自然行走狀態下的足底壓力穩定性研究

丁 漢,唐云祁,郭 威

(中國人民公安大學 刑事科學技術學院,北京 100038)

自然行走狀態下的足底壓力穩定性研究

丁 漢,唐云祁,郭 威

(中國人民公安大學 刑事科學技術學院,北京 100038)

利用足底壓力進行身份識別在人機交互、生物識別等領域已有一定的應用。只有每個人的足底壓力是穩定的、個性化的，足底壓力的身份識別才是科學的，但足底壓力的穩定性問題一直沒有得到驗證。公安實踐中，足跡可進行人身的同一認定，但也沒有底層科學規律作為理論支撐。通過對采集的相關數據進行計算機編程處理,探究人自然行走狀態下的足底壓力數據的穩定性，為利用足底壓力進行人身識別奠定科學基礎。使用MATLAB軟件,對FOOTSCAN足底壓力測量分析系統采集的足底壓力峰值數據運用歐氏距離特征向量方差算法進行處理，以分析足底壓力的穩定性。實驗結果表明，自然行走狀態下每個人足底壓力的歐氏距離特征向量的方差基本穩定，可以利用足底壓力數據進行相關研究和應用。

足底壓力；峰值數據；歐氏距離；穩定性

0 引 言

縱觀現有自然人機交互技術，絕大多數都是面向上肢和體態的方面，針對下肢的研究很少[1]。事實上，下肢是人體運動的支撐，下肢運動跟手勢一樣能夠表達豐富的肢體語言，適合用做交互載體。首先，下肢與上肢在生理結構上較為接近，雖不及上肢靈活，但上肢能表達的簡單動作，下肢一般都能表達。Eduardo在文獻[2]中提到：“Feet excel at performing simple tasks”，“The performance of the feet might not be as bad as people think”。而且在穿戴設備方面，相比上肢，下肢有其獨特優勢[2]。其次，下肢承擔行走任務，成長環境及生理構造的獨特性，讓下肢行走蘊含了豐富的個性化信息。這些個性化信息有助于個性化自然人機交互技術的研究。因此，研究基于人體下肢的人機交互技術對于豐富和發展自然人機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交互技術意義重大。隨著Kinect、足壓鞋墊等下肢交互設備的逐漸普及，在公安、醫學等領域利用足底壓力進行身份識別成為了一個新的研究方向[3]，受到越來越多的關注。相比于指紋識別[4]、人臉識別[5]、虹膜識別[6]、聲紋識別[7]等，利用足底壓力進行人身識別具有隱蔽性、非侵擾性等優點，但是，足底壓力的穩定性問題并沒有得到解決。如果個人的足底壓力不穩定，利用足底壓力進行身份識別是沒有科學依據的，因此，需要對足底壓力的穩定性問題進行研究。針對足底壓力的穩定性研究目前還較少，但仍有一些研究者對此做出了較大貢獻。早在20世紀60年代，國內公安專家馬玉林在長期實踐中發現：受人體生理構造及步態運動習慣等因素的影響，不同行人的足跡形態一般互不相同。利用這一特性，馬玉林于1959年總結出了一套“從印到影、從影到印、對人對印”的步法追蹤技術[8]。步法追蹤技術為國內公安機關偵查破案創出了一條獨特的捷徑，為起訴、審判犯罪嫌疑人提供了重要依據。這種從公安實踐中發展起來的神奇破案方法，在經驗層面說明了足底壓力的穩定性。Lemaire研究團隊[9]利用實驗獲取了足底壓力中心軌跡、足底壓力中心、最大重壓點等參數，通過對這些參數進行統計學分析，研究步態的穩定性。中科院自動化所研究團隊利用CASIA步態數據庫,也做了相關研究[10]。

根據公安足跡專家的相關經驗，結合FOOTSCAN足底壓力測量分析系統,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下足底壓力的穩定性，為利用足底壓力進行人身識別奠定了科學基礎，使其可更好地應用于刑事偵查[11]等領域。

1 基于足底壓力歐氏距離特征向量方差分析的穩定性研究

利用采集的每個人的6組足底壓力峰值數據，設計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)對實驗數據進行預處理，包括對靜態足底壓力矩陣進行全零行和全零列的去除和歸一化處理。

(2)根據式(2)計算出足底壓力整體中心點P0及每個人的局部(腳趾區、前腳掌區、后跟區)壓力中心點P1、P2、P3。

(1)

(2)

(3)計算P0到P1、P2、P3之間的歐氏距離d1、d2、d3,那么，測試者雙足的步態觸覺特征記為一個向量D=(dl1,dl2,dl3,dr1,dr2,dr3)。由于個人足結構的不同，每人就形成一個個性的六維歐氏距離特征向量[12]。

(4)通過式(3)求出每個人每一維的特征向量的方差，記錄下來以便分析穩定性。

(3)

其中，X為各組數據的平均數；n為數據個數；X1,X2,…,Xn為每個數據的具體數值。

對腳底三個區域采用從后跟區占足底區域面積40%，前腳掌區占足底區域面積40%，腳趾區占足底區域面積20%的比例進行劃分[13]。

2 實驗與分析

2.1 足底壓力數據庫的建立

2.1.1 使用設備

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

2.1.2 數據采集

利用FOOTSCAN系統及其配套軟件，提取50名身體健康的大學生正常行走時赤足的足底壓力數據(見圖1)，每人分別提取6組。通過FOOTSCAN配套軟件，提取出每個人每只腳的足底壓力峰值數據(見圖2)。

圖1 足底壓力數據的采集

采集實驗數據的大學生年齡段為18-20周歲，足部均無疾病。利用MATLAB R2013a軟件將采集到的每個測試者的左腳6組和右腳6組的足底壓力峰值數據組成步態數據庫，用于判斷其穩定性。

2.2 足底壓力數據的預處理

首先對足底壓力矩陣進行全零行和全零列的去除,得到只保留測試者的足底壓力分布最小矩陣，以便后續分析。然后將足底壓力分布最小矩陣進行旋轉處理，使其歸一化。

圖2 足底壓力峰值數據

2.3 足底壓力歐氏距離特征向量方差分析算法運行結果

對50名測試者的足底壓力峰值數據運行上述算法，結果見表1。設計比對實驗,將前30名測試者中每個人同一足的1組足底壓力歐氏距離特征向量進行組合，得30組數據作為比對數據。方差結果見表2。

表1 前30位測試者歐氏距離特征向量方差結果

表2 比對實驗10組數據

經比對實驗觀察可知，同一人的足底壓力歐氏距離特征向量是相對穩定的。測試者共有50人，每人有六維歐氏距離特征向量，那么，共得到50×6=300個特征向量的方差結果。以數量10為單位對測試者歐氏距離特征向量方差結構進行統計，結果如表3所示。

表3 測試者歐氏距離特征向量方差數量統計結果

方差是各個數據與這些數據平均數之差的平方和的平均數。在概率論與數理統計中，方差用來度量隨機變量與數學期望(即均值)之間的偏離程度[14]。方差采用樣本的波動大小去估計總體的波動大小，方差越小則波動性越小，穩定性也越好，反之，穩定性越差。通過對每個人的6個足底壓力歐氏距離特征向量的方差進行橫向比較發現，大多數情況下方差較小，且每個人的特征方差波動程度不大；有少數情況，每個人的6個特征方差中有1個波動較大，明顯異于其他5個，這可能是由于在數據采集時，某些異常因素的出現影響了此次足底壓力數據采集的穩定性。這些可能出現的異常因素還需利用實驗時設置的監控視頻等手段去分析驗證，得出影響足底壓力穩定性的因素可能有哪些。通過對每個人的6個足底壓力中心點特征方差進行縱向比較發現，在所有300個數據樣本中，方差值在0～10區間內的數量為261個，比例高達87%，方差值大于50的數量只有2個，僅占樣本數量的0.007%。說明從總體上觀察，人的足底壓力特征是比較穩定的。

3 結束語

足底壓力的穩定性是利用足底壓力進行身份識別的基礎。鑒于足底壓力進行身份識別的研究尚處于起步階段，基于FOOTSCAN足底壓力測量分析系統所采集的足底壓力數據，初步探究分析了足底壓力的穩定性。分析結果表明，人類個體在自然行走狀態下的足底壓力是基本穩定的，為今后利用足底壓力進行身份識別奠定了科學基礎。

[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.論步法追蹤技術的綜合運用[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步態分析系統在足跡檢驗中的應用初探[J].刑事技術,2008(4):18-20.

[12] 陳惠明.圖像歐氏距離在人臉識別中的應用研究[J].計算機工程與設計,2008,29(14):3735-3737.

[13] 方 正,張興亮,王 超,等.基于青年人足底壓力測試的步態實驗研究[J].生物醫學工程學雜志,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].實驗科學與技術,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

時間：2017-03-07

國家自然科學基金資助項目(61503387)；公安部技術研究計劃項目(2015JSYJC52)

丁 漢(1990-),男，碩士研究生，研究方向為刑事科學技術痕跡檢驗；唐云祁，講師，研究方向為模式識別；郭 威，博士，教授，研究方向為刑事科學技術痕跡檢驗。

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