一种基于CNN的赤足或穿袜足迹的体重判定方法技术

本发明专利技术公开了一种基于CNN的赤足或穿袜足迹的体重判定方法，包括：S1：获取赤足或者穿袜足迹图像数据，并对图像数据进行预处理；S2：制作赤足图像数据集；S3：数据训练与特征提取：S4：体重判定。本申请利用深度学习的方式实现对于人体体重的预估，解放人力的同时，判定的准确率也得到了很大的提高。

A Method of Weight Judgment Based on CNN for Barefoot or Sock-wearing Footprints

The invention discloses a method for determining the weight of barefoot or sock footprint based on CNN, which includes: S1: acquiring barefoot or sock footprint image data and preprocessing image data; S2: making barefoot image data collection; S3: data training and feature extraction; S4: weight determination. This application uses in-depth learning method to realize the body weight estimation, while liberating manpower, the accuracy of judgment has also been greatly improved.

【技术实现步骤摘要】
一种基于CNN的赤足或穿袜足迹的体重判定方法
本专利技术涉及一种体重判定方法，具体说是一种基于CNN的赤足或穿袜足迹的体重判定方法。
技术介绍
体重测量是人们日常生活中经常会做的事情，它在医疗应用、学校体检、家庭应用等领域被普遍采用，上世纪50年代中期电子技术的发展推动体重测量制造业的飞速发展，传统的全机械型体重测量仪不便于携带、功能单一、测量精确度低且智能化程度不高，同时测量受温度变化的影响很大，因此进一步研究体重的测量方法有着非常现实的意义。
技术实现思路
本申请提供了一种基于CNN的赤足或穿袜足迹的体重判定方法，利用深度学习的方式实现对于人体体重的预估，解放人力的同时，判定的准确率也得到了很大的提高。本申请的第一种技术方案是：一种基于CNN的赤足或穿袜足迹的体重判定方法，包括：S1：获取赤足或者穿袜足迹图像数据，并对图像数据进行预处理；S2：制作赤足图像数据集；S3：数据训练与特征提取；S4：根据任意一张赤足或者穿袜足迹图像判定该图像的拥有者的体重。进一步的，将完成预处理的数据集分为两类，男性数据和女性数据；针对每一类，又定义以下两个部分：(1)训练集：用于深度学习的训练过程，每个本文档来自技高网...

【技术保护点】
1.一种基于CNN的赤足或穿袜足迹的体重判定方法，其特征在于，包括：S1：获取赤足或者穿袜足迹图像数据，并对图像数据进行预处理；S2：制作赤足图像数据集；S3：数据训练与特征提取；S4：根据任意一张赤足或者穿袜足迹图像判定该图像的拥有者的体重。

【技术特征摘要】
1.一种基于CNN的赤足或穿袜足迹的体重判定方法，其特征在于，包括：S1：获取赤足或者穿袜足迹图像数据，并对图像数据进行预处理；S2：制作赤足图像数据集；S3：数据训练与特征提取；S4：根据任意一张赤足或者穿袜足迹图像判定该图像的拥有者的体重。2.根据权利要求1所述一种基于CNN的赤足或穿袜足迹的体重判定方法，其特征在于，将完成预处理的数据集分为两类，男性数据和女性数据；针对每一类，又定义以下两个部分：(1)训练集：用于深度学习的训练过程，每个赤足足迹数据采样带有从属体重信息，这个体重信息则是这个赤足或穿袜足迹的标签；(2)验证集：用于验证深度学习的结果；上述验证集的数据维度不高于训练集的数据维度，待识别集的数据信息量不高于训练集的数据信息量；有效信息数据维度不低于识别数据集的特征维度。3.根据权利要求1或2所述一种基于CNN的赤足或穿袜足迹的体重判定方法，其特征在于，数据训练与特征提取，包括：1)训练数据准备：对已经完成预处理后的男女性训练集和验证集的二维图像数据，依照标签进行分组分类；2)分组进行基于CNN网络的训练，此处使用改进的AlexNet网络。4.根据权利要求3所述一种基于CNN的赤足或穿袜足迹的体重判定方法，其特征在于，依照标签进行分组分类，具体为：A组：0类：储存体重＜m(kg)的样本；1类：储存体重≥m(kg)的样本；B1组：0类：储存体重＜m-n(kg)的样本；1类：储存体重≥m-n(kg)的样本；B2组：0类：储存体重＜m-2n(kg)的样本；1类：储存体重≥m-2n(kg)的样本；…Bk组：0类：储存体重＜m-kn(kg)的样本；1类：储存体重≥m-kn(kg)的样本；C1组：0类：储存体重＜m+n(kg)的样本；1类：储存体重≥m+n(kg)的样本；C2组：0类：储存体重＜m+2n(kg)的样本；1类：储存体重≥m+2n(kg)的样本；…Ck组：0类：储存体重＜m+kn(kg)的样本；1类：储存体重≥m+kn(kg)的样本；m＝(max+min)/2；k,n的取值要保证min＜m-kn，m+kn＞max；其中max和min分别代表获取到的样本的体重标签中的最大值和最小值。5.根据权利要求3所述一种基于CNN的赤足或穿袜足迹的体重判定方法，其特征在于，改进的AlexNet网络具体为：(1)初始网络：网络构成：4层卷积层，2层池化层，2层全连接层；网络连接：conv1+pooling1+relu→conv2+pooling2+relu→conv3+relu→conv4+relu→fc5→fc6其中，conv代表卷积层，pooling代表池化层，fc代表全连接层，relu代表激活函数；(2)通过训练及验证结果调整网络：利用初始网络进行一次完整训练之后，用验证数据测试，假定体重判定准确率不足N％，则认为网络结构需要调整；至此，获得训练好的基于CNN网络的赤足图像体重判定模型MA,MB1,…,MBk,MC1,MC2,…MCk；FA,FB1,FB2,…,FBk,FC1,FC2,…,FCk，其中，M开头为男性体重判定模型；F开头为女性体重判定模型。6.根据权利要求5所述一种基于CNN的赤足或穿袜足迹的体重判定方法，其特征在于，改进的AlexNet网络的各层参数为：conv1:卷积核大小：5*5；卷积核数量：16；卷积步长：2；权重初始化方式：xavierpooling1:核大小：2*2；卷积步长：1conv2:卷积核大小：3*3；卷积核数量：32；卷积步长：...

【专利技术属性】
技术研发人员：郭宝珠，张吉昌，于昕晔，
申请(专利权)人：大连恒锐科技股份有限公司，
类型：发明
国别省市：辽宁,21