穆成成，廖俊帆，羅亞平

（中國人民公安大學 刑事科學技術系，北京 100038）

在公安實踐中，我們經常通過在現場發(fā)現的指紋、足跡以及視頻資料等物證來進行現場偵查，隨著犯罪分子的反偵查意識越來越強，犯罪手段也趨于多樣化、復雜化、智能化，公安技術領域也需要改革與創(chuàng)新。例如在視頻資料中我們經常會發(fā)現犯罪嫌疑人戴上帽子、眼鏡、口罩以及手套等工具進行偽裝，因此一些傳統(tǒng)的偵查技術以及勘查技術將無法適用，所以有人想出了從步態(tài)識別中著手，希望能研究出一些實戰(zhàn)中的可行技術。1872年Carlet第一次嘗試測量足底作用力［1］，之后由Beely在1882年第一次完成壓力分布測量［2］。由于種種原因，現實中經常遇到各種步態(tài)下的足跡，而現在有一定的技術和儀器可以將現場的足跡進行處理，得到足底壓力圖，再通過足底壓力圖探究步態(tài)特征，然后模擬出人的多模態(tài)形態(tài)，這樣就可以在視頻資料和足跡中來進行同一認定，從人的行走步態(tài)來進行人身認定，馬瑞羚，李浩等人提出，采用PODOTEK HD足底應力儀的傳感系統(tǒng)采集不同人行走留下的足跡信息以及通過配套軟件FREESTEP進行足跡特征的數據識別、提取與分析，以提高步幅、個體識別模型［4］。但目前這類技術相對指紋檢驗技術來說還不夠成熟，需要探究的領域還有很多。本文旨在對人的一些特定行走方式的足底壓力進行研究分析。

一、材料與方法

（一）理論依據

Dawson給出了步態(tài)的定義：步態(tài)是人類步行的某種方式或者習慣［5］。Johansson指出，步態(tài)是人與生俱來獨特的生物特征，更是一種潛在的可用于鑒別人類身份的優(yōu)秀生物特征，步態(tài)識別作為生物識別領域新的研究方向，相比于其他識別方式具有非接觸性、非侵犯性、易于感知、難于偽裝的優(yōu)勢［6］。而步態(tài)識別又主要分為基于步態(tài)姿態(tài)特征（一般依靠計算機視覺技術，通過提取步行時軀干和四肢的運動特征來實現步態(tài)識別）和基于步態(tài)觸覺特征即基于足底壓力的步態(tài)分析［6］?；谧愕讐毫Φ牟綉B(tài)識別是通過收集人體行走時足底觸地各個時期的壓力分布從而得出人體各項生理特征，其中最重要的兩個步驟是數據采集和數據分析［7］。由于受自身生理條件影響（如性別、年齡、人種、疾病等）和個人生活習慣（如職業(yè)類型、穿鞋類型）影響，人體在行走時產生的足底壓力有很大不同，具有唯一性和穩(wěn)定性［8］。

人在正常站立時，軀干需要稍微向前傾，這樣連接髖關節(jié)、膝關節(jié)和踝關節(jié)的平行線通過重心保持與地面垂直［9］。此時身體自身的重量與地面對足底的反作用力在一條直線上且具有等大的反向平衡力［10］。根據腳的解剖結構，這種力可以分解為足趾、足跖、足弓和足跟的力［11］。不同負重方式或者不同重量的人行走時，身體重心向前移動，髖、膝、踝關節(jié)的平行線超過了足部支撐的前界。為了保證身體的平衡，增加軀干的傾斜角度，肌肉繃緊，腰板挺直。足作為一個支撐結構，減輕這種不平衡的同時力的分布也被改變。重心的轉移導致在總作用力不變的情況下足趾、足跖區(qū)的受力增加，足弓、足跟區(qū)的受力減小，從而降低足弓的緩沖效果的壓力和改變相關的力學參數。國內一些研究者針對這種細微的變化利用一些技術方法來探究足底壓力研究內容，足底壓力分布、壓力、接觸時間、沖量、足底壓力中心等相關參數的變化對足底動態(tài)形態(tài)特征有很大的影響［12］。

本文使用創(chuàng)恒公司足底壓力測試系統(tǒng)測量30名研究對象穿襪時的正常行走步態(tài)和8種特定行走步態(tài)的壓力參數，比較前后足底4個分區(qū)的接觸面積，探究變換行走姿態(tài)的前后機體在足底動力形態(tài)特征上的差異。

（二）足底壓力采集儀

該實驗采用的儀器是由杭州創(chuàng)恒公司研制的高精度壓力采集儀。高精度采集數據，像素點從5點/cm2提升到25點/cm2，足跡壓力信息量提升十分之大。采集幅面非常大，單臺采集設備采集面為500﹡300mm，采集幀率50幀每秒，將33臺設備拼接組裝后形成了一條長達9.9米的采集步道。實驗步道如圖1所示。

足底壓力圖像直觀明了，采集到的圖像經過彩色渲染后足跡重壓區(qū)中心點等關鍵點一目了然，大規(guī)模采集數據時足跡研究方面的專家根據壓力圖像一眼即可判斷出采集者的性別、年齡、長短腳等身體特征。采集到的數據經過特有算法加密壓縮，可通過分析軟件解壓出JPG和BMP圖像。采集到的足跡圖像可動態(tài)復現采集過程，行走時的足跡壓力變化，可快速或慢速播放也可單幀一步步播放，特定區(qū)域的壓力一目了然，細微之處的壓力變化復現得相當清晰。樣本數據包含足底壓力、視頻圖像、身份信息，專家標劃特征知識庫等足跡樣本的信息，該數據庫為現代人工智能技術引入足跡比對鑒定奠定了數據基礎。依托該數據庫，可以針對足跡形成機理、鞋印和足底壓力的關聯(lián)性以及足跡比對鑒定展開研究。

圖1 實驗步道

（三）足跡樣本收集

本實驗組織30名安徽大學的學生參與足跡樣本的制作。首先，受試者提前脫掉鞋來回自由走動，使足部充分適應，并記錄行走時的感受，以保證實驗結果的準確性；然后，讓實驗者用平時正常的步速、步頻、步幅在足底壓力采集儀上行走，測量行走數據并重復3次測量的壓力數據，取平均值；再次，令實驗者以兩種不同負重重量，四種不同負重方式（自然行走時的步幅、步速、步頻）在壓力測試板上行走，測量行走數據，同樣重復3次測量壓力數據，取平均值。如圖2所示。

每個人進行27次重復成趟足跡數據采集，以此來探究不同負重行走方式下的足底壓力特征。四種負重方式如圖3所示。

圖2 足底壓力行走數據采集

（四）壓力圖像的處理

采集到的成趟足跡圖像為兩種形式，第一種為灰度圖，第二種為偽彩色圖，如圖4所示。圖4是經剪切后的圖片，原始圖為長度10米帶有15-18枚足跡的成趟足跡。偽彩色圖是根據灰度圖的像素點RGB值轉換而來的，其圖像更加直觀明了，最原始的數據也都在灰度圖里，包含了圖像的所有數據，所以數據的采集均使用灰度圖。首先將圖像放進Photoshop中處理得到單枚足跡圖，然后將足底分為4個區(qū)域：足弓區(qū)、足趾區(qū)、足跟區(qū)和足跖區(qū)，足弓區(qū)進行裁剪，并將剪切好的圖像保存為JPG格式，將處理好的圖片進行整理與分類，方便后續(xù)的數據提取。如圖5所示。

（五）數據提取

使用Python對裁剪好的圖片進行數據提取，測量每張圖片的像素點的各個RGB值的數量。根據杭州創(chuàng)恒公司對色階的劃分將收集到的像素點的RGB值數據進行歸納統(tǒng)計。依據壓力值與像素點的RGB值呈線性增長關系，像素點的RGB值分為1-17、17-31、31-51、51-67、67-255五個色階，如圖6所示。

圖4 足跡圖像剪切圖

圖5 足趾區(qū)剪切例圖

圖6 Python處理后的圖像

圖6為經過Python處理像素點RGB值在1-17的篩選圖。依據此原理，可以根據帶有數據的像素點個數來計算接觸面積與壓力變化。接觸面積指的是傳感器數值不為零時的像素點個數，即每平方厘米為25個像素點。將最終提取到的實驗數據導入到excel中。Godi等在利用鞋墊技術評估足底壓力分布的可靠性研究中，以每個分區(qū)的接觸面積占總面積的比例作為評價指標之一［13］。

二、實驗結果與討論

（一）實驗數據的處理與結果

將提取到的實驗數據按照0kg、5kg、10kg進行分類，按照足趾區(qū)、足跖區(qū)、足弓區(qū)、足跟區(qū)四個分區(qū)進行歸納。四個分區(qū)對應的RGB值色階劃分描述統(tǒng)計見表1-4，其數值統(tǒng)一保留2位有效數字。算術平均值（期望值）是最為常見的計算方法，表示樣本的測試量數據集中地趨向某一個值。對于N個樣本的平均值與標準差測量其計算方法分別為：

表1 足趾區(qū)的相隨單個數均值與標準差（樣本數量N=270）

表2 足跖區(qū)的像素點個數均值與標準差（樣本數量N=270）

表3 足弓區(qū)的像素點個數均值與標準差（樣本數量N=270）

（二）實驗數據的結果分析

將提取到的實驗數據導入spss中，并對數據進行配對樣本t檢驗，利用配對樣本t檢驗研究不同重量以及不同負重方式對實驗結果是否有影響，對比無重物負重，這幾種負重在足趾、足跖、足弓、足跟各個分區(qū)進行對比，得到表5-6的分析結果。

（三）實驗結果的討論

在不同的負重變量情況下，足趾區(qū)的差異相對于另外三個分區(qū)變化較小。足趾區(qū)的數據上下浮動較小，在第1色階到第5色階均未有明顯的變化。而且足趾區(qū)的顯著性結果數值較大（P值越大差異越?。?，如表5所示，部分P值＞0.01，這也就意味著數據的差異性較小，說明在負重行走時，大部分的人為了維持身體的平衡會選擇在腳的其他部分發(fā)力而不是腳趾。

足跖區(qū)的變化主要以高色階的數值增大為主。如表2所示，足跖區(qū)的數據在第一色階至第四色階變化較小，而第5色階有了明顯的增大，而且數據隨著負重重量增加而增大。數據發(fā)生變化表明，在負重的情況下，足跖區(qū)的接觸面積是均勻增加的，每一個像素點的RGB值隨著負重的增加都有所增大，才有這種低階數據不變而高階數據增加的情況。這也說明人在站立的情況下，足支撐整個身體的同時足跖區(qū)是主要受力分區(qū)之一。

足弓區(qū)的變化最為明顯，相比較無負重的情況下，負重的方式以及負重的重量對足弓區(qū)壓力的影響都是很明顯的，如表3所示。對比無負重的情況，5kg負重與10kg負重在第1色階至第5色階都有明顯的變化。這種情況是由于足弓區(qū)與地面的接觸面積由原來的不穩(wěn)定性，轉變?yōu)榉€(wěn)定接觸，才使RGB的數據大大增加。但是5kg負重和10kg負重的差別較小，這表明負重重量對足弓區(qū)的壓力影響較小。而不同的負重方式對足弓區(qū)的數據影響較大，表3中可以看出，在抱重物的時候，數據變化要比其他的負重方式要大。

足跟區(qū)的變化與足跖區(qū)的變化類似，也是以高色階的數值增大為主。如表4所示，足跟區(qū)的數據在第一色階第二色階變化較小，而在第3色階至第5色階有了明顯的增大，且數據隨著負重重量的增加而增大。同樣，足跟區(qū)也是主要支撐點之一，這也可以理解為足跟區(qū)的接觸面積是均勻增加的，每一個像素點都隨著負重的增加而增大。

表4 足跟區(qū)的像素點個數均值與標準差（樣本數量N=270）

表5 顯著性結果（P）

表6 回歸參數值（T）

三、實驗結論

負重與無負重進行對比，壓力大小都有增加，接觸面積也有一定的差異。具體表現在：1.隨著負重重量的增加，像素點個數增多，即足底壓力的接觸面積增加，2.足趾區(qū)不是發(fā)力點，因此其差異相對另外三個分區(qū)較??；3.足跖區(qū)和足跟區(qū)是足的主要支撐點，因此這個兩個分區(qū)的結果是隨著重量的增加而均勻增加的；4.足弓區(qū)的變化最為明顯，在負重的情況下足弓區(qū)的數據有大幅度的變化。負重重量對數據影響較小，負重方式影響較大，例如抱重物要比其他負重方式在足弓區(qū)的施加壓力更大。