足底压力研究在人机交互、临床医学等领域的热度越来越高。只有每个人的足底压力是稳定的、个性化的,足底压力的身份识别才是科学的,但足底压力的稳定性问题一直没有得到验证。公安实践中,可利用足迹进行人身的同一认定,但并没有底层的科学规律作为理论支撑。本文采用FOOTSCAN足底压力测量分析系统采集足底压力峰值数据,建立步态数据库,并使用MATLAB对采集的原始数据进行计算机编程处理,探究人自然行走状态下的足底压力数据的稳定性,为利用足底压力进行人身识别奠定科学基础。本文主要采用三种方法对人自然行走状态下足底压力的稳定性进行探究。第一,足底压力区域特征点向量方差分析。首先建立足底压力数据库,并将足底压力峰值数据表格进行预处理,得到可利用的最小足底压力矩阵,然后将足底部划分为三个区域,即足趾区、足前掌区和足跟区,利用重心公式计算出每个区域的压力中心点作为足底压力特征,然后利用图像旋转处理算法将最小足底压力矩阵进行归一化处理,使足底压力图像旋转到同一纬度内,最后,利用提出的足底压力特征点方差分析算法对提取的足底压力特征进行方差分析,以研究足底压力的稳定性。第二,足底压力欧氏距离特征向量方差分析。用与上述方法同样的方法将足底压力峰值数据表格进行预处理,得到可利用的最小足底压力矩阵,并将足底部划分为三个区域,即足趾区、足前掌区和足跟区。然后利用重心公式计算出整个足底压力的压力中心点,并计算出各区域的压力中心点,最后利用欧氏距离公式计算出整体足底压力中心点分别到各个区域压力中心点的欧氏距离作为足底压力的特征向量,并计算出每个人多次行走的同一足底压力欧氏距离特征向量的方差,进而分析足底压力的稳定性。第三,颜色直方图的方法。颜色直方图的功能主要是描述图像的颜色特征,得到不同的颜色在整个图像中的比例关系。利用FOOTSCAN足底压力测量分析系统得到足底压力区域分布图,求出每个足底压力区域分布图的颜色直方图,并比较同人同足不同次的颜色直方图的相似度和不同人同足的颜色直方图的相似度,通过比例分析足底压力重压区域的面积,进而分析足底压力的稳定性。最后,利用SVM分类器,基于足底压力的稳定性研究,对50名测试者的足底压力数据样本进行训练和识别分类,达到利用足底压力进行身份识别的目的。经过分析得出,人自然行走状态下足底压力的稳定性良好,可将足底压力特征用于自动识别。在本实验中,利用足底压力进行自动识别的准确率达到88.67%.