一、利用赤足外缘长推算身高（论文文献综述）
高毅,马越,赵泽宇,王彪[1]（2021）在《人体赤足形态特征接触面积与身高体质量相关性统计分析》文中进行了进一步梳理背景:当前法医人类学、人体工程学及足迹学研究均发现足部各信息（如足长、足宽等）与身高、体质量呈现出显着相关性,但国内外文献对有关赤足形态特征接触面积与人体身高、体质量的量化研究尚不完善。目的:分析人体赤足形态特征接触面积与身高、体质量之间相关性,创新法医人类学、人体工程学等相关学科理论体系,为利用赤足足迹进行人身个体识别提供参考。方法:采用足迹学传统平面足迹油墨捺印方法进行样本收集,再利用MATLAB数字软件对足迹对象进行图像处理。测试对象为随机抽取身高分布在165-190 cm之间健康的青壮年男性100名,记录其身高、体质量,获取正常行走步态下的赤足形态特征接触面积并进行统计分析。试验的实施符合《赫尔辛基宣言》和中国刑事警察学院对人体研究的相关伦理要求。结果与结论:在健康青壮年男性正常弓类型（排除中断弓和膨胀弓两种弓区类型）条件下:（1）人体赤足形态特征接触面积与身高、体质量之间均呈显着正相关（P <0.01）,其与人体身高之间关系可被应用于法医人类学、人体工程学、足迹学的身高分析;（2）身高相较于体质量而言,对人体赤足形态特征接触面积的影响更加显着,更具有直接相关性。
张玉明[2]（2020）在《基于赤足足迹图像的身高预测方法研究》文中进行了进一步梳理基于足迹图像的身份识别技术是一种新型的生物特征识别技术。医学研究表明:人体足迹具有唯一性,这是由人类先天骨骼的细微差异和后天形成的生活习惯共同决定的;此外,足迹数据采集时,操作简单,不需要刻意配合,且具有隐蔽性。因此基于足迹数据的研究越来越引起科研工作者的重视。本文对足迹图像进行了自动标划,提取出了几何特征,并分别利用传统意义的回归分析方法以及基于卷积神经网络的分析方法对足迹图像进行了几何特征与身高之间的关系研究。论文主要工作内容如下:1)提出了一种基于足迹图像标划特征的身高回归分析方法。针对标划提取出的多种特征进行了筛选,同时借助散点图、统计学相关理论、线性回归方法以及非线性回归方法对几何特征进行了实验。结果表明,脚长GJ（GJ表示赤足拇趾前缘最突出点到赤足跟后缘最突出点的欧式距离）与身高有着显着的相关性,此外,FJ（FJ表示赤足跖内缘最突出点到赤足跟后缘最突出点的欧式距离）、BJ（BJ表示赤足跖外缘最突出点到赤足跟后缘最突出点的欧式距离）、BF（BF表示赤足跖外缘最突出点到赤足跖内缘最突出点的欧式距离）等特征与身高有着强相关性,CE（CE表示赤足跟外缘最突出点到赤足跟内缘最突出点的欧式距离）则与身高有着中等程度的相关性。2)使用改进后的卷积神经网络对身高进行了回归预测。该算法首先对足迹图像进行了预处理;其次为了实现对身高的回归预测,根据实际问题的特点,利用回归层替代了原有网络的softmax层,从而将该卷积神经网络模型改进为了回归网络模型;最后将得到的足迹图像数据集输入到改进后的回归网络中,经过调参、训练、测试等步骤后,得到了一个效果很好的回归模型。实验结果表明,该算法在泛化性和鲁棒性上较传统的身高预测方法均有很大的提升,也具有较高的预测准确率。
王维[3]（2020）在《基于足底压力图像的身高体重预测方法研究》文中指出由于先天骨骼发育的差异和后天生活中劳动状态的影响,每个人的足迹特征都有不同的映现。其中赤足的足迹包含着丰富的个人信息,如个人平时行走的某些习惯和先天足部的结构特征等,这些都具有隐蔽性和易采集性。国内外对于足迹的应用研究已有很多,尤其对刑侦工作具有很大的帮助。本文在国内外有关足迹的应用研究基础之上,对足迹与身高、体重之间的关系进行了研究,考量了多种基于足底压力图像预测身高和体重的方法。具体研究内容如下:（1）对于两种类型的研究方法,分别分析了赤足的足底压力图像及其特征。针对多元回归分析法和BP神经网络的预测方法,提取了包括足迹的各种长度信息、足底面积、各压力面面积及其分布信息等18种足型特征;针对卷积神经网络的预测方法,提取了两种特征图像:HOG特征图像和Contour特征图像,以便更好的描述压力图像和有效的训练网络。（2）对于多元回归模型、BP神经网络模型以及二者的组合模型,本章考量了18种足型特征量与身高、体重之间的关系。在多元回归模型的分析中,通过分析变量之间的相关性、模型中回归系数的显着性等,得到拟合模型并进行预测实验。在BP神经网络中同样基于上述特征参数,对身高和体重分别建立模型,通过选取最佳模型的方法,对选取的模型进行预测实验。考虑到两种方法各有优势且互不相关,将两种方法按照加权的方式组合模型,得到的组合模型进行实验,得到本章最好的实验结果。（3）对于卷积神经网络,本文选取了三种具有经典结构的网络模型CNN、VGG16和ResNet34,基于足底压力图像及其特征图像对身高、体重进行预测实验。尝试将VGG16模型进行改进,调整后的模型与其他三种网络模型的预测结果进行分析与对比。CNN、VGG16和ResNet34三种网络都是目前应用较为广泛的卷积神经网络,具有不同的网络结构和特点;针对三种图像数据集分别进行训练和预测实验。调整后的VGG16模型得到了本章中最好的实验结果。
杜明坤,王茜仪,朱瑞[4]（2019）在《基于赤足迹长宽特征的身高自动分析研究》文中认为为减少利用足迹人工计算身高的误差,提高身高分析的效率和准确性,探索利用赤足迹多个长宽特征和BP神经网络自动分析身高的新方法。通过测量赤足迹获得多个长宽测量值,将多个测量值及其不同组合作为特征向量,以人的身高作为训练样本和测试样本的标签,并利用BP神经网络进行训练和分类,实现对身高的自动分析。实验结果表明,该方法可以有效对身高进行自动分析,比传统方法具有更高的准确率,为利用完整赤足迹甚至残缺赤足迹分析身高提供了新思路。
王乔[5]（2019）在《基于赤足足迹的身高分析及身份识别研究》文中提出受足部骨骼和后天生活环境影响,足迹具有唯一性和独特性。足迹包含了人的行走习惯和足型结构等信息,并且具有易采集性和隐蔽性,因而基于足迹的应用研究受到越来越多研究者的关注,而基于足迹数据提取有效的足迹特征,成为能否成功应用的关键。本文在国内外有关足迹特征提取及其应用研究的基础上,分析了赤足足迹特征,并且对足型特征与身高之间的关系以及足型特征、形态特征、卷积特征在身份识别上的应用进行了研究。具体研究内容如下:（1）分析了足迹数据的足型特征、形态特征和卷积特征。根据不同类型的足迹数据和不同的应用领域,针对足迹压力数据提取了足长足宽等足型特征、足底面积和压力直方图等形态特征以及基于LeNet-5模型的卷积特征;针对足迹光学图像数据,在提取足长足宽的基础上还提取了足迹特征点之间的距离特征作为足型特征。（2）使用线性回归的方法分析了三种测量足长足宽的方法所测得结果的差异性并研究了足型特征与身高之间的关系。通过散点图、Pearson相关系数以及线性回归拟合实验,结果表明了三种测量足长足宽的方法所测得的结果没有显着性差异;在消除足型特征间的多重共线性的影响后,与身高相关性极高的特征仅有足长;与身高和足长相关性都极高的特征有fAC、fAE、fAF、fBE、fBE、fCM、fEM、fFM。（3）提出一种针对足迹压力数据的分类识别方法。该方法首先通过计算各特征及其组合特征在SVM中的识别准确率选取具有最优识别率的特征子集;然后计算选取后的各特征在分类识别中的权重系数,根据权重系数实现足迹特征的优化融合。同时讨论了优化融合特征在多模态足迹压力数据集上的泛化能力。实验结果表明,此方法能够大大提高特征的识别能力,并且在多模态足迹压力数据集上具有较强的泛化能力。
朱玉婷,乔胜男,胡书良[6]（2019）在《基于赤足足迹稳定点推算身高的新方法》文中研究表明目的探索一种利用赤足迹测量值推算身高的新方法。方法利用数码分规,对200份赤足足迹捺印扫描样本上由赤足迹四个特征稳定点组成的几何图形进行测量,确定相关图形边长与身高之间的相关性,并利用SPSS软件进行多元线性回归得出推算公式,比较新方法与传统方法之间的优劣。结果本研究建立的利用赤足迹稳定点推算身高的新方法,为残缺赤足迹分析身高提供了新思路,较之传统公式"身高=赤足迹长×7"误差明显减小,推算身高更精准。结论基于赤足迹四个特征稳定点多元回归分析身高是一种可靠、准确的新方法。
张黎[7]（2019）在《利用线性回归法研究足迹掌宽与身高的关系》文中进行了进一步梳理目的:探明足迹掌宽与留痕人身高的关系。方法:采集72名自愿者（男53,女19）的正常赤足足迹样本和身高,应用一元线性回归的统计学方法,对赤足足迹的掌宽和留痕人身高进行统计分析。结果:留痕人身高与赤足足迹掌宽成正相关,存在线性关系,即左足为y=9.47x+94.17,右足为y=9.01x+97.88。结论:利用赤足足迹掌宽可以分析留痕人的人身特点。
高毅,王彪,马越[8]（2018）在《运用多元回归分析法估算残缺赤足迹的身高》文中进行了进一步梳理目的由于现场上遗留的多为残缺足迹,导致用完整足迹分析受限,因此需要研究一套利用残缺足迹进行身高分析的参数方程。方法统计可知现场足迹跖区和跟区这两个部位留痕较为稳定,因此在这两个部位上选取6个特征,分别进行测量,并进行回归分析。结果利用这6个特征和身高的相关性得出参数方程可以很好的解决残缺足迹分析身高的局限性。结论用此方法分析身高,理论值和真实值的误差在3 cm以内,可以在公安一线推广使用。
史力民,朱玉婷,班茂森[9]（2017）在《足迹不同部位测量值与身高之间的相关性》文中进行了进一步梳理为提高利用足迹分析身高的准确性、缩小误差范围,探索利用残缺足迹分析身高的新方法。以河南籍青年人为例,用SPSS软件比较多个赤足足迹测量值与身高之间的相关性,分别得出不同测量值与身高之间的一元、二元回归方程,通过比较不同方程标准估计的误差,以及不同误差范围内的准确率,得出利用赤足足迹测量值科学分析身高的回归方程,为利用足迹分析身高提供科学的可靠方法,为赤足残缺足迹分析身高提供了新思路。
张鹏,翁桂鑫[10]（2017）在《赤足足迹与体态的关系》文中研究说明运用足迹推断犯罪分子体态、体重是勘查和足迹工作中最常用的手段,是推断犯罪人体貌特征的有效方法。工作中常利用足宽、足长来简单推断犯罪人的体态,但是这种简单的推断方法误差较大。因此本文通过实验,收集平面赤足足迹的足长、足宽、身高、体重等数据,对赤足足迹与体态进行统计、分析,试图建立新的函数关系,让刑侦人员准确、快速的推断犯罪人身高体态。
二、利用赤足外缘长推算身高（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用赤足外缘长推算身高（论文提纲范文）
（1）人体赤足形态特征接触面积与身高体质量相关性统计分析（论文提纲范文）
| 文章快速阅读： |
| 文题释义： |
| 0引言Introduction |
| 1 对象和方法Subjects and methods |
| 1.1 设计 |
| 1.2 时间及地点 |
| 1.3 对象 |
| 1.3.1 纳入标准 |
| 1.3.2 排除标准 |
| 1.3.3 测算软件 |
| 1.4方法 |
| 1.4.1功能实现 |
| 1.4.2受试者信息及样本收集 |
| 1.5 主要观察指标 |
| 1.6 统计学分析 |
| 2 结果Results |
| 2.1 参与者数量分析 |
| 2.2 基线资料分析 |
| 2.3 参数配对检验 |
| 2.4 偏相关分析 |
| 2.5 回归分析 |
| 3 讨论Discussion |
（2）基于赤足足迹图像的身高预测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文组织结构 |
| 第二章 赤足足迹数据集构建及预处理 |
| 2.1 引言 |
| 2.2 赤足足迹数据集的构建 |
| 2.2.1 赤足足迹采集设备 |
| 2.2.2 赤足足迹光学图像数据集 |
| 2.2.3 赤足足迹标划数据集 |
| 2.3 赤足足迹图像预处理 |
| 2.3.1 图像的清洗与标注 |
| 2.3.2 图像去标尺 |
| 2.3.3 图像中心化与旋转 |
| 2.3.4 图像增强 |
| 2.4 本章小结 |
| 第三章 基于足迹标划特征的身高预测 |
| 3.1 引言 |
| 3.2 赤足足迹标划特征分析 |
| 3.2.1 多特征数据集介绍 |
| 3.2.2 标划特征参数分析 |
| 3.2.3 回归模型的评价指标 |
| 3.3 回归分析模型 |
| 3.3.1 简单线性回归 |
| 3.3.2 多元线性回归 |
| 3.3.3 支持向量回归 |
| 3.3.4 梯度增强回归 |
| 3.4 实验结论 |
| 3.5 本章小结 |
| 第四章 基于卷积神经网络的身高预测模型 |
| 4.1 引言 |
| 4.2 卷积神经网络介绍 |
| 4.2.1 卷积神经网络简介 |
| 4.2.2 卷积神经网络特点 |
| 4.3 构建卷积神经网络身高预测模型 |
| 4.3.1 模型架构的改进与参数调节 |
| 4.3.2 身高预测模型实验过程 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（3）基于足底压力图像的身高体重预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.4 本文的研究内容和组织结构 |
| 第二章 足底压力图像数据集的采集和去噪 |
| 2.1 引言 |
| 2.2 数据采集设备及采集流程 |
| 2.2.1 采集设备 |
| 2.2.2 采集流程 |
| 2.2.3 本文数据集 |
| 2.3 压力图像去噪 |
| 2.4 本章小结 |
| 第三章 基于多元回归与BP神经网络的预测模型 |
| 3.1 引言 |
| 3.2 多元回归分析模型 |
| 3.2.1 测量方法 |
| 3.2.2 模型分析 |
| 3.2.3 身高模型 |
| 3.2.4 体重模型 |
| 3.3 BP神经网络的预测模型 |
| 3.3.1 BP神经网络 |
| 3.3.2 预测模型 |
| 3.4 组合模型 |
| 3.5 实验结果及分析 |
| 3.6 本章小结 |
| 第四章 基于卷积神经网络方法的预测模型 |
| 4.1 引言 |
| 4.2 数据预处理 |
| 4.2.1 数据增广 |
| 4.2.2 特征图像 |
| 4.3 网络模型 |
| 4.3.1 CNN模型 |
| 4.3.2 VGG16 及其改进模型 |
| 4.3.3 ResNet34 模型 |
| 4.4 实验及结果分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验内容 |
| 4.4.3 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 硕士期间科研成果及参与的科研项目 |
（4）基于赤足迹长宽特征的身高自动分析研究（论文提纲范文）
| 1 引言 |
| 2 特征提取 |
| 2.1 测量长宽值 |
| 2.2 提取特征向量 |
| 3 BP神经网络 |
| 4 基于赤足迹长宽特征的身高自动分析方法 |
| 5 实验结果与分析 |
| 6 结论 |
（5）基于赤足足迹的身高分析及身份识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.4 本文的研究内容与组织结构 |
| 第二章 足迹数据及特征提取 |
| 2.1 引言 |
| 2.2 足迹数据 |
| 2.2.1 足迹压力数据集 |
| 2.2.2 足迹光学图像数据集 |
| 2.3 足迹特征 |
| 2.3.1 足型特征 |
| 2.3.2 形态特征 |
| 2.3.3 卷积特征 |
| 2.4 本章小结 |
| 第三章 足型特征与身高之间的相关性研究 |
| 3.1 引言 |
| 3.2 回归分析 |
| 3.2.1 回归模型 |
| 3.2.2 Pearson相关系数 |
| 3.2.3 回归方程的检验 |
| 3.3 实验结果及分析 |
| 3.3.1 足迹光学图像特征 |
| 3.3.2 足长足宽的三种测量方法差异性研究 |
| 3.3.3 足型特征预测身高 |
| 3.4 本章小结 |
| 第四章 基于足迹压力数据的身份识别 |
| 4.1 引言 |
| 4.2 多模态数据集构建 |
| 4.3 特征优化融合 |
| 4.3.1 特征选择 |
| 4.3.2 特征融合 |
| 4.3.3 压力足迹识别算法 |
| 4.4 实验及结果分析 |
| 4.4.1 压力足迹特征提取 |
| 4.4.2 基于SVM分类器的特征选择 |
| 4.4.3 足迹压力数据的识别 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 硕士期间科研成果及参与的科研项目 |
（6）基于赤足足迹稳定点推算身高的新方法（论文提纲范文）
| 1 材料与方法 |
| 1.1 研究材料 |
| 1.2 研究方法 |
| 1.2.1 数据预处理 |
| 1.2.2 Pearson相关性分析 |
| 1.2.3 多元回归分析 |
| 2 结果 |
| 3 讨论 |
（8）运用多元回归分析法估算残缺赤足迹的身高（论文提纲范文）
| 0 引言 |
| 1 多元回归分析法 |
| 2 材料与方法 |
| 2.1 样本选取 |
| 2.2 测量方法 |
| 2.3 数据预处理 |
| 2.4 数据分析 |
| 2.4.1 相关性分析 |
| 2.4.2 模型分析 |
| 2.4.3 选取模型 |
| 3 结语 |
（9）足迹不同部位测量值与身高之间的相关性（论文提纲范文）
| 1 实验部分 |
| 1.1 收集样本 |
| 1.1.1 身高的测量 |
| 1.1.2 足迹的捺印 |
| 1.2 选取数据 |
| 1.3 测量数据 |
| 2 数据分析 |
| 2.1 数据预处理 |
| 2.2 相关性分析 |
| 2.3 回归分析 |
| 2.4 误差与准确率 |
| 3 实验结果分析与讨论 |
| 4 结论 |
四、利用赤足外缘长推算身高（论文参考文献）
- [1]人体赤足形态特征接触面积与身高体质量相关性统计分析[J]. 高毅,马越,赵泽宇,王彪. 中国组织工程研究, 2021(32)
- [2]基于赤足足迹图像的身高预测方法研究[D]. 张玉明. 安徽大学, 2020(07)
- [3]基于足底压力图像的身高体重预测方法研究[D]. 王维. 安徽大学, 2020(07)
- [4]基于赤足迹长宽特征的身高自动分析研究[J]. 杜明坤,王茜仪,朱瑞. 电脑知识与技术, 2019(31)
- [5]基于赤足足迹的身高分析及身份识别研究[D]. 王乔. 安徽大学, 2019(07)
- [6]基于赤足足迹稳定点推算身高的新方法[J]. 朱玉婷,乔胜男,胡书良. 刑事技术, 2019(02)
- [7]利用线性回归法研究足迹掌宽与身高的关系[J]. 张黎. 科学技术创新, 2019(01)
- [8]运用多元回归分析法估算残缺赤足迹的身高[J]. 高毅,王彪,马越. 中国人民公安大学学报(自然科学版), 2018(01)
- [9]足迹不同部位测量值与身高之间的相关性[J]. 史力民,朱玉婷,班茂森. 中国刑警学院学报, 2017(06)
- [10]赤足足迹与体态的关系[J]. 张鹏,翁桂鑫. 法制博览, 2017(16)