足底壓力的身份識(shí)別才是科學(xué)的，但足底壓力的穩(wěn)定性問(wèn)題一直沒(méi)有得到驗(yàn)證。公安實(shí)踐中，足跡可進(jìn)行人身的同一認(rèn)定，但也沒(méi)有底層科學(xué)規(guī)律作為理論支撐。通過(guò)對(duì)采集的相關(guān)數(shù)據(jù)進(jìn)行計(jì)算機(jī)編程處理,探究人自然行走狀態(tài)下的足底壓力數(shù)據(jù)的穩(wěn)定性，為利用足底壓力進(jìn)行人身識(shí)別奠定科學(xué)基礎(chǔ)。使用MATLAB軟件,對(duì)FOOTSCAN足底壓力測(cè)量分析系統(tǒng)采集的足底壓力峰值數(shù)據(jù)運(yùn)用歐氏距離特征向量方差算法進(jìn)行處理，以分析足底壓力的穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明，自然行走狀態(tài)下每個(gè)人足底壓力的歐氏距離特征向量的方差基本穩(wěn)定，可以利用足底壓力數(shù)據(jù)進(jìn)行相關(guān)研究和應(yīng)用。

足底壓力；峰值數(shù)據(jù)；歐氏距離；穩(wěn)定性

0 引 言

縱觀現(xiàn)有自然人機(jī)交互技術(shù)，絕大多數(shù)都是面向上肢和體態(tài)的方面，針對(duì)下肢的研究很少[1]。事實(shí)上，下肢是人體運(yùn)動(dòng)的支撐，下肢運(yùn)動(dòng)跟手勢(shì)一樣能夠表達(dá)豐富的肢體語(yǔ)言，適合用做交互載體。首先，下肢與上肢在生理結(jié)構(gòu)上較為接近，雖不及上肢靈活，但上肢能表達(dá)的簡(jiǎn)單動(dòng)作，下肢一般都能表達(dá)。Eduardo在文獻(xiàn)[2]中提到：“Feet excel at performing simple tasks”，“The performance of the feet might not be as bad as people think”。而且在穿戴設(shè)備方面，相比上肢，下肢有其獨(dú)特優(yōu)勢(shì)[2]。其次，下肢承擔(dān)行走任務(wù)，成長(zhǎng)環(huán)境及生理構(gòu)造的獨(dú)特性，讓下肢行走蘊(yùn)含了豐富的個(gè)性化信息。這些個(gè)性化信息有助于個(gè)性化自然人機(jī)交互技術(shù)的研究。因此，研究基于人體下肢的人機(jī)交互技術(shù)對(duì)于豐富和發(fā)展自然人機(jī)交互理論具有十分重要的意義。

綜上，研究基于人體下肢的人機(jī)交互技術(shù)意義重大。隨著Kinect、足壓鞋墊等下肢交互設(shè)備的逐漸普及，在公安、醫(yī)學(xué)等領(lǐng)域利用足底壓力進(jìn)行身份識(shí)別成為了一個(gè)新的研究方向[3]，受到越來(lái)越多的關(guān)注。相比于指紋識(shí)別[4]、人臉識(shí)別[5]、虹膜識(shí)別[6]、聲紋識(shí)別[7]等，利用足底壓力進(jìn)行人身識(shí)別具有隱蔽性、非侵?jǐn)_性等優(yōu)點(diǎn)，但是，足底壓力的穩(wěn)定性問(wèn)題并沒(méi)有得到解決。如果個(gè)人的足底壓力不穩(wěn)定，利用足底壓力進(jìn)行身份識(shí)別是沒(méi)有科學(xué)依據(jù)的，因此，需要對(duì)足底壓力的穩(wěn)定性問(wèn)題進(jìn)行研究。針對(duì)足底壓力的穩(wěn)定性研究目前還較少，但仍有一些研究者對(duì)此做出了較大貢獻(xiàn)。早在20世紀(jì)60年代，國(guó)內(nèi)公安專家馬玉林在長(zhǎng)期實(shí)踐中發(fā)現(xiàn)：受人體生理構(gòu)造及步態(tài)運(yùn)動(dòng)習(xí)慣等因素的影響，不同行人的足跡形態(tài)一般互不相同。利用這一特性，馬玉林于1959年總結(jié)出了一套“從印到影、從影到印、對(duì)人對(duì)印”的步法追蹤技術(shù)[8]。步法追蹤技術(shù)為國(guó)內(nèi)公安機(jī)關(guān)偵查破案創(chuàng)出了一條獨(dú)特的捷徑，為起訴、審判犯罪嫌疑人提供了重要依據(jù)。這種從公安實(shí)踐中發(fā)展起來(lái)的神奇破案方法，在經(jīng)驗(yàn)層面說(shuō)明了足底壓力的穩(wěn)定性。Lemaire研究團(tuán)隊(duì)[9]利用實(shí)驗(yàn)獲取了足底壓力中心軌跡、足底壓力中心、最大重壓點(diǎn)等參數(shù)，通過(guò)對(duì)這些參數(shù)進(jìn)行統(tǒng)計(jì)學(xué)分析，研究步態(tài)的穩(wěn)定性。中科院自動(dòng)化所研究團(tuán)隊(duì)利用CASIA步態(tài)數(shù)據(jù)庫(kù),也做了相關(guān)研究[10]。

根據(jù)公安足跡專家的相關(guān)經(jīng)驗(yàn)，結(jié)合FOOTSCAN足底壓力測(cè)量分析系統(tǒng),提出了足底壓力歐氏距離特征向量方差分析算法，探究了自然行走狀態(tài)下足底壓力的穩(wěn)定性，為利用足底壓力進(jìn)行人身識(shí)別奠定了科學(xué)基礎(chǔ)，使其可更好地應(yīng)用于刑事偵查[11]等領(lǐng)域。

1 基于足底壓力歐氏距離特征向量方差分析的穩(wěn)定性研究

利用采集的每個(gè)人的6組足底壓力峰值數(shù)據(jù)，設(shè)計(jì)了基于足底壓力歐氏距離特征向量方差分析算法，如下所述：

(1)對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理，包括對(duì)靜態(tài)足底壓力矩陣進(jìn)行全零行和全零列的去除和歸一化處理。

(2)根據(jù)式(2)計(jì)算出足底壓力整體中心點(diǎn)P0及每個(gè)人的局部(腳趾區(qū)、前腳掌區(qū)、后跟區(qū))壓力中心點(diǎn)P1、P2、P3。

(1)

(2)

(3)計(jì)算P0到P1、P2、P3之間的歐氏距離d1、d2、d3,那么，測(cè)試者雙足的步態(tài)觸覺(jué)特征記為一個(gè)向量D=(dl1,dl2,dl3,dr1,dr2,dr3)。由于個(gè)人足結(jié)構(gòu)的不同，每人就形成一個(gè)個(gè)性的六維歐氏距離特征向量[12]。

(4)通過(guò)式(3)求出每個(gè)人每一維的特征向量的方差，記錄下來(lái)以便分析穩(wěn)定性。

(3)

其中，X為各組數(shù)據(jù)的平均數(shù)；n為數(shù)據(jù)個(gè)數(shù)；X1,X2,…,Xn為每個(gè)數(shù)據(jù)的具體數(shù)值。

對(duì)腳底三個(gè)區(qū)域采用從后跟區(qū)占足底區(qū)域面積40%，前腳掌區(qū)占足底區(qū)域面積40%，腳趾區(qū)占足底區(qū)域面積20%的比例進(jìn)行劃分[13]。

2 實(shí)驗(yàn)與分析

2.1 足底壓力數(shù)據(jù)庫(kù)的建立

2.1.1 使用設(shè)備

使用設(shè)備為FOOTSCAN足底壓力分布步態(tài)分析系統(tǒng)(平板式)及配套軟件，MATLAB R2013a軟件。FOOTSCAN足底壓力步態(tài)分析系統(tǒng)由比利時(shí)RSscan公司研制生產(chǎn),是具有世界先進(jìn)水平和代表性的三維動(dòng)態(tài)足底壓力步態(tài)分析系統(tǒng),利用機(jī)電一體化和圖像方法進(jìn)行足底壓力分布測(cè)量和定量分析。該系統(tǒng)主要由60 cm×40 cm測(cè)力平板及配套軟件組成。其中，測(cè)力平板上均勻分布1萬(wàn)6千多個(gè)傳感器,分布密度為4個(gè)/cm2,采樣頻率最高達(dá)500 Hz。

2.1.2 數(shù)據(jù)采集

利用FOOTSCAN系統(tǒng)及其配套軟件，提取50名身體健康的大學(xué)生正常行走時(shí)赤足的足底壓力數(shù)據(jù)(見(jiàn)圖1)，每人分別提取6組。通過(guò)FOOTSCAN配套軟件，提取出每個(gè)人每只腳的足底壓力峰值數(shù)據(jù)(見(jiàn)圖2)。

圖1 足底壓力數(shù)據(jù)的采集

采集實(shí)驗(yàn)數(shù)據(jù)的大學(xué)生年齡段為18-20周歲，足部均無(wú)疾病。利用MATLAB R2013a軟件將采集到的每個(gè)測(cè)試者的左腳6組和右腳6組的足底壓力峰值數(shù)據(jù)組成步態(tài)數(shù)據(jù)庫(kù)，用于判斷其穩(wěn)定性。

2.2 足底壓力數(shù)據(jù)的預(yù)處理

首先對(duì)足底壓力矩陣進(jìn)行全零行和全零列的去除,得到只保留測(cè)試者的足底壓力分布最小矩陣，以便后續(xù)分析。然后將足底壓力分布最小矩陣進(jìn)行旋轉(zhuǎn)處理，使其歸一化。

圖2 足底壓力峰值數(shù)據(jù)

2.3 足底壓力歐氏距離特征向量方差分析算法運(yùn)行結(jié)果

對(duì)50名測(cè)試者的足底壓力峰值數(shù)據(jù)運(yùn)行上述算法，結(jié)果見(jiàn)表1。設(shè)計(jì)比對(duì)實(shí)驗(yàn),將前30名測(cè)試者中每個(gè)人同一足的1組足底壓力歐氏距離特征向量進(jìn)行組合，得30組數(shù)據(jù)作為比對(duì)數(shù)據(jù)。方差結(jié)果見(jiàn)表2。

表1 前30位測(cè)試者歐氏距離特征向量方差結(jié)果

表2 比對(duì)實(shí)驗(yàn)10組數(shù)據(jù)

經(jīng)比對(duì)實(shí)驗(yàn)觀察可知，同一人的足底壓力歐氏距離特征向量是相對(duì)穩(wěn)定的。測(cè)試者共有50人，每人有六維歐氏距離特征向量，那么，共得到50×6=300個(gè)特征向量的方差結(jié)果。以數(shù)量10為單位對(duì)測(cè)試者歐氏距離特征向量方差結(jié)構(gòu)進(jìn)行統(tǒng)計(jì)，結(jié)果如表3所示。

表3 測(cè)試者歐氏距離特征向量方差數(shù)量統(tǒng)計(jì)結(jié)果

方差是各個(gè)數(shù)據(jù)與這些數(shù)據(jù)平均數(shù)之差的平方和的平均數(shù)。在概率論與數(shù)理統(tǒng)計(jì)中，方差用來(lái)度量隨機(jī)變量與數(shù)學(xué)期望(即均值)之間的偏離程度[14]。方差采用樣本的波動(dòng)大小去估計(jì)總體的波動(dòng)大小，方差越小則波動(dòng)性越小，穩(wěn)定性也越好，反之，穩(wěn)定性越差。通過(guò)對(duì)每個(gè)人的6個(gè)足底壓力歐氏距離特征向量的方差進(jìn)行橫向比較發(fā)現(xiàn)，大多數(shù)情況下方差較小，且每個(gè)人的特征方差波動(dòng)程度不大；有少數(shù)情況，每個(gè)人的6個(gè)特征方差中有1個(gè)波動(dòng)較大，明顯異于其他5個(gè)，這可能是由于在數(shù)據(jù)采集時(shí)，某些異常因素的出現(xiàn)影響了此次足底壓力數(shù)據(jù)采集的穩(wěn)定性。這些可能出現(xiàn)的異常因素還需利用實(shí)驗(yàn)時(shí)設(shè)置的監(jiān)控視頻等手段去分析驗(yàn)證，得出影響足底壓力穩(wěn)定性的因素可能有哪些。通過(guò)對(duì)每個(gè)人的6個(gè)足底壓力中心點(diǎn)特征方差進(jìn)行縱向比較發(fā)現(xiàn)，在所有300個(gè)數(shù)據(jù)樣本中，方差值在0～10區(qū)間內(nèi)的數(shù)量為261個(gè)，比例高達(dá)87%，方差值大于50的數(shù)量只有2個(gè)，僅占樣本數(shù)量的0.007%。說(shuō)明從總體上觀察，人的足底壓力特征是比較穩(wěn)定的。

3 結(jié)束語(yǔ)

足底壓力的穩(wěn)定性是利用足底壓力進(jìn)行身份識(shí)別的基礎(chǔ)。鑒于足底壓力進(jìn)行身份識(shí)別的研究尚處于起步階段，基于FOOTSCAN足底壓力測(cè)量分析系統(tǒng)所采集的足底壓力數(shù)據(jù)，初步探究分析了足底壓力的穩(wěn)定性。分析結(jié)果表明，人類個(gè)體在自然行走狀態(tài)下的足底壓力是基本穩(wěn)定的，為今后利用足底壓力進(jìn)行身份識(shí)別奠定了科學(xué)基礎(chǔ)。

[1] Toshev A, Szegedy C. Deeppose:human pose estimation via deep neural networks[C]//IEEE conference on computer vision and pattern recognition.[s.l.]:IEEE,2014:1653-1660.

[2] Velloso E,Schmidt D,Alexander J,et al.The feet in human-computer interaction[J].ACM Computing Surveys,2015,48(2):1-35.

[3] Rozado D,Moreno T,San Agustin J,et al.Controlling a smartphone using gaze gestures as the input mechanism[J].Human-Computer Interaction,2015,30(1):34-63.

[4] Amjad A,Nasir S.GLCM-based fingerprint recognition algorithm[C]//Proceedings of 2011 4th IEEE international conference on broadband network and multimedia technology.[s.l.]:IEEE,2011:207-211.

[5] Viola P,Jones M J.Robust real-time face detection[J].International Journal of Computer Vision,2004,57(2):137-154.

[6] Frucci M,Nappi M,Riccio D,et al.WIRE:watershed based iris recognition[J].Pattern Recognition,2015,52:148-159.

[7] Malcangi M,Maroulis G．Robust speaker authentication based on combined speech and voiceprint recognition[J]．Computational Methods in Science & Engineering，2009,48(1)：872-877.

[8] 高 毅.論步法追蹤技術(shù)的綜合運(yùn)用[J].森林公安,2008(6):9-11.

[9] Shi C P，Li H G，Xu L，et al．Multi-resolution local moment feature for gait recognition[C]//Proceedings of the fifth international conference on machine learning and cybernetics.Dalian：[s.n.],2006:3709-3714.

[10] Zheng S,Huang K Q,Tan T N,et al.A cascade fusion scheme for gait and cumulative foot pressure image recognition[J].Pattern Recognition,2012,45(10):3603-3610.

[11] 湯澄清,史力民,黃 愿.Footscan步態(tài)分析系統(tǒng)在足跡檢驗(yàn)中的應(yīng)用初探[J].刑事技術(shù),2008(4):18-20.

[12] 陳惠明.圖像歐氏距離在人臉識(shí)別中的應(yīng)用研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2008,29(14):3735-3737.

[13] 方 正,張興亮,王 超,等.基于青年人足底壓力測(cè)試的步態(tài)實(shí)驗(yàn)研究[J].生物醫(yī)學(xué)工程學(xué)雜志,2014,31(6):1278-1282．

[14] 楊小勇.方差分析法淺析—單因素的方差分析[J].實(shí)驗(yàn)科學(xué)與技術(shù),2013,11(1):41-43.

Research on Stability of Plantar Pressure in Normal Human Walking Condition

DING Han，TANG Yun-qi，GUO Wei

(College of Forensic Science,Chinese People’s Public Security University,Beijing 100038,China)

The identity recognition using plantar pressure has been put into application in the fields of human-computer interaction and biological recognition etc.Only if the plantar pressure of each person is stable and personalized,its identification is scientific.However the stability problem of the plantar pressure has not been verified.In the public security practice the footprints can be considered as personal identification,whereas there is no underlying scientific principle taken as theoretical support.Investigation on the stability of human plantar pressure data in normal walking condition could supply scientific basis for personal identification using plantar pressure analysis.The dynamic plantar pressure peak data from plantar pressure measurement and analysis system,FOOTSCAN,have been processed with Euclidean distance feature vector variance algorithm using MATLAB software so as to analyze the stability of plantar pressure quantitatively.The computational results show that the feature vector variance of each person’s plantar pressure is so basically constant that plantar pressure data can be used for both of exploration investigation and practical application.

plantar pressure;peak value;Euclidean distance;stability

2016-07-04

2016-10-18

時(shí)間：2017-03-07

國(guó)家自然科學(xué)基金資助項(xiàng)目(61503387)；公安部技術(shù)研究計(jì)劃項(xiàng)目(2015JSYJC52)

丁 漢(1990-),男，碩士研究生，研究方向?yàn)樾淌驴茖W(xué)技術(shù)痕跡檢驗(yàn)；唐云祁，講師，研究方向?yàn)槟Ｊ阶R(shí)別；郭 威，博士，教授，研究方向?yàn)樾淌驴茖W(xué)技術(shù)痕跡檢驗(yàn)。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170307.0922.098.html

TP391

A

1673-629X(2017)04-0153-04

10.3969/j.issn.1673-629X.2017.04.034