一种基于多任务学习框架的足底压力自动分类方法及系统

本发明公开了一种基于多任务学习框架的足底压力自动分类方法及系统，属于足底压力数据研究领域。步骤包括：S1.采集足底压力数据；S2.对足底压力数据进行预处理：足底压力提取算法：通过DBSCAN聚类算法对足底压力数据进行分割并提取生成足印序列；足印图像表示：对提取后的足底压力序列累加求和降低长度，通过高斯滤波对图像进行抑制噪声处理；再进行数据增强；S3.在GoogLeNet的Inception块中引入通道、空间注意力模块，建立Inception‑CBAM块，构建多任务学习模型；多任务学习模型用于对足印图像进行分类处理；S4.获得足底压力分类数据。本发明提出的方法不仅适用于赤足数据，还适用于压力区域复杂的着鞋数据，为基于足底压力的自动化步态分析和识别奠定了数据准备的基础。