外轮廓与花纹特征相结合的平面鞋印图像识别的研究

管 燕 (连云港师范高等专科学校计算机系,江苏连云港222006)

李元金 (滁州学院计算机科学与技术系,安徽滁州239000)

平面鞋印图像主要由2部分构成:鞋印外轮廓和鞋印内部花纹。平面鞋印外轮廓一般通过各部分的长、宽以及特征点间的距离来描述。文献 [1]用整个鞋印的长和宽、鞋印的重心位置等来描述鞋印的外轮廓特征,该方法是提取图像轮廓特征的通用手段,给出的只是外轮廓的部分特征,是比较粗略的轮廓描绘,所提取的特征信息不全面。文献 [2,3]用鞋长、掌宽、弓款、跟宽以及掌宽处、弓宽处、跟宽处相对整个鞋的偏移位置等几何形状特征参数描述鞋印外轮廓,该方法的优点是所提取的外轮廓特征能基本描述出鞋印各个分区的外轮廓结构特点,但是没有考虑鞋印外轮廓的细节特征。对于鞋印内部花纹的识别,目前主要采用人工识别和机器识别方法,如大连海事大学研究与开发的系统、英国Freeman公司的SICAR4系统、英国K9刑侦设备公司人工干预条件下的自动花纹查询系统[4,5]。人工识别易受人为因素的影响,而自动识别目前只能实现一些常规花纹识别。笔者通过深入研究平面鞋印图像的特征,提出外轮廓与花纹特征相结合的平面鞋印图像识别方法,从而避免通过单一特征进行识别带来的不确定性,使鞋印检验理论和技术更加系统和客观。

1 平面鞋印外轮廓特征提取方法

平面鞋印图像的主要特点概括如下:①鞋印可以分为 4个区 (鞋尖、鞋掌、鞋弓、鞋跟),如图1所示,可用各分区的宽度和鞋印最长轴之间的比值参数来描述鞋印外轮廓特征;②鞋印的外轮廓主要由凸凹圆弧、直线组成,凸凹圆弧的平滑过渡点称为拐点,凸凹圆弧与直线之间的过渡点称为切点,这些轮廓特征点(拐点、切点)可用来描述鞋印外轮廓。

图1 鞋印各分区比例图

鞋印的4个分区 (鞋尖、鞋掌、鞋弓、鞋跟)分别占有一定的比例[6],如图1所示。鞋印各分区结构如图2所示。为了准确描述各分区的宽度,在图1描述的各分区的范围基础上,上下各扩大5%求其宽度,分别采用式 (1)、式 (2)和式 (3)计算鞋印的掌宽CD、弓宽EF、跟宽GH:

式中,ax,0为存放第 x行左起第1个黑像素点的纵坐标;ax,1为存放右起第一个黑像素点的纵坐标;distance((x,ax,0),(x,ax,1))是坐标为(x,ax,0)的轮廓点与坐标为(x,ax,1)的轮廓点之间的距离;h为轮廓中最上面黑像素点所在的行标;k为轮廓中最下面黑像素点所在的行标。

对于鞋印外轮廓特征的提取,不仅要考虑鞋印各分区长宽度,还要考虑各特征点的距离(反映掌宽处、弓宽处、跟宽处相对整个鞋的偏移位置)。鞋印的外轮廓特征向量S描述如下:

式中,AB是鞋印最长轴;CD 表示掌宽;EF表示弓宽;GH 表示跟宽;AI、AJ、AK 、CI、EJ、GK 分别表示鞋印最长轴AB与掌宽CD、弓宽EF、跟宽GH相交所形成的特征距离。

利用弧长法[7]将鞋印轮廓特征点提取,设提取的特征点qi在二维坐标轴中的坐标为(xi,yi),用特征点坐标可以粗略描述鞋印轮廓。为了保证鞋印在进行缩放时,该坐标不变,对特征点坐标进行归一化处理,用(xi/d,yi/l)代替(xi,yi)来标示特征点,按从左到右、从上到下的次序分别将鞋印轮廓中拐点、切点的横纵坐标组成向量:

其中,d表示鞋弓部分的宽度;l表示鞋印的最长轴。

2 平面鞋印内部花纹形状特征的提取方法

鞋印内部花纹特征提取流程如图3所示。首先采用Canny算子[8]对鞋印图像进行边缘检测,这是提取图像特征的首要条件。不同类型的花纹表现在形状上有不同的特征,因此花纹类型可以按照形状特征来识别。在边缘检测的基础上对被识别的花纹进行边界跟踪,其结果是将边缘按是否封闭分成封闭边缘和非封闭边缘,分别进行后续识别。对于非封闭边缘用链码跟踪的方法进行方向特征提取,先讨论直线和弧线的链码特征,根据复杂事物由简单事物组成的思想,把折波看成不同方向直线的组合,把弧波看成弧线的组合,然后根据链码特征识别出线条类型的直线和弧线花纹以及波折类型的折波和弧波花纹。对于封闭边缘利用傅立叶变换对选择好的形状信号进行变换,再利用变换后的系数进行形状描述。

图3 鞋印花纹特征提取流程

3 平面鞋印图像识别流程

平面鞋印识别流程如图4所示。首先进行预处理操作,主要包括灰度化、二值化、图像增强、滤噪等,然后用各分区纵横比、特征点来描述鞋印外轮廓,用傅立叶描述子和链码跟踪分别描述闭合花纹和非闭合花纹特征。如果鞋印的外轮廓和内部花纹都非常清晰,首先基于外轮廓特征进行鞋印图像识别,将库中所有和被识别鞋印外轮廓特征的欧氏距离小于某一阈值的鞋印图像找出,再根据鞋印内部花纹特征进行识别,最终将与被识别鞋印图像的欧氏距离最小的10幅图像返回给用户。

图4 平面鞋印图像识别的流程

4 鞋印图像识别结果

从500幅鞋印图像库中选取5类 (皮鞋、运动鞋、休闲鞋、凉鞋、拖鞋)示例图像,每类图像分别抽取20幅来进行识别,总共形成100次识别结果,取100次识别结果所得到的 “检索精度”和 “检索回召率”的平均值作为算法的平均识别结果。检索精度是指返回有效图像数与返回图像总数的比率,检索回召率是指返回有效图像数与图像库中有效图像总数的比率。3种平面鞋印识别方法的 “检索回召率”与 “检索精度”对比曲线如图5所示。由图5可知,在检索回召率相同的情况下,将鞋印外轮廓和内部花纹特征相结合识别方法的检索精度比基于鞋印外轮廓特征或花纹特征识别方法提高30%左右,因而具有更好的识别性能。其原因在于,进行基于鞋印外轮廓特征识别时,虽然很多鞋印的外轮廓类似,但其内部花纹却不一定相同;而进行基于鞋印内部花纹特征识别时,虽然很多鞋印内部花纹类似,但其外轮廓的差别却很大,这样会导致根据单一特征进行识别得到的结果不可靠。

图5 3种算法的 “检索回召率”与“检索精度”对比曲线

5 结 语

综合运用外轮廓特征和内部花纹特征进行平面鞋印图像识别法,既考虑了鞋印的外轮廓特征,也考虑鞋印内部花纹特征,避免通过单一特征进行识别带来的不确定性,该方法适合于清晰、完整的鞋印图像识别。对于残缺的鞋印图像可以根据部分外轮廓特征或者是部分花纹特征进行识别,但其特征提取算法有待进一步研究。

[1]贾转玲.平面足迹计算机自动检验技术的研究与实现[D].内蒙古:内蒙古大学,2003.

[2]管燕,李存华,仲兆满.基于轮廓特征的平面鞋印自动识别算法的研究和实现[J].计算机应用研究,2008,25(8):2413～2415.

[3]管燕,李存华,仲兆满,等.一种基于视觉特征的鞋底图像识别方法 [J].河南科技大学学报 (自然科学版),2008,29(3):56～59.

[4]吴志军.鞋底花纹比对与分析系统的设计与实现[D].大连:大连海事大学,2004.

[5]王福生.基于纹理与形状特性的鞋底花纹自动识别算法的研究[D].大连:大连海事大学,2006.

[6]高树辉.现场鞋印档案管理及计算机辅助检索系统研究[J].公安大学学报:自然科学版,2003,(2):69～74.

[7]贺双喜,张少军,夏经亮,等.应用弧长提取轮廓特征点的方法 [J].光电工程,2004,31(11):60～62.

[8]艾海舟,武勃.图像处理、分析与机器视觉 [M].北京:人民邮电出版社,2003.