基于智能鞋垫的足底类型识别设计,追踪国内外步态识别领域所涉及的前沿技术,研究了基于步态姿态的步态识别技术和基于足底压力的步态识别技术。针对基于步态姿态特征的步态识别技术在实际作用中存在易受干扰、人流量大的场景中图像拍摄时易被遮挡、较远的图像获取时易受阴天和下雨及烟雾干扰、对健康和伤者或负重者识别会出现视频图像比对不一致等因素,从而造成识别准确度下降的情况,利用人走路时由于身体状况、心情、姿态、生活习惯、足底肌肉情况不同而导致足底压力不同,且具有唯一性、稳定性的特点,结合现代电子信息技术和传感器技术的发展,可获得较为准确的足底压力采集数据的实现,进行了基于足底压力的步态识别的智能鞋垫系统设计和对高足弓的识别试验与分析,研究了智能鞋垫的设计,使智能鞋垫设备小型化,用信道复用减少电子元器件数量,分析了模拟电路的细节部分,包含模拟到数字的转换、最佳采样率的选择,设计了带有压力和惯性传感器的仪器鞋垫。为此,在对现有步态识别技术进行研究的基础上,进行了足底压力特征分析、卷积神经网络分析和智能鞋垫的硬件电路设计,在进行实验数据收集和分类基础上,进行了利用智能鞋垫对高足弓的识别研究。结果表明,基于卷积神经网络的足底类型识别其准确度可达96%,取得了预期效果。论文的研究工作主要体现在如下方面:首先,分析了现在普遍的步态识别的种类和步态识别的作用。描述了人脸、指纹、虹膜等其它生物特征的识别技术以及它们具有的一些优势和劣势,然后分析了步态识别相比于人脸、指纹、虹膜等其它生物特征的识别技术,具有非接触性、非侵犯性、易于感知、难于隐藏、难伪装的优势,分析了步态识别的现在两种主要的识别方式即一个是基于步态姿态,另一个是通过足底压力的步态识别。分析了足底压力识别的主要特点和发展潜力巨大。第一种步态识别现在发展的较好并且已经在一些安全级别较高的地方应用,而基于足底压力的步态识别目前应用较少,但是它能够更多的反应人体生物特征,获得的信息更加准确且不易于隐藏。现在步态信息能够应用到体育训练中,帮助运动员更好的提高自己的成绩;帮助刑事案件侦查,通过步态识别犯罪嫌疑人;帮助做了足部手术或者腿脚不方便的人了解身体情况等等。其次,根据基于足底压力的智能鞋垫的设计要求,进行了足底压力分布,采集足底压力信息通过将足底区域划分,研究了将足底分成4个部分,6个部分,8个部分,然后再分别采集各个区域的足底信息。研究足底压力支撑,腿部足底的关节构造,足底压力的形成过程,为智能鞋垫中传感器选择、动作数据采集提供依据。第三,分析了各个模块的原理、构成、作用,设计制作了包括控制系统、数据传输系统、数据处理系统的智能鞋垫,完成硬件电路的设计后对硬件电路进行测试,惯性传感器和压力传感器校准,实现了利用智能鞋垫对足底压力进行数据采集的目的。最后是将设计的硬件设备用于在高足弓的识别中,设计用于足部偏差检测的便携型系统。应用一维卷积神经网络来提取特征并对数据进行分类,经过训练的模型来识别足部偏差,数据证明基于卷积神经网络的足底类型识别方法是可行的,对高足弓的识别率准确度可达96%。