شناسایی اشخاص از فواصل دور با استفاده از تصاویر ویدئوی راه رفتن آن ها

امروزه شناسایی انسان از روی راه رفتن، یکی از روش های بیومتریک و مورد علاقه محققین علوم بینایی ماشین و شناسایی الگو است. یکی از بزرگ ترین مشکلات این روش شناسایی، تغییرات در حالات راه رفتن مانند سریع یا آهسته رفتن و یا تغییرات در لباس فرد و حمل وسیله ای مانند کیف است که در این مقاله سعی شده به این مسئله در سه بخش اساسی پیش پردازش، استخراج ویژگی و طبقه بندی پرداخته شود. با استفاده از مجموعه داده کاسیا، که یک مجموعه بزرگ با حالات و شرایط حمل مختلف حرکتی است، ابتدا در بخش پیش پردازش یک پایگاه داده زمانی-مکانی جدید با پروفایل گیری افقی از شبحافراد تشکیل شده است. در بخش دوم، استخراج ویژگی با استفاده از الگوریتم تحلیل مولفه های اصلی PCA انجام شده و مهم ترین مولفه های تشکیل دهنده تصویر جدا و ماتریس ویژگی ها استخراج شده است. در نهایت، در بخش سوم به کمک الگوریتم ماشین بردار پشتیبان SVMعمل طبقه بندی و شناسایی صورت گرفته است. نتایج شبیه سازی نشان دهنده کارآمدی الگوریتم پیشنهادی تحت شرایط مختلف بوده و باعث بهبود نرخ های شناسایی شده است.

کلیدواژه ها:

کلیدواژه ها: شناسایی انسان از روی راه رفتن ، شبح افراد ، الگوریتم تحلیل مولفه های اصلی (PCA) ، ماشین بردار پشتیبان (SVM)