شناسایی اشخاص از فواصل دور با استفاده از تصاویر ویدئوی راه رفتن آن‌ها

امروزه شناسایی انسان از روی راه رفتن، یکی از روش‌های بیومتریک و مورد علاقه محققین علوم بینایی ماشین و شناسایی الگو است. یکی از بزرگ‌ترین مشکلات این روش شناسایی، تغییرات در حالات راه رفتن مانند سریع یا آهسته رفتن و یا تغییرات در لباس فرد و حمل وسیله‌ای مانند کیف است که در این مقاله سعی شده به این مسئله در سه بخش اساسی پیش‌پردازش، استخراج ویژگی و طبقه‌بندی پرداخته شود. با استفاده از مجموعه داده کاسیا، که یک مجموعه بزرگ با حالات و شرایط حمل مختلف حرکتی است، ابتدا در بخش پیش‌پردازش یک پایگاه داده زمانیمکانی جدید با پروفایل‌گیری افقی از شبحافراد تشکیل شده است. در بخش دوم، استخراج ویژگی با استفاده از الگوریتم تحلیل مولفه‌های اصلی pca انجام شده و مهم‌ترین مولفه‌های تشکیل‌دهنده تصویر جدا و ماتریس ویژگی‌ها استخراج شده است. در نهایت، در بخش سوم به کمک الگوریتم ماشین بردار پشتیبان svmعمل طبقه‌بندی و شناسایی صورت گرفته است. نتایج شبیه‌سازی نشان‌دهنده کارآمدی الگوریتم پیشنهادی تحت شرایط مختلف بوده و باعث بهبود نرخ‌های شناسایی شده است.

Passive people Identification using video footage of them walking

Now , gait recognition is one of the biometric methods that has received more and more attention researchers in machine vision and pattern recognition. However, one of the main challenges of technology is variations caused by covariate factors such as fast and slow gait, clothing, carrying conditions.this reserch tried is to provide issues in three basic parts: preprocessing, feature extraction, and classification. Using the Cassia data set, which is a large set with different gestures and carrying conditions. First, organized a new Spatiotemporal database with horizontal profiling of the silhouette. next, feature extracting by PCA. Finally, the SVM algorithm is used and classifies and identifies. The test results show the efficiency of the proposed algorithm under different conditions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .