[发明专利]一种基于DTW的自动区别足底压力测量中异常测量的方法

说明书

技术领域

本发明提供一种分类出足底压力异常测量的方法，特征是利用模式识别方法中的DTW算法区分出足底压力测量中的异常测量，属于生物医学工程领域。

背景技术

在足底压力测量过程中由于人为因素会出现一些异常的测量，实际应用中，往往进行多次测量，根据肉眼分辨出异常测量加以剔除然后求剩余测量结果的平均值。人工的剔除无疑很费时间而且所剔除的结果也经常会因人而异。本发明就是为了提供一种基于DTW算法的能自动区别出异常测量的方法，利用计算机技术帮我们做这些工作以提高工作效率。

发明内容

本发明所要解决的技术问题是，提供一种模式识别的方法，通过计算压力测量间的距离值所表现的差异性，提供一种能够设定阈值，自动剔除异常测量结果的方法。

本发明解决其技术问题所采用的技术方案是：本发明采用的技术方案主要包括下述步骤：1. 针对足底压力测量的原始测量结果，足部会以不同的角度和位置踏到测量平台上，因此，为了保证后边的模板匹配的效果，需要做图片的坐标平移，将图片的坐标旋转一定的角度，使得与水平线垂直，这样就保证角度上的一致，去除掉背景的0值区域，只留下足形区域，这样就保证匹配时位置上的重合。2.剔除的图片是针对同一个测试者，因此是计算自身的差异性，在选取特征参数时，选取了自相关系数。将经过预处理后的压力值按照传感器阵列的排布，将每一行的压力值取为一帧，在一帧内做自相关分析。

取特征系数的维数为p，帧数为n就得到一个p*n的特征系数矩阵。

3.针对每个病人，如果每次测量5次,就产生5组压力值，针对每组压力值都计算一个p*n维的特征系数矩阵。这样将每次测量的一组分别作为模板，记为R={R(1),R(2),…R(m),…,R(M)}，将特征系数矩阵的每一行作为一帧R(m)，M为参考模板所包含的帧总数，其余几组数据作为测试模板表示为T={T(1),T(2),…T(n)，T(N)}, 其中，N为测试模板包含的帧总数，T(n)为第n帧的特征系数，测试模板T和参考模板R之间总体失真表示为D(T,R),为了计算这一失真，应该从T,R的每个对应帧之间的失真算起，假设n，m分别为T,R中任意选择的帧号，则这两帧之间的帧失真用D[T(n)，R(m)]来表示。给出利用欧几里德距离测量失真度的方法，                                                ，

，，为帧T(n)和R(m)对应的特征矢量，p为特征矢量的维数。根据DTW算法选取一条最佳路径来计算两幅图直接按的距离。

搜索从（）点出发，可以展开若干条满足的路径，假设可计算每条路径达到终点()点时总的累积距离，具有最小累积距离者即为最佳路径。因此，限定范围内的任意格点（）只可能有一条搜索路径通过。对于（），其可能到达该格点的前一个给但只可能是（），（），（），那么一定选择这3个距离中的最小者作为其前续格点，

 

其中d为距离函数；

若用（）代表任一格点，并且通过该格点之路径延伸而通过（），这时此路径的累积距离为：

D[()]=

终点用模板的长度进行归一化：D=                 

每组数据作为模板分别计算出一个距离差异值，通过比较这些距离值，可以区分出和其他几组数据差异最大的一组，通过大量的实验分析，可以设定一个阈值，当距离超过这个阈值后就可以把图片自动剔除掉。

该方法主要有以下特点：

避免了传统的人工剔除异常压力图片的繁琐和机械性，提供了更为便捷的方式，更加智能和可靠。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的流程图。

具体实施方式

图1是整个技术方案的流程图，首先将采集到的数据经过预处理，主要完成去除零值的压力点，只留下有意义的区域，就是剩下脚的区域，接着将脚旋转到与水平线垂直，便于后边的模式匹配位置上的尽量重合。之后再计算自相关系数作为特征参数，最后将每幅图作为一个模板，每两个模板进行模板匹配，利用DTW算法在时间路径上计算最优路径的距离，当距离超过了预设的阈值，就可以将该幅图片划分为非正常图片。

从起点到终点有很多条途径可以到达，根据DTW算法限定的动态路径规划思想，从起点开始，他的后一个结点的确定都在距离最小的限定条件下求取的，可以保证任意一个当前点的前一个结点和后一个结点都是文中所述公式的限定下的唯一的情况，也就保证这条路径得到的结果是一个最优的结果，计算出的距离值也是最小值。将这个值作为我们最后的距离来比较具有说服力，且保证了预期的效果。