روشی برای تشخیص هویت با اندازه های بدن، با استفاده از یادگیری ماشین

در این پژوهش روش نوینی برای تشخیص هویت معرفی می کنیم. این روش از فاصله بین مفاصل بدن، که از پردازش تصویر شخص به دست می آید استفاده می کند. Henneberg وLucas Teghan کارشناسان بهداشت از دانشگاه Adelaide ، در تحقیقی که در سال 2015 انجام داده اند، اثبات کرده اند که استفاده از صفات اندازه ای بدن در احراز هویت حتی بهتر از استفاده از چهره عمل می کند. نگارنده در جستجوهای خود، هیچ مقاله ای برای تشخیص هویت با اندازه های بدنی با استفاده از پردازش تصویر مشاهده نکرده است. هدف از انجام این پروژه، طراحی و پیاده سازی سیستم تشخیص هویت با اندازه های بدن است. این سیستم را با الگوریتم های KNN ، SVM و KNN-SVM پیاده سازی می کنیم. دقت حاصل از پیاده سازی با الگوریتم KNN-SVM 98.08% محاسبه شده است. در این پژوهش به صورت تصادفی از 3024 تصویر از مجموعه داده های CAD-60 استفاده شده است. این مجموعه شامل دنباله ای از تصاویر RGB-D است که با استفاده از سنسور Kinect از چهار شخص در پنج محیط مختلف ضبط شده است.از جمله سازمانهایی که می توانند از نتایج بدست آمده استفاده کنند، می توان به سازمان تشخیص هویت و همچنین پلیس آگاهی ناجا ( برای استفاده در شرایطی که چهره شخص پوشیده باشد یا دوربین های مداربسته موفق به ثبت تصاویر مناسب نشده باشند)، وزارت اطلاعات و امنیت (برای مبارزه با تروریسم)، سازمان پزشکی قانونی (زمانی که چهره شخص قابل شناسایی نباشد) و نیز صنایع رباتیک اشاره کرد.

Keywords:

یادگیری ماشین , الگوریتم PCA , الگوریتم KNN-SVM , تشخیص هویت , زیست سنجی , پردازش تصویر