[发明专利]一种基于SVM+CNN的足底压力图像的识别方法

摘要

本发明提供一种基于SVM+CNN的足底压力图像的识别方法。该方法包括以下步骤：首先，对足底压力图像进行滤波，构建足底压力图像数据集；其次，分别提取特征，包括提取具有明确特征意义的特征和利用卷积神经网络CNN提取的图像特征；然后，将具有明确特征意义的特征和利用CNN提取的图像特征进行融合，经归一化后得到特征数据集；最后，足底压力图像的识别，将特征数据集送入支持向量机SVM进行训练、测试，得到结果。该方法避免了因图像不清楚而导致的特征提取困难等问题，从而提高了方法的鲁棒性。

主权项

1.一种基于SVM+CNN的足底压力图像的识别算法，其特征在于，包括以下步骤：step_1: 读取足底压力图像，并进行滤波，构建足底压力图像数据集；step_2: 构建卷积神经网络（CNN），将数据带入，进行训练，并保存训练好的模型；step_3: 将数据带入训练好的模型，得到该CNN模型提取的特征向量；step_4: 提取具有明确特征意义的足底压力图像的特征；step_5: 将step_3、step_4分别提取到的特征进行融合，并进行归一化，得到足底压力图像的特征数据集，并按照80%、20%的比例制作训练集和测试集；step_6: 将训练集的特征数据送入到SVM进行训练，得到SVM模型；step_7: 将测试集的特征数据送入到训练好的SVM模型中，进行预测，得到预测结果。