成趟足迹分析检验算法及系统研究

2014-04-10李岩，潘楠，刘凤，刘益

机械与电子 2014年5期

李岩，潘楠，刘凤，刘益

（1.昆明理工大学机电工程学院，云南昆明650500；2.昆明信诺莱伯科技有限公司，云南昆明650041）

0 引言

在刑侦和司法实践过程中足迹的分析和检验都扮演着重要的角色。经过长期的实践和研究，许多有价值的分析检验方法被提出，在后期的刑侦过程中也被证明是有效的，其计算精度满足特征分析的需要，但这些方法的实现方式基本都是人工计算，计算效率不能满足实际要求［1－2］。针对以上问题，基于LabVIEW平台开发一款成趟足迹分析检验系统，将成趟足迹步幅特征提取、分析及检验的各个流程加以集成，大大提高刑侦现场工作效率。

1 系统的功能设计

根据系统功能划分，可将其分成图像采集、步幅特征提取和步幅特征分析等3个功能模块。

a.进行图像的采集，在成趟足迹采集过程中，采集的图片是多个单张图片，而参与分析计算的图片应该是一张包含多个足迹的全景图片，在这里需要将单张图片进行拼接。

b.载入拼接完成的图片到步幅特征提取模块，经过相关的操作后得出个人的步幅特征包括（步宽、步角和步长等），将提取到的信息存入相应的数据库中。

c.将当前分析得到的步幅特征进行分析和比对，达到锁定嫌疑人或缩小嫌疑人搜索范围的目的。系统功能图如图1所示。

图1 系统功能

2 系统的软件实现

2.1 图像采集

图像采集模块是通过LabVIEW软件编程实现对步进电机的自动化的控制，包括正转、反转和停止拍照等功能。它主要分为硬件部分和软件部分，硬件部分由铝合金轨道（每根100cm）、步进电机、STC89C52单片机和Logitech Pro C920摄像头等组成。软件控制部分直接使用其Vision工具包下的NI－IMAQdx模块控制拍照，由于系统所传递的数据量较小和对系统控制的同步性要求不高，所以选用简单易行和成本较低的串口通信来实现步进电机的控制［3］。图像采集的工作流程图如图2所示。

图2 图像采集工作流程

将采集到的图片以jpg格式保存在指定的目录下，在采集多张图片的过程中为使用户可以实时的查看采集到的图片和在采集完成后可以手动浏览图片，使用图片显示控件的位置属性和可见属性来实现这两个功能。给每个显示控件设置一个初始位置，在图片采集的过程中每个显示控件的位置坐标相应的自动累加，待拍到第几张图片时将其他的图片显示控件设置为不可见。在成趟足迹的分析过程中需要按真实比例反应真实行走轨迹的图片，而通过图片采集模块得到的图片是多张相关的图片，不能直接进行成趟足迹分析。然而由于这些采集到的图片有一部分相互重合，采用快速匹配算法将其拼接成一张足迹的全景图来满足分析的要求［4］。

2.2 步幅特征提取

步幅特征提取是整个分析测试系统中重要的一步，它是从成趟的足迹图像中提取个人步幅特征或信息并存入相应数据库中的过程。在各高级编程语言都提供了对数据库的支持，它们都是在底层驱动的基础上利用ODBC或者ADO调用API函数实现对数据库的操作，过程较为烦琐。LabVIEW编程语言专门提供了数据库链接工具包，工具包集成了大多数的数据库操作和一系列的高级访问功能，而在Vision工具包中更是提供了很多特征提取所需要的算法和函数库，这样就大大降低了编程的难度和工作量［5－6］。

2.2.1 比例系数计算

图3 比例系数校正流程

将拼接完成的成趟足迹图片载入完成后，由于图片中的像素点无法准确的反应出实际距离尺寸，所以要根据图片中标尺的实际距离建立像素点和实际距离的比例关系，这样在计算过程中才能得到与实际相符的步幅特征数据，其实现过程如图3所示。

2.2.2 图像的前处理

图像处理前处理后的效果如图4所示。比例系数计算是用于获得像素点与实际距离的比例关系，而图像的前处理是让图像变得简单，且数据量减小，以凸显出感兴趣的图像特征，提高视觉质量。采用图像二值化和图像取反等方法，使图像特征更清晰。

图4 图像处理前后对比

2.2.3 步幅特征提取

步幅特征中，步长即前后相邻足迹对应点之间的距离，分为左步长和右步长；步宽即足迹后脚掌中心点到对侧步行线之间的距离，分为左步宽和右步宽；步角即足迹中心线与同侧步行线的夹角，同样可分为左步角和右步角［7］，如图5所示。图中点划线线条表示步角，虚线条表示步宽，实线条则表示步长。步幅特征的提取需要手动操作作为辅助。在每个足迹上用辅助切线的方式确定前脚掌和后脚掌中心，再通过这些坐标点的计算得到步幅特征信息。

在不同情况下可能要对不同个数的成趟足迹进行特征提取（至少有4个完整的足迹），而步幅特征的得到与足迹的个数有着密切的关系，系统通过自适应识别足迹的个数进行相应的计算。

图5 步幅特征标注

在此以4个（偶数）和5个（奇数）足迹为例来说明它们的关系。

a.假设起始足迹为右脚，“4个足迹”可以得到1个右步角和1个左步角，1个左步长和1个右步长，1个左步宽和1个右步宽，而“5个足迹”可以得到2个右步角和1个左步角，2个左步长和1个右步长，2个左步宽和1个右步宽。

b.若足迹个数超过5个，则通过for循环把数据以奇数组或偶数组作为一组存入数组中（足迹索引依次增加1）。

为了使用户在图片中更清晰直观地看到计算结果，在此将获取的坐标点进行编号，再使用Vision Utilities模块下的Overlay把相应的点进行连线，使步宽、步长和步角等特征最终以不同颜色的实线清晰地显示在图片显示控件中。

2.3 步幅特征比对

在实际的刑侦过程中，由于受到地理条件等因素的影响，同一个嫌疑人多次遗留的步幅特征也不尽相同。此模块的功能是把当前分析的足迹的特征或手动输入的步幅特征，与已经存入数据库中的嫌疑人的特征通过U检验法等方法进行比对，判断当前分析的足迹与哪个嫌疑人的相似程度最大，即判断哪个嫌疑人可能是罪犯。

U检验法即是对2个正态总体的假设检验，在此处它们分别是现场提取的步长信息和嫌疑人步长信息。经过大量的实验验证，步幅特征的6项指标服从正态分布，不同的人之间相应的步幅特征量其标准差是相近的，所以在此U检验法可以看成是在标准差已知的条件下，对现场提取左步长的均值检验。它的算法实现步骤是，取n1个现场测得的左步长和个嫌疑人的左步长作为样本，分别求出2组平均值分别用和表示，统计量为：

δ为左步长的公共标准差；n1和n1分别为所取样本容量。若取显著性水平α＝0.01，查正态分布表得到U0.01，若U 小于U0.01，那么就认为此人有99%可能为作案人，若大于则排除此人作案嫌疑［7］，以上结果通过左步长计算得到。为了使得到的结果更加具有说服力，系统还同时使用了步幅特征隶属度检验法和级差检验法加以辅助验证，最终的足迹鉴定结果将以“足迹检验报告”的形式输出。