CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص هویت افراد براساس چندجمله‌ای فکری مستخرج از الگوی راه رفتن با تکیه بر الگوریتم پردازش تصویر، سیستم‌های هوشمند مصنوعی و رگرسیون خطی

عنوان مقاله: تشخیص هویت افراد براساس چندجمله‌ای فکری مستخرج از الگوی راه رفتن با تکیه بر الگوریتم پردازش تصویر، سیستم‌های هوشمند مصنوعی و رگرسیون خطی
شناسه ملی مقاله: ICMVIP08_126
منتشر شده در هشتمین کنفرانس ماشین بینایی و پردازش تصویر ایران در سال 1392
مشخصات نویسندگان مقاله:

محمد فیوضی - بخش مهندسی پزشکی - دانشکده مهندسی برق و کامپیوتر - دانشگاه حکیم سبزواری و مرکز فناوری های نوین پزشکی
علی دروگر مقدم - بخش مهندسی پزشکی - دانشکده مهندسی برق و کامپیوتر - دانشگاه حکیم سبزواری و مرکز فناوری های نوین پزشکی
جواد حداد نیا - بخش مهندسی پزشکی - دانشکده مهندسی برق و کامپیوتر - دانشگاه حکیم سبزواری و مرکز فناوری های نوین پزشکی

خلاصه مقاله:
تجزیه و تحلیل مشخصه‌های رفتاری و روانی مانند انواع راه رفتن Gait با حالتی ویژه راه رفتن، به فرایند تشخیص هویت اجازه می‌دهد تا بتواند از فاصله دور از یک توالی ویدئویی از راه رفتن افراد متفاوت، اطلاعات و مشخصه‌های نوع راه رفتن آن‌ها را استخراج کرده و توانایی شناسایی فرد خاصی را داشته باشد. شناسایی افراد در دنبال تصاویر ویدئویی از سوی چین راه رفتن آن‌ها، دویدن بسیار مورد توجه محققین قرار گرفته است. چالش‌های متعددی از قبیل پیچیدگی مسئله، حجم بالای عملیات و غیره پیش روی این موضوع می‌باشند. در این تحقیق ما با رویکرد کاربردی شدن موضوع، ابتدا عملیات پیش پردازش به منظور ارتقا سطح کیفی تساوی انجام داد و سپس با استفاده از یک تکنیک ساده، پیکر افراد را از دنبال تصاویر استخراج می‌کنیم سپس از یک الگوریتم سری در جهت تشخیص هویت انسان براساس روش پیشنهادی مبتنی بر ترکیب الگوریتم پایه پردازش تصویر، فیلتر کالمن ، تبدیل رادون و رگرسیون خطی به منظور شناسایی و طبقه‌بندی هویت افراد استفاده نمود این. پس نوآوری مهم در این الگوریتم پیشنهادی باعث شد که نسبت به روش‌های قدیمی موجود از لحاظ سرعت و همین‌طور از لحاظ نرخ شناسایی برتری داشته باشد که در نهایت با تکیه بر نتایج آزمایش‌های صورت گرفته با استفاده از بانک داده )Chinese Academy of Sciences CASIA سیستم پیشنهادی موفق شد براساس الگوریتم طبقه‌بندی و شناسایی ماشین بردار پشتیبان SVM به 20095/33% دست می‌یابد.

کلمات کلیدی:
راه رفتن، شناسایی، تشخیص هویت، پردازش هوشمند تصاویر، رگرسیون خطی، طبقه بندی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/227476/