6913

پياده سازي الگوريتم دسته بند بهينه براي بيومتريك حركتي

كارشناسي

مهندسي برق-الكترونيك

1399

جناب دكتر شهريار برادران شكوهي

1399/07/27

مهندسي برق

Implementation of Gait Biometrics using Random Subspace Method

امروزه در سيستم‌هاي امنيت، نياز به تشخيص هويت افراد بدون اطلاع آنها داريم. بنابرين ساير روش‌هاي هويت سنجي همچون شناسايي از روي چهره، اثر انگشت، عنبيه و . . . كه جزء روش‌هاي مشاركتي هستند، به كار نمي‌آيند. زيرا تصويري كه از شرايط واقعي فرد وجود دارد، تصويري با رزولوشن پايين است كه باعث شده تصوير چهره و ساير پارامتر‌هاي فيزيولوژيك آن مبهم باشد. در اين شرايط الگوي حركتي افراد به عنوان يك خصيصه منحصر به فرد، قابليت شناسايي از فاصله دور را دارد. بنابرين بيومتريك حركتي كه همان شناسايي افراد از روي نحوه راه رفتن آن‌هاست، مي‌تواند در اين شرايط جايگزين ساير روش‌هاي بيومتريك فيزيولوژيك گردد. البته اين نوع بيومتريك از تغيير در لباس فرد، نوع كفش و شرايط محيطي تأثير مي‌پذيرد و همچنين آسيب‌هاي فيزيكي، افزايش سن و كليه عواملي كه مي‌تواند راه رفتن فرد را تحت تأثير قرار دهد، باعث كاهش اعتبار اين روش مي‌شود. با توجه به معايب ذكر شده، ارائه مدلي كه نسبت به تغيير شرايط فوق مقاوم باشد جزء چالش‌هاي اين حوزه است. همچنين كمبود تصاوير آموزشي در مقابل ابعاد زياد داده‌ها باعث ايجاد بيش‌برازش در عملكرد اين سيستم‌ها مي‌شود كه باعث شده ارائه يك الگوريتم دسته‌بندي مقاوم در مقابل تغيير شرايط، امري دشوار باشد. لذا جهت رفع مشكلات فوق از مدل فضاي تصادفي استفاده كرديم كه بجاي استفاده از يك دسته‌بند، با ايجاد طبقه‌بندي‌هاي فرعي بر مبناي انتخاب تصادفي بردار‌هاي ويژه ماتريس پراكندگي داده‌ها، دقت پيش‌بيني را تا حد زيادي افزايش مي‌دهد. نتايج حاصل از اين مدل روي مجموعه داده‌هاي USF و CASIA-B نشان دهنده كارايي روش پيشنهادي مي‌باشد. واژه‌هاي كليدي: الگوي حركتي افراد، بيومتريك حركتي، بيش برازش، مدل فضاي تصادفي